ANALISIS DINAMIKA ATMOSFER KEJADIAN BANJIR PADA TANGGAL 25 MARET 2025 DI KABUPATEN KUDUS

ABSTRAK

Penelitian ini bertujuan untuk: (1) Mengetahui kondisi parameter atmosfer yang terjadi pada tanggal 25 Maret 2025 di Kabupaten Kudus; (2) Menentukan variabilitas iklim yang paling berpengaruh terhadap kejadian banjir pada tanggal 25 Maret 2025 di Kabupaten Kudus.

Penelitian ini menggunakan data presipitasi satelit GPM produk IMERG Final Run, data reanalisis atmosfer ERA5, citra inframerah satelit Himawari-9 Band 13, indeks ENSO, IOD, dan MJO, serta data deklinasi Matahari dari NOAA Solar Position Calculator. Pengolahan data dilakukan menggunakan Python untuk menganalisis pola spasial dan temporal presipitasi, evolusi awan konvektif, tekanan dan suhu permukaan, HYSPLIT, variabilitas iklim, serta stabilitas atmosfer pada periode 23-25 Maret 2025.

Hasil penelitian menunjukkan bahwa: curah hujan pada 24-25 Maret 2025 mencapai intensitas tinggi secara berkelanjutan dengan akumulasi terbesar pada 25 Maret pukul 05.00 WIB, bertepatan dengan waktu terjadinya banjir; sistem awan konvektif berkembang sejak malam 24 Maret dan mencapai fase matang pada 25 Maret pukul 03.00-06.00 WIB dengan tutupan awan persisten di atas Kabupaten Kudus; variabilitas iklim yang paling berpengaruh adalah aktivitas MJO aktif pada fase 4-5 dengan amplitudo di luar lingkaran satuan yang memperkuat konveksi di wilayah Indonesia. Kondisi atmosfer pendukung mencakup nilai CAPE > 2000 J/kg, CIN rendah, tekanan permukaan yang menurun, serta dominasi aliran angin monsun baratan yang memasok massa udara lembap secara berkelanjutan dari arah barat berdasarkan analisis HYSPLIT; ENSO dan IOD berada pada kondisi netral sehingga tidak berpengaruh signifikan terhadap kejadian banjir.

Kata Kunci: Dinamika Atmosfer, Hujan Ekstrem, Banjir

MOTTO

“Sesungguhnya beserta kesulitan ada kemudahan.”

QS. Al-Insyirah: 6

“Success is the sum of small efforts, repeated day in and day out”

Robert Collier

“Hidup untuk makan, Saya akan lawan”

BAB I PENDAHULUAN

Latar belakang

Indonesia merupakan salah satu negara dengan risiko bencana tertinggi di dunia. Hal ini disebabkan oleh kondisi geologis dan geografis Indonesia yang kompleks. Secara geologis, Indonesia berada pada pertemuan empat lempeng besar, yaitu Lempeng Eurasia, Indo-Australia, Lempeng Filipina, dan Lempeng Pasifik, yang menyebabkan wilayah ini rawan terhadap gempa bumi, tsunami, dan aktivitas vulkanik (Wahyudi et al., 2024). Secara geografis, Indonesia terletak di wilayah tropis serta berada di antara dua benua dan dua samudra, sehingga sangat dipengaruhi oleh dinamika atmosfer dan fenomena iklim global seperti Monsun Asia-Australia, El Niño–Southern Oscillation (ENSO), dan Indian Ocean Dipole (IOD) yang memicu terjadinya bencana hidrometeorologi seperti banjir, tanah longsor, banjir bandang, cuaca ekstrem, dan kekeringan (BNPB, 2023; Chang et al., 2020).

World Risk Report (2024) menyebutkan bahwa Indonesia berada pada peringkat kedua dari 193 negara dengan nilai risiko bencana global sebesar 41,13, sehingga menempatkannya sebagai salah satu negara dengan tingkat kerentanan tinggi terhadap bencana alam. Di antara berbagai jenis bencana yang terjadi, banjir merupakan bencana hidrometeorologi yang paling sering melanda Indonesia, terutama pada musim penghujan. Menurut Jaka (2022) banjir di Indonesia dipengaruhi oleh kombinasi faktor lokal seperti degradasi lingkungan, kerusakan Daerah Aliran Sungai (DAS), urbanisasi tanpa perencanaan, dan pendangkalan sungai, sementara Intergovernmental Panel on Climate Change (2021) melaporkan bahwa perubahan iklim global meningkatkan intensitas presipitasi ekstrem yang turut memperbesar risiko banjir. Badan Nasional Penanggulangan Bencana (2020) mencatat bahwa sebagian besar wilayah Indonesia berisiko tinggi terhadap banjir, terutama di daerah dataran rendah dan kawasan dengan sistem drainase yang kurang memadai.

Secara klimatologis, pola hujan di Indonesia dipengaruhi oleh tiga pola besar, yaitu pola hujan monsunal, pola hujan ekuatorial, dan pola hujan lokal. Pulau Jawa yang merupakan salah satu pulau di Indonesia memiliki pola hujan tipe monsun yang dicirikan oleh satu puncak musim hujan pada bulan Desember–Januari–Februari (DJF), bersamaan dengan fase aktif Monsun Asia (Kartika et al., 2023). Pada periode ini, angin baratan mendominasi dan membawa massa udara lembap dari Samudra Hindia menuju wilayah Indonesia, sehingga meningkatkan intensitas curah hujan.

Provinsi Jawa Tengah merupakan salah satu wilayah di Pulau Jawa dengan intensitas kejadian banjir yang tinggi. Pada tahun 2024, Provinsi Jawa Tengah mencatat total 997.757 jiwa terdampak banjir dari 28 kabupaten/kota, dan sebanyak 231.242 unit rumah mengalami kerusakan maupun terendam (BNPB, 2024). Dampak ini menjadikan Provinsi Jawa Tengah sebagai wilayah dengan tingkat kerentanan banjir yang cukup besar di Pulau Jawa. Besarnya dampak tersebut menunjukkan bahwa banjir merupakan ancaman hidrometeorologi serius yang memerlukan analisis presipitasi dan pemodelan risiko yang lebih rinci dan akurat. Salah satu wilayah di Provinsi Jawa Tengah yang turut terdampak dan memiliki dinamika hidrometeorologi yang kompleks adalah Kabupaten Kudus.

Beberapa kecamatan seperti Kota Kudus, Jati, dan Undaan memiliki elevasi rendah dan berada dekat aliran sungai, sehingga sangat rentan mengalami limpasan permukaan ketika terjadi curah hujan tinggi. Laporan Rencana Penanggulangan Kedaruratan dari Bencana Badan Penangulangan Bencana Daerah (BPBD) Kabupaten Kudus mencatat data pada tabel 1 jumlah kejadian bencana tahun 2017–2021 menunjukkan bahwa cuaca ekstrem merupakan bencana paling dominan (46%), banjir sebesar 22%, kekeringan sebesar 17%, dan tanah longsor 15% yang menandaakan bahwa variabilitas curah hujan memiliki kontribusi besar terhadap kejadian banjir di wilayah ini (BPBD Kabupaten Kudus, 2023).

Tabel 1. Jumlah Kejadian Bencana di Kabupaten Kudus Tahun 2017-2021 (BPBD Kabupaten Kudus, 2023)

Pada tahun 2025, kerentanan tersebut kembali terlihat ketika Kabupaten Kudus mengalami banjir yang dipicu oleh hujan berintensitas tinggi pada 24–25 Maret 2025. Berdasarkan laporan resmi dari Badan Penanggulangan Bencana Daerah (BPBD) Kabupaten Kudus, hujan deras berlangsung sejak Senin, 24 Maret 2025 pukul 22.45 WIB hingga Selasa, 25 Maret 2025 pukul 10.00 WIB. kejadian hujan yang berlangsung hampir selama dua belas jam tersebut menyebabkan sungai meluap dan mengakibatkan genangan di sejumlah kecamatan, terutama Kecamatan Jati, Kecamatan Mejobo, Kecamatan Kaliwungu, Kecamatan Undaan, dan Kecamatan Jekulo. Berdasarkan pemberitaan Metro TV, banjir mulai memasuki rumah-rumah warga sekitar pukul 05.00 WIB pada Selasa, 25 Maret 2025, sesaat setelah warga selesai menyantap sahur (Shani, 2025).

Untuk memahami potensi banjir secara komprehensif, diperlukan analisis presipitasi spasial-temporal yang akurat dan integratif. Data stasiun hujan konvensional yang dimiliki BMKG cenderung terbatas dan bersifat titik (point-based), sehingga kurang mampu merepresentasikan distribusi hujan antar wilayah secara kontinu (Prasetyo et al., 2021). Citra satelit seperti Himawari memang memberikan informasi awan dan potensi hujan, namun tidak sepenuhnya mencerminkan intensitas hujan di permukaan. Oleh karena itu, diperlukan data berbasis grid seperti Integrated Multi-Satellite Retrievals for GPM – Daily Final (IMERGDF) yang mampu memberikan estimasi presipitasi dengan cakupan spasial luas dan resolusi tinggi sebesar 0,1° × 0,1° (Huffman et al., 2020). IMERGDF menjadi pilihan relevan dalam analisis hidrometeorologi karena mampu menggambarkan variabilitas curah hujan hingga wilayah yang sulit dijangkau oleh stasiun hujan.

Keterbatasan data observasi permukaan dan kebutuhan akan representasi presipitasi yang lebih komprehensif menjadi sangat penting ketika menganalisis kejadian hujan ekstrem yang berpotensi memicu banjir. Hal ini relevan dalam konteks kejadian banjir pada 25 Maret 2025 di Kabupaten Kudus, di mana dinamika atmosfer yang kompleks tidak dapat dijelaskan hanya melalui data hujan titik dari stasiun BMKG. Oleh karena itu, penggunaan data presipitasi berbasis grid seperti IMERG Daily Final Run, yang memiliki resolusi spasial tinggi dan mampu menggambarkan distribusi hujan secara kontinu, menjadi krusial untuk mengidentifikasi pola hujan ekstrem yang terjadi pada hari kejadian. Integrasi IMERG dengan citra Himawari dan parameter atmosfer dari ERA5 memungkinkan analisis dinamika atmosfer secara menyeluruh mulai dari proses pembentukan awan, kelembapan, konvergensi angin, hingga kemunculan sistem konvektif seperti Mesoscale Convective System (MCS) yang semuanya berkontribusi terhadap terjadinya hujan intens dan banjir di wilayah Kudus.

Hingga saat penelitian ini dilakukan, belum ditemukan penelitian ilmiah yang secara khusus mengkaji dinamika atmosfer pada kejadian banjir tanggal 25 Maret 2025 di Kabupaten Kudus. Informasi mengenai peristiwa tersebut masih didominasi oleh laporan situasi dari instansi penanggulangan bencana dan pemberitaan media massa yang berfokus pada dampak banjir, tanpa menjelaskan mekanisme atmosfer yang memicu hujan ekstrem. Oleh karena itu, diperlukan penelitian yang menganalisis dinamika atmosfer secara multi-skala melalui integrasi data IMERG, ERA5, dan Himawari untuk menjelaskan proses atmosfer yang berkontribusi terhadap kejadian banjir di Kabupaten Kudus. Dengan demikian, pemanfaatan berbagai sumber data ini menjadi landasan penting bagi peneliti untuk melakukan penelitian dengan judul “Analisis Dinamika Atmosfer Kejadian Banjir pada 25 Maret 2025 di Kabupaten Kudus”.

Identifikasi masalah

Berdasarkan latar belakang yang telah diuraikan dapat didefinisikan sebagai berikut:

Batasan Masalah

Ruang lingkup masalah yang diamati pada penelitian ini dibatasi sebagai berikut:

Rumusan Masalah

Berdasarkan identifikasi masalah yang telah dijelaskan, maka dapat ditentukan rumusan masalah sebagai berikut

Tujuan Penelitian

Berdasarkan rumusan masalah yang sudah disebutkan, maka tujuan penelitian ini sebagai berikut

Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat baik secara teoritis maupun praktis. Secara teoritis, penelitian ini diharapkan dapat memperkaya kajian dalam bidang meteorologi dan klimatologi, khususnya mengenai dinamika atmosfer yang berperan dalam pembentukan hujan ekstrem penyebab banjir di wilayah tropis. Penelitian ini juga diharapkan dapat menjadi referensi ilmiah mengenai penerapan analisis atmosfer multi-skala melalui integrasi data satelit IMERG, citra Himawari-9, dan data reanalisis ERA5 untuk mengidentifikasi mekanisme atmosfer yang memicu kejadian banjir. Secara praktis, hasil penelitian ini diharapkan dapat memberikan informasi bagi instansi terkait, seperti BMKG, BPBD, dan pemerintah daerah, dalam memahami karakteristik atmosfer yang mendahului kejadian banjir sehingga dapat mendukung peningkatan sistem peringatan dini, mitigasi bencana hidrometeorologi, serta penyusunan strategi pengurangan risiko banjir di Kabupaten Kudus dan wilayah lain yang memiliki karakteristik serupa

BAB II KAJIAN PUSTAKA

Kajian Teori

Presipitasi dan curah hujan

Presipitasi

Presipitasi merupakan proses jatuhnya partikel air dari atmosfer ke permukaan bumi dalam berbagai bentuk, seperti hujan, gerimis, salju, maupun hujan es. Dalam sistem iklim, presipitasi merupakan salah satu komponen utama siklus hidrologi yang berperan dalam redistribusi air dan energi di atmosfer serta permukaan bumi. menyatakan bahwa presipitasi memiliki peran yang sangat penting dalam sistem iklim global, setara dengan temperatur, karena mencerminkan interaksi kompleks antara proses pembentukan awan, dinamika atmosfer, dan distribusi spasial-temporal curah hujan.

Awan sebagai media utama pembentukan presipitasi tersusun atas partikel air cair dan kristal es yang tersuspensi di atmosfer akibat proses kondensasi uap air (Wang, 2013). Pembentukan awan terjadi ketika udara lembap mengalami pendinginan hingga mencapai titik jenuh, sehingga uap air mengalami kondensasi pada inti kondensasi (cloud condensation nuclei/CCN). Dalam kondisi tertentu, terutama pada atmosfer yang tidak stabil, proses ini dapat berkembang menjadi awan konvektif yang berpotensi menghasilkan presipitasi intens.

Proses presipitasi terjadi ketika partikel-partikel dalam awan mengalami pertumbuhan melalui mekanisme mikrofisika awan, seperti collision–coalescence pada awan hangat dan proses Bergeron–Findeisen pada awan dingin (Houze, 2014). Pertumbuhan ini menyebabkan ukuran partikel meningkat hingga mencapai ukuran kritis, di mana gaya gravitasi yang bekerja pada partikel lebih besar dibandingkan gaya angkat udara, sehingga partikel jatuh ke permukaan bumi sebagai presipitasi.

Curah hujan

Hujan merupakan salah satu bentuk presipitasi, yaitu proses jatuhnya air dari atmosfer ke permukaan bumi dalam bentuk cair maupun padat. Secara fisik, hujan terbentuk ketika partikel-partikel air di dalam awan mengalami pertumbuhan hingga mencapai ukuran dan massa tertentu sehingga tidak lagi mampu dipertahankan oleh gaya angkat udara, kemudian jatuh ke permukaan bumi dengan kecepatan tertentu akibat pengaruh gravitasi.

Secara konseptual, curah hujan merupakan besaran kuantitatif dari presipitasi yang dinyatakan sebagai jumlah air yang jatuh di suatu wilayah dalam periode waktu tertentu, biasanya dalam satuan milimeter (mm). Nilai ini merepresentasikan tinggi air yang akan terkumpul pada permukaan datar tanpa kehilangan akibat evaporasi, infiltrasi, atau aliran permukaan. Dengan demikian, curah hujan merupakan parameter observasional yang digunakan untuk mengukur intensitas dan distribusi presipitasi di permukaan bumi.

Rakhmat dan Mutohar (2023) menyatakan bahwa sebaran curah hujan antarwilayah cenderung tidak menentu akibat perbedaan kondisi lokal seperti suhu, kelembapan, dan pola angin. Variasi ini menunjukkan bahwa distribusi curah hujan tidak hanya dipengaruhi oleh satu faktor tunggal, melainkan merupakan hasil interaksi kompleks dari berbagai parameter atmosfer. Mereka juga menekankan bahwa keberadaan nilai ekstrem dalam data curah hujan memiliki peranan penting dalam pengembangan model prediksi yang lebih akurat, karena kejadian ekstrem sering kali mencerminkan dinamika atmosfer yang tidak linier.

Selanjutnya, Muhandhis, Ritonga, dan Murdani (2021) memandang curah hujan sebagai indikator utama dalam menentukan pergantian musim. Pola curah hujan, khususnya dalam skala dasarian, menunjukkan sifat musiman yang relatif berulang, sehingga data historis curah hujan dapat dimanfaatkan untuk memprediksi awal musim hujan maupun musim kemarau. Hal ini menunjukkan bahwa curah hujan memiliki peranan penting dalam kajian klimatologi, terutama dalam memahami variabilitas musiman dan perencanaan sektor yang bergantung pada pola musim, seperti pertanian dan sumber daya air.

Di wilayah tropis, karakteristik curah hujan cenderung lebih fluktuatif dibandingkan wilayah lintang menengah. Firdaus dan Paputungan (2022) menunjukkan bahwa curah hujan di wilayah tropis seperti Bandung sangat dipengaruhi oleh parameter atmosfer, kondisi topografi, serta interaksi regional yang kompleks. Perubahan intensitas hujan dapat terjadi secara cepat dan tidak teratur, sehingga metode prediksi konvensional sering kali tidak mampu menangkap dinamika tersebut secara optimal. Oleh karena itu, pendekatan berbasis kecerdasan buatan seperti Long Short-Term Memory (LSTM) menjadi alternatif yang lebih efektif dalam memodelkan hubungan non-linear dan ketergantungan jangka panjang antarvariabel atmosfer.

Selain itu, curah hujan juga merupakan indikator penting dalam kajian perubahan iklim. Suhadi et. al. (2023) menunjukkan bahwa perubahan pola curah hujan tidak hanya terjadi pada jumlah total tahunan, tetapi juga pada distribusi dan intensitasnya. Dalam beberapa kasus, peningkatan total curah hujan dapat terjadi bersamaan dengan penurunan frekuensi kejadian ekstrem, yang menunjukkan adanya perubahan dalam karakteristik hujan itu sendiri. Fenomena global seperti El Niño–Southern Oscillation (ENSO) diketahui memiliki pengaruh signifikan terhadap variabilitas curah hujan di Indonesia, yang dapat meningkatkan risiko kejadian hidrometeorologi seperti banjir dan kekeringan.

Berdasarkan berbagai kajian tersebut, curah hujan dapat disimpulkan sebagai unsur iklim yang sangat dinamis, yang dipengaruhi oleh interaksi multiskala antara faktor lokal, regional, dan global. Dinamika ini menjadikan curah hujan sebagai parameter kunci dalam memahami sistem atmosfer, memprediksi variabilitas musim, serta mengidentifikasi potensi kejadian ekstrem.

Karakteristik curah hujan yang fluktuatif tidak dapat dilepaskan dari mekanisme fisik pembentukan hujan itu sendiri. Menurut WMO (2021), hujan merupakan salah satu bentuk presipitasi yang terjadi ketika partikel air atau kristal es di dalam awan tumbuh melalui proses kondensasi dan koalesensi hingga mencapai ukuran yang cukup besar untuk mengatasi gaya angkat atmosfer dan jatuh ke permukaan bumi. Sementara itu, BMKG (2020) mendefinisikan hujan sebagai presipitasi berupa tetesan air dengan diameter lebih dari 0,5 mm yang jatuh secara kontinu dari awan.

Proses pembentukan hujan dipengaruhi oleh berbagai parameter atmosfer, seperti suhu udara, kelembapan relatif, tekanan udara, serta pola angin. Selain itu, fenomena skala global seperti ENSO juga berperan dalam memodulasi distribusi dan intensitas curah hujan di Indonesia.

Pola hujan

Indonesia merupakan salah satu wilayah dengan aktivitas konveksi atmosfer yang sangat tinggi karena terletak pada daerah tropis dan dilalui oleh ITCZ (Ramili et al., 2020). Secara umum, ahli klimatologi mengelompokkan pola hujan di Indonesia ke dalam tiga pola utama, yaitu pola monsunal, pola ekuatorial, dan pola lokal (Aldrian & Dwi Susanto, 2003).

Pola hujan monsunal

Pola hujan monsunal dicirikan oleh satu puncak musim hujan (single peak) yang sangat dipengaruhi oleh Monsun Asia–Australia. Ketika Monsun Asia aktif pada periode DJF, angin baratan membawa massa udara lembap dari Samudra Hindia menuju wilayah Indonesia dan menghasilkan curah hujan tinggi. Sebaliknya, pada Monsun Australia periode JJA, angin timuran membawa udara kering dari Benua Australia sehingga menyebabkan periode kemarau yang jelas. Pola ini umum terjadi di wilayah selatan Indonesia seperti Jawa, Bali, dan Nusa Tenggara (Nurrohman et al., 2023).

Pola hujan ekuatorial

Pola hujan ekuatorial merupakan pola curah hujan yang dicirikan oleh dua puncak musim hujan (double peak) yang muncul sebagai respons terhadap pergerakan ITCZ yang melintasi wilayah ekuator dua kali dalam setahun. Pola ini ditunjukkan oleh peningkatan curah hujan pada periode Maret–April dan Oktober–November. Wilayah ekuatorial merupakan daerah yang kaya akan curah hujan karena merupakan tempat bertemunya angin pasat dari belahan bumi utara dan selatan, sehingga menghasilkan konvergensi kuat dan pembentukan awan konvektif sepanjang tahun. Selain itu, variabilitas curah hujan ekuatorial lebih sensitif terhadap fenomena IOD dibandingkan ENSO, sehingga dinamika Samudra Hindia memiliki peran dominan dalam membentuk pola curah hujan di wilayah ekuatorial Indonesia (Ariska et al., 2023).

Pola hujan lokal

Pola hujan lokal merupakan pola curah hujan yang dipengaruhi terutama oleh bentang alam setempat, seperti topografi, orografi, dan sirkulasi angin lokal, bukan oleh dinamika monsun atau pergerakan ITCZ. Pola ini dicirikan oleh satu puncak musim hujan (single peak) yang umumnya terjadi pada bulan Juni, serta memiliki jumlah hari hujan yang merata sepanjang tahun, dengan rata-rata sekitar 15 hari hujan per bulan. Wilayah dengan pola hujan lokal, seperti Maluku, sebagian Papua, dan sebagian Sulawesi, menunjukkan intensitas curah hujan tahunan yang tinggi dan frekuensi hujan yang lebih sering dibandingkan pola monsun maupun ekuatorial (Budirahardjo, 2022).

Intensitas Curah Hujan

Intensitas curah hujan merupakan besaran yang menyatakan jumlah hujan yang jatuh dalam suatu interval waktu tertentu dan umumnya dinyatakan dalam satuan milimeter per jam (mm/jam). Parameter ini digunakan untuk menggambarkan tingkat kelebatan hujan serta potensi dampaknya terhadap lingkungan, seperti banjir dan genangan.

Secara umum, intensitas curah hujan pada waktu tertentu dinyatakan sebagai:

Pada persamaan (i), I menyatakan intensitas curah hujan dengan satuan mm/jam, P merupakan jumlah curah hujan dengan satuan mm, sedangkan t menyatakan durasi waktu hujan dalam satuan jam.

Menurut Rakhmat dan Mutohar (2023), curah hujan merupakan bagian penting dalam sistem iklim dan memiliki variasi temporal yang signifikan, sehingga analisis intensitas hujan menjadi aspek utama dalam studi hidrometeorologi. Dalam penelitian ini, klasifikasi intensitas hujan mengacu pada standar operasional yang umum digunakan di Indonesia yang dapat dilihat pada tabel 2.

Tabel 2. Klasifikasi intensitas hujan di Indonesia (BMKG, 2020)

Klasifikasi intensitas hujan secara umum digunakan untuk mengelompokkan tingkat kelebatan hujan, yang berkaitan dengan potensi bahaya hidrometeorologi.

Atmosfer

Atmosfer adalah lapisan gas yang menyelimuti bumi dan berperan penting dalam mengatur keseimbangan energi, cuaca, dan iklim. Atmosfer terdiri atas campuran gas utama seperti nitrogen (±78%), oksigen (±21%), serta gas lainnya dalam jumlah kecil seperti argon, karbon dioksida, dan uap air (Behera, 2021). Variasi kandungan uap air dan energi radiasi dalam atmosfer menjadi faktor utama dalam pembentukan fenomena cuaca, termasuk awan dan presipitasi.

Secara vertikal, atmosfer terbagi menjadi beberapa lapisan, yaitu troposfer, stratosfer, mesosfer, termosfer, dan eksosfer seperti yang tergambarkan pada Gambar 2. Lapisan troposfer merupakan lapisan terendah (sekitar 0–12 km) dan menjadi tempat berlangsungnya sebagian besar fenomena cuaca seperti pembentukan awan, hujan, serta sistem konvektif (Galvin, 2016).

Atmosfer bersifat dinamis, artinya selalu mengalami perubahan akibat interaksi berbagai proses fisik seperti pemanasan matahari, rotasi bumi, serta distribusi tekanan dan kelembapan. Variasi parameter atmosfer seperti tekanan, suhu, dan kelembapan ini menyebabkan terbentuknya gerakan udara yang dikenal sebagai dinamika atmosfer.

Dinamika Atmosfer

Dinamika atmosfer merupakan cabang ilmu dalam meteorologi yang mempelajari gerakan udara sebagai fluida yang dipengaruhi oleh gaya-gaya fisik. Gerakan ini mencakup skala kecil hingga global, mulai dari turbulensi hingga sirkulasi umum atmosfer. Atmosfer dapat diperlakukan sebagai fluida kontinu yang mengikuti hukum-hukum mekanika fluida. Oleh karena itu, pendekatan dasar yang digunakan dalam dinamika atmosfer adalah persamaan gerak fluida, khususnya persamaan Euler dan Navier-Stokes yang disederhanakan.

Angin

Angin merupakan salah satu unsur cuaca yang sangat berperan dalam dinamika atmosfer. Menurut Bachtiar & Hayyatul (2018), angin adalah pergerakan udara yang terjadi akibat perbedaan tekanan udara sehingga menghasilkan hembusan dari satu wilayah ke wilayah lainnya. Perbedaan tekanan ini dipengaruhi oleh variasi pemanasan permukaan bumi dan proses atmosfer lainnya. Arah angin ditentukan oleh arah asal hembusan angin, yaitu dari daerah bertekanan tinggi menuju daerah bertekanan rendah.

Tekanan udara

Tekanan udara merupakan salah satu parameter dasar dalam meteorologi yang menggambarkan gaya per satuan luas yang diberikan oleh massa udara pada suatu permukaan. Perbedaan tekanan udara di atmosfer menjadi penggerak utama sirkulasi angin dan proses dinamika atmosfer lainnya. Menurut Sulistiyono et al. (2023), tekanan udara sangat berperan dalam pembentukan fenomena cuaca skala besar, seperti Southern Oscillation Index (SOI), yang diturunkan dari perbedaan tekanan permukaan antara Pasifik Timur (Tahiti) dan Pasifik Barat (Darwin). Perbedaan tekanan tersebut menentukan kekuatan angin pasat dan memengaruhi pasokan uap air ke wilayah Indonesia. Tekanan udara juga berkaitan dengan pembentukan daerah konvergensi, pertemuan angin dari dua arah dapat membentuk daerah bertekanan rendah yang mendukung pertumbuhan awan konvektif dan potensi hujan lebat.

Tipe Awan

Awan merupakan kumpulan partikel air cair dan/atau kristal es yang terbentuk di atmosfer akibat proses kondensasi uap air. Awan memiliki peranan penting dalam sistem atmosfer, khususnya dalam proses pembentukan presipitasi, karena menjadi media utama terjadinya pertumbuhan butir air hingga mencapai ukuran yang cukup untuk jatuh sebagai hujan (Wallace & Hobbs, 2006). Karakteristik awan sangat dipengaruhi oleh kondisi atmosfer seperti suhu, kelembapan, stabilitas atmosfer, serta dinamika vertikal udara, sehingga jenis awan yang terbentuk dapat memberikan indikasi terhadap potensi terjadinya hujan, termasuk hujan ekstrem.

Secara umum, klasifikasi awan didasarkan pada ketinggian dasar awan dan bentuk morfologinya seperti yang disajikan pada Gambar 3. Menurut klasifikasi World Meteorological Organization (WMO), awan dibagi menjadi tiga kelompok utama, yaitu awan tingkat tinggi, menengah, dan rendah, serta awan dengan perkembangan vertikal.

Awan Tingkat Ringgi

Awan tingkat tinggi terbentuk pada ketinggian di atas ±6 km dan umumnya terdiri dari kristal es karena suhu yang sangat rendah di lapisan tersebut. Jenis awan ini meliputi cirrus (Ci), cirrostratus (Cs), dan cirrocumulus (Cc) (WMO, 2017).

Awan cirrus berbentuk serat tipis dan sering muncul sebagai tanda adanya perubahan cuaca. Cirrostratus berbentuk selimut tipis yang dapat menutupi langit dan sering menimbulkan fenomena halo, sedangkan cirrocumulus berbentuk gumpalan kecil yang tersusun berderet. Awan tingkat tinggi umumnya tidak menghasilkan hujan secara langsung, tetapi dapat menjadi indikator awal adanya sistem cuaca yang berkembang (Lutgens et al., 2018)

Awan Tingkat Menengah

Awan tingkat menengah terbentuk pada ketinggian sekitar 2–6 km dan terdiri dari campuran butir air dan kristal es. Jenis awan ini meliputi altostratus (As), altocumulus (Ac), dan nimbostratus (Ns) (WMO, 2017).

Altostratus berbentuk lapisan luas berwarna abu-abu yang dapat menutupi sebagian besar langit, sedangkan altocumulus berbentuk gumpalan awan yang lebih besar dibanding cirrocumulus. Awan ini sering terkait dengan kondisi atmosfer yang tidak stabil dan dapat berkembang menjadi sistem awan yang lebih tebal dan berpotensi menghasilkan hujan (Houze, 2014).

Awan Tingkat Rendah

Awan tingkat rendah umumnya terbentuk mulai dari permukaan hingga ketinggian sekitar 2 km dan sebagian besar tersusun atas butir-butir air. Jenis awan ini meliputi stratus (St), stratocumulus (Sc), serta awan konvektif seperti cumulus (Cu) dan cumulonimbus (Cb) (WMO, 2017).

Stratus berbentuk lapisan rendah berwarna abu-abu yang relatif seragam dan sering menyerupai kabut yang terangkat dari permukaan. Sementara itu, stratocumulus memiliki bentuk gumpalan atau lapisan bergelombang dengan elemen awan yang lebih besar serta cenderung menutupi sebagian langit. Kehadiran awan tingkat rendah umumnya berkaitan dengan kondisi atmosfer yang stabil, kelembapan tinggi pada lapisan bawah, serta dapat menghasilkan gerimis atau presipitasi ringan dalam kondisi tertentu(Houze, 2014).

Awan Perkembangan Vertikal

Awan perkembangan vertikal merupakan jenis awan yang berkembang secara signifikan ke arah vertikal akibat adanya arus naik yang kuat. Jenis utama dalam kelompok ini adalah cumulus (Cu) dan cumulonimbus (Cb). Awan cumulus umumnya berbentuk gumpalan putih dengan batas yang jelas dan sering terbentuk pada kondisi atmosfer yang labil. Dalam kondisi tertentu, awan cumulus dapat berkembang menjadi cumulonimbus, yaitu awan konvektif yang memiliki perkembangan vertikal sangat tinggi hingga mencapai tropopause.

Awan cumulonimbus merupakan jenis awan yang paling berperan dalam pembentukan hujan ekstrem. Awan ini ditandai dengan struktur menjulang tinggi, bagian puncak berbentuk landasan, serta mengandung arus naik dan turun yang kuat. Proses mikrofisika di dalam awan cumulonimbus memungkinkan terjadinya pertumbuhan butir air yang cepat, sehingga menghasilkan hujan dengan intensitas tinggi, sering kali disertai petir dan angin kencang (Houze, 2014)

Dalam konteks wilayah tropis seperti Indonesia, awan cumulonimbus sangat dominan dalam menghasilkan hujan konvektif yang intens, terutama pada kondisi atmosfer yang tidak stabil dan memiliki kandungan uap air yang tinggi. Oleh karena itu, keberadaan awan ini menjadi indikator penting dalam analisis kejadian hujan ekstrem dan bencana hidrometeorologi seperti banjir.

Suhu Permukaan

Suhu permukaan merupakan salah satu parameter penting dalam inisiasi konveksi karena memengaruhi tingkat ketidakstabilan termal di lapisan batas atmosfer. Pemanasan akibat radiasi Matahari pada siang hari meningkatkan suhu permukaan dan udara di dekat permukaan, sehingga memperbesar ketidakstabilan atmosfer. Di wilayah tropis, seperti Pulau Jawa, suhu permukaan yang relatif tinggi berperan dalam menyediakan energi untuk perkembangan awan konvektif dan pembentukan hujan berintensitas tinggi. Peningkatan suhu permukaan dapat memperbesar gaya apung untuk mempertajam gradien suhu vertikal (Ahrens & Henson, 2019)

Konvergensi dan Divergensi

Konvergensi dan divergensi horizontal menggambarkan pola aliran massa udara secara mendatar.

Nilai divergensi yang negatif menunjukkan kondisi konvergensi, yaitu massa udara yang berkumpul atau mengalir masuk ke suatu daerah. Sebaliknya, nilai positif menunjukkan kondisi divergensi, yaitu massa udara yang menyebar keluar dari suatu daerah (Wallace dan Hobbs, 2006). Contoh visual dari konvergensi dan divergensi disajikan pada Gambar 4.

Perubahan tekanan udara di permukaan sangat dipengaruhi oleh proses konvergensi dan divergensi di lapisan atas troposfer. Pada sistem tekanan rendah, udara di permukaan bergerak menuju pusat tekanan rendah sehingga terjadi konvergensi horizontal. Kondisi ini diimbangi oleh divergensi di lapisan atas atmosfer yang menyebabkan kolom udara kehilangan massa, sehingga udara terdorong naik. Gerakan udara naik tersebut mendukung pembentukan awan dan presipitasi. Sebaliknya, pada sistem tekanan tinggi, konvergensi di lapisan atas menyebabkan penambahan massa udara pada kolom atmosfer sehingga udara bergerak turun dan menghasilkan kondisi cuaca yang relatif cerah dan stabil (Babb, 2023).

Gerakan Vertikal

Gerakan vertikal atmosfer merupakan salah satu komponen penting dalam pembentukan cuaca, terutama dalam proses pembentukan awan Cumulonimbus, kondensasi, dan terjadinya hujan berintensitas tinggi melalui mekanisme updraft pada atmosfer yang labil secara kondisional (Ahrens & Henson, 2019). Proses ini berkaitan erat dengan pola konvergensi dan divergensi udara di atmosfer. Konvergensi pada lapisan permukaan menyebabkan massa udara berkumpul dan terdorong naik (updraft), sedangkan divergensi di lapisan atas atmosfer memungkinkan udara yang telah terangkat menyebar sehingga gerakan naik dapat terus berlangsung. Apabila divergensi di lapisan atas lebih besar daripada konvergensi di lapisan bawah, proses pengangkatan udara akan semakin intensif dan mendukung pembentukan sistem siklonik serta meningkatkan potensi terjadinya hujan (Lutgens & Tarbuck, 2019).

Kombinasi konvergensi pada lapisan bawah dan divergensi pada lapisan atas merupakan karakteristik yang umum dijumpai pada sistem konvektif kuat di wilayah tropis. Interaksi kedua proses tersebut mampu mempertahankan gerakan naik udara secara berkelanjutan sehingga mendukung pertumbuhan awan konvektif dan meningkatkan intensitas presipitasi. Behera (2021) menjelaskan bahwa pada fenomena atmosfer intramusiman di wilayah tropis, konvergensi pada lapisan batas atmosfer menjadi pemicu utama terbentuknya updraft yang menopang perkembangan konveksi dalam serta pembentukan awan hujan.

Stabilitas Atmosfer dan Energi Konvektif

Stabilitas atmosfer merupakan ukuran kecenderungan suatu parcel udara untuk kembali ke posisi semula atau terus bergerak naik ketika mengalami gangguan secara vertikal. Pada kondisi atmosfer yang stabil, parcel udara akan kembali ke posisi awal setelah mengalami perpindahan, sedangkan pada kondisi atmosfer yang tidak stabil, parcel akan terus bergerak naik sehingga mendukung terjadinya proses konveksi (Vallis, 2017). Salah satu parameter yang umum digunakan untuk mengukur potensi instabilitas atmosfer adalah Convective Available Potential Energy (CAPE). Semakin besar nilai CAPE, semakin besar pula energi yang tersedia untuk mendorong perkembangan awan konvektif.

Menurut Ahrens dan Henson (2019), nilai CAPE sebesar 0–500 J/kg menunjukkan potensi yang rendah hingga marginal untuk terbentuknya badai kuat, sedangkan nilai di atas 3.500 J/kg mengindikasikan kondisi atmosfer yang sangat mendukung terjadinya konveksi kuat dan pembentukan badai intens, seperti supercell. Meskipun demikian, konveksi tidak akan berkembang apabila parcel udara belum mampu menembus lapisan penghambat di bawah Level of Free Convection (LFC).

Energi yang diperlukan untuk mengangkat parcel udara dari permukaan hingga mencapai LFC dikenal sebagai Convective Inhibition (CIN). Semakin besar nilai negatif CIN, semakin kuat hambatan terhadap perkembangan konveksi, meskipun atmosfer memiliki nilai CAPE yang tinggi.

Deklinasi Matahari

Deklinasi Matahari merupakan sudut antara posisi semu Matahari terhadap bidang ekuator Bumi yang berubah secara periodik sepanjang tahun akibat revolusi Bumi mengelilingi Matahari. Nilai deklinasi berkisar antara −23,5° hingga +23,5°, mengikuti gerak semu tahunan Matahari. Perubahan nilai deklinasi memengaruhi distribusi radiasi Matahari yang diterima di permukaan Bumi sehingga berpengaruh terhadap kondisi termal permukaan, proses penguapan, dan perkembangan konveksi di atmosfer. Pada wilayah tropis seperti Indonesia, Matahari melintasi ekuator dua kali dalam setahun, yaitu sekitar bulan Maret dan September, sehingga variasi deklinasi berkontribusi terhadap perubahan intensitas penyinaran Matahari sepanjang tahun (Febrianti et al., 2024).

Variabilitas Iklim

Variabilitas iklim merupakan kondisi atmosfer yang terjadi secara alami dalam rentang waktu antar-musiman, tahunan, hingga dekadal, dan bersifat berbeda dari perubahan iklim jangka panjang karena kondisinya dapat kembali ke keadaan normal dalam periode tertentu. Fluktuasi ini merupakan hasil dari interaksi kompleks antara komponen sistem iklim, yaitu atmosfer, lautan, dan permukaan darat, yang secara bersama-sama membentuk pola sirkulasi dan distribusi energi di bumi (IPCC, 2021).

Di wilayah tropis, termasuk Indonesia, variabilitas iklim memberikan pengaruh yang sangat nyata terhadap distribusi curah hujan, baik dalam hal intensitas, frekuensi, maupun pola temporalnya. Pergeseran kecil pada sistem iklim global mampu memodulasi aktivitas konveksi dan sirkulasi atmosfer di skala regional, sehingga secara langsung memengaruhi kejadian hujan ekstrem maupun kekeringan di berbagai wilayah (Qian et al., 2020). Variabilitas iklim global pada umumnya dikontrol oleh tiga fenomena utama, yaitu El Niño–Southern Oscillation, Madden–Julian Oscillation, dan Indian Ocean Dipole, yang masing-masing memiliki mekanisme fisis dan skala waktu yang berbeda.

El Niño–Southern Oscillation

El Niño–Southern Oscillation (ENSO) merupakan fenomena variabilitas iklim yang paling dominan di wilayah tropis dengan pengaruh yang luas terhadap kondisi cuaca dan iklim global. Galvin (2016) menjelaskan bahwa El Niño ditandai oleh anomali suhu permukaan laut di atas normal di Pasifik timur tropis, yang secara tidak langsung disertai penurunan suhu permukaan laut di Pasifik barat, sedangkan La Niña merupakan kebalikannya yaitu penghangatan di Pasifik barat tropis. Kedua fase ini berhubungan dengan perubahan tekanan permukaan laut lintas Pasifik yang dikenal sebagai Southern Oscillation, yang menyebabkan perubahan relatif pola aliran angin dan distribusi curah hujan di seluruh wilayah tropis. Variasi kedua fase ini dapat diamati melalui Southern Oscillation Index (SOI), yaitu indeks yang mengukur perbedaan tekanan permukaan laut antara Tahiti dan Darwin. Seperti yang ditunjukkan pada Gambar 5, nilai SOI positif (biru) mengindikasikan kondisi La Niña sedangkan nilai negatif (merah) mengindikasikan kondisi El Niño. Deret waktu sejak tahun 2000 memperlihatkan bahwa kedua fase tersebut berfluktuasi secara bergantian dengan intensitas yang bervariasi.

Secara mekanistik, Behera (2021) menjelaskan bahwa pada kondisi normal, angin pasat timuran mendorong massa air hangat ke arah barat Pasifik sehingga terbentuk kolam air hangat di Pasifik barat. Ketika angin pasat melemah, massa air hangat bergerak ke timur melalui gelombang Kelvin ekuatorial, memicu umpan balik positif Bjerknes di mana pemanasan SST Pasifik timur semakin melemahkan angin pasat dan memperkuat El Niño. Sebaliknya, penguatan angin pasat yang lebih dari normal mendorong kondisi La Niña. Siklus ENSO berlangsung setiap dua hingga tujuh tahun dan menjadi pengendali utama variabilitas curah hujan di Indonesia, di mana El Niño umumnya dikaitkan dengan defisit curah hujan dan La Niña dengan curah hujan di atas normal.

Madden–Julian Oscillation

Madden–Julian Oscillation (MJO) adalah fenomena variabilitas iklim pada skala waktu intra-musiman yang pertama kali ditemukan oleh Madden dan Julian (1971, 1972). Galvin (2016) mendeskripsikan MJO sebagai peningkatan dan penurunan konveksi tropis yang bergerak ke arah timur dengan periode antara 30 hingga 90 hari, dengan interval tipikal sekitar 50 hari. Fenomena ini berkaitan dengan variasi komponen angin zonal di lapisan bawah dan atas troposfer, serta memengaruhi curah hujan tropis secara signifikan di wilayah antara 0°–160°BT.

Pada Gambar 6 skematik siklus MJO menunjukkan bahwa sistem ini bergerak dari Samudra Hindia menuju Samudra Pasifik melalui perpindahan pusat konveksi ke arah timur. Pada fase awal, aktivitas konveksi di wilayah Indonesia masih relatif lemah akibat dominasi gerakan udara turun. Selanjutnya, ketika pusat konveksi bergerak menuju wilayah maritim kontinen, terjadi penguatan gerakan udara naik yang meningkatkan pembentukan awan konvektif dan curah hujan di Indonesia. Setelah pusat konveksi bergeser ke Pasifik barat, wilayah Indonesia kembali mengalami penurunan aktivitas konvektif akibat dominasi gerakan udara turun.

Sejalan dengan ilustrasi tersebut, mekanisme MJO dimulai di atas Samudra Hindia bagian barat sebagai zona konveksi dalam yang bergerak perlahan ke arah timur dengan kecepatan sekitar 5 m/s, melewati Maritim Kontinen, dan akhirnya melemah di atas Pasifik tengah ketika bertemu dengan massa udara kering dari angin pasat (Galvin, 2016). Behera (2021) menjelaskan bahwa interaksi laut-atmosfer berperan penting dalam mempertahankan propagasi MJO, di mana anomali SST intra-musiman di Samudra Hindia tropis menciptakan kondisi konveksi yang kondusif bagi perkembangan dan perambatan sistem ini. MJO berinteraksi dengan ENSO dan sirkulasi Walker sehingga tidak semua variabilitas curah hujan di Pasifik barat dan Samudra Hindia dapat dijelaskan oleh salah satu fenomena secara terpisah.

Indian Ocean Dipole

Indian Ocean Dipole (IOD) merupakan fenomena variabilitas iklim di Samudra Hindia tropis yang dicirikan oleh pola dipol anomali SST antara Samudra Hindia barat dan timur. Behera (2021) menjelaskan bahwa pada fase positif IOD (pIOD), terbentuk anomali SST negatif di perairan timur Samudra Hindia dekat pesisir Sumatra akibat angin tenggara yang memicu upwelling intensif, disertai anomali SST positif di Samudra Hindia barat. Sebaliknya, fase negatif IOD (nIOD) menunjukkan pola yang berlawanan dengan SST hangat di timur dan dingin di barat.

Dampak IOD terhadap Indonesia sangat signifikan. Behera (2021) mencatat bahwa selama kejadian pIOD, konveksi atmosfer dan curah hujan mengalami penurunan di atas wilayah Indonesia, sebagian besar Asia Tenggara, dan Australia. Fenomena ini telah terbukti dapat berkembang secara independen tanpa kehadiran El Niño di Pasifik, sebagaimana ditunjukkan oleh kejadian pIOD super tahun 2019 yang tercatat sebagai yang terkuat dalam sejarah pengamatan modern. Interaksi antara IOD dan ENSO bersifat kompleks karena beberapa kejadian pIOD kuat terjadi bersamaan dengan El Niño maupun El Niño Modoki, sehingga dampak gabungannya terhadap variabilitas curah hujan di Indonesia menjadi lebih intensif.

Hidrometeorologi

Hidrometeorologi merupakan cabang ilmu yang mengkaji keterkaitan antara fenomena atmosfer, seperti curah hujan, kelembapan, suhu, dan angin, dengan proses hidrologi di permukaan bumi yang dapat menimbulkan berbagai bencana alam. Menurut Hengkelare et al. (2021) bencana hidrometeorologi sangat dipengaruhi oleh dinamika curah hujan dan perubahan kondisi atmosfer yang mendorong peningkatan intensitas presipitasi. Penelitian tersebut menekankan bahwa perubahan iklim global turut menyebabkan anomali hujan, seperti periode basah yang semakin intens dan kejadian ekstrem yang lebih sering muncul, sehingga memperbesar risiko banjir terutama di wilayah yang mengalami degradasi lingkungan. Lebih lanjut, Singal & Jumario (2019) mengungkapkan jika bencana hidrometeorologi dipicu oleh fluktuasi parameter meteorologi seperti suhu, kelembapan, intensitas hujan, dan pola angin, yang secara langsung memengaruhi proses hidrologi seperti limpasan permukaan, infiltrasi, hingga kapasitas tampungan air di suatu daerah. Mereka menyebutkan bahwa ketika parameter atmosfer tersebut berada pada kondisi ekstrem, wilayah yang memiliki kerentanan hidrologis misalnya daerah dataran rendah, kawasan cekungan, dan wilayah dengan drainase buruk.

Banjir

Banjir merupakan fenomena hidrometeorologi yang muncul ketika volume air yang masuk ke suatu wilayah melebihi kapasitas lingkungan untuk menampung, meresapkan, atau mengalirkannya. Peristiwa ini tidak hanya mencerminkan kelebihan pasokan air, tetapi juga menunjukkan ketidakseimbangan antara proses atmosfer, hidrologi, dan kondisi fisik wilayah. Secara umum, banjir terjadi pada daerah yang biasanya kering dan hanya mengalami genangan ketika terjadi anomali dalam sistem aliran air, baik yang berasal dari presipitasi tinggi, luapan sungai, maupun kegagalan infrastruktur drainase. Rakuasa et al. (2022) menegaskan bahwa intensitas hujan tinggi sering kali tidak dapat diakomodasi oleh aliran sungai maupun saluran buatan. Kondisi ini semakin rentan terjadi pada kawasan yang telah mengalami perubahan penutup lahan, sehingga kemampuan tanah untuk menyerap air berkurang dan genangan lebih mudah terbentuk. Keterbatasan daya tampung sistem alami tersebut diperkuat oleh penjelasan Sunarya dan Sutoyo (2023) menunjukkan bahwa banjir kerap muncul akibat luapan sungai dan hujan berlebih yang tidak mampu ditangani oleh sistem drainase.

Situasi ini semakin diperburuk oleh tanah yang sudah jenuh serta tersumbatnya saluran air akibat aktivitas masyarakat, sehingga aliran air tidak dapat bergerak secara optimal dan memicu genangan yang semakin luas. Keterbatasan ini juga memperlihatkan hubungan erat antara dinamika curah hujan ekstrem dan kondisi fisik wilayah, sebagaimana ditegaskan oleh Rakuasa & Latue (2023). Mereka menyoroti bahwa jenis tanah dengan infiltrasi rendah serta perkembangan permukiman di sekitar alur sungai memperbesar potensi genangan. Pandangan yang searah dikemukakan oleh Faiza et al. (2022) yang menekankan bahwa kawasan padat penduduk dengan sistem drainase tidak memadai menjadi lokasi yang paling rentan terhadap banjir. Aliran permukaan dari hujan lebat tidak dapat tersalurkan dengan baik, sehingga menimbulkan kerusakan dan menghambat aktivitas masyarakat.

Satelit Himawari-9

Citra satelit Himawari-9 merupakan salah satu instrumen pengamatan atmosfer yang sangat penting dalam analisis dinamika cuaca di wilayah tropis. Menurut Hutagalung et al. (2022) Himawari-9 adalah satelit cuaca geostasioner generasi terbaru yang diluncurkan oleh Japan Meteorological Agency (JMA) pada tahun 2016. Satelit ini dirancang untuk mengamati berbagai parameter meteorologi, termasuk perkembangan awan konvektif seperti cumulonimbus yang sering menjadi indikator hujan lebat. Satelit Himawari-9 dilengkapi dengan 16 kanal Advanced Himawari Imager (AHI) yang mencakup kanal visible, near-infrared, water vapor, dan thermal infrared (TIR). Kombinasi kanal tersebut memungkinkan pengamatan struktur, distribusi, serta perkembangan awan dengan resolusi spasial dan temporal yang tinggi.

Salah satu kanal yang banyak digunakan untuk memantau aktivitas konvektif adalah kanal TIR13 (10,4 μm), yang mendeteksi radiasi inframerah termal yang dipancarkan oleh puncak awan. Nilai brightness temperature yang semakin rendah menunjukkan suhu puncak awan yang semakin dingin, yang mengindikasikan bahwa puncak awan berada pada ketinggian yang lebih tinggi dan proses konveksi berlangsung semakin kuat.

European Centre for Medium-Range Weather Forecasts (ECMWF)

ECMWF ERA5 merupakan salah satu produk reanalysis cuaca dan iklim yang dikembangkan oleh European Centre for Medium-Range Weather Forecasts (ECMWF) dan banyak digunakan dalam penelitian atmosfer modern. Dataset ERA5 menyajikan estimasi parameter atmosfer berbasis kombinasi model numerik dan data observasi, sehingga mampu menggambarkan kondisi atmosfer secara konsisten dalam resolusi temporal satu jam. Menurut Akbar et al. (2022), data ECMWF digunakan untuk memperoleh variabel seperti tekanan permukaan laut, angin zonal (U) dan meridional (V), radiasi permukaan, serta suhu permukaan laut.

Global Precipitation Measurement

GPM (Global Precipitation Measurement) merupakan misi satelit internasional yang dikembangkan oleh National Aeronautics and Space Administration (NASA) dan Japan Aerospace Exploration Agency (JAXA) untuk menyediakan pengamatan presipitasi generasi terbaru dengan cakupan global yang lebih detail. Misi ini dirancang untuk meningkatkan akurasi estimasi hujan dan salju melalui integrasi berbagai instrumen penginderaan jauh berbasis mikrogelombang maupun inframerah.

Salah satu keluaran utama dari misi ini adalah IMERG (Integrated Multi-Satellite Retrievals for GPM), yaitu algoritma yang menggabungkan estimasi presipitasi dari banyak satelit menggunakan proses interkalibrasi, teknik morfing, serta koreksi menggunakan data penakar hujan permukaan. Menurut Bolvin et al. (2023), algoritma IMERG menghasilkan data presipitasi setengah jam dan bulanan dengan resolusi spasial tinggi 0.1°, sehingga mampu merepresentasikan variasi spasial curah hujan secara lebih baik dibandingkan pengamatan berbasis titik dari stasiun hujan. Produk IMERG tersedia dalam tiga keluaran, yaitu Early Run, Late Run, dan Final Run. Dari ketiganya, IMERG Final Run merupakan produk yang memiliki akurasi paling tinggi karena telah melalui tahap gauge adjustment menggunakan data Global Precipitation Climatology Centre (GPCC).

Hasil Penelitian yang Relevan

Penelitian Mahmoud (2020) yang berjudul “Impact of Topography and Rainfall Intensity on the Accuracy of IMERG Precipitation Estimates in an Arid Region” menunjukkan bahwa produk IMERG dari misi GPM memiliki kemampuan untuk mendeteksi musim dengan nilai curah hujan tertinggi (musim semi) dan terendah (musim panas). Penilaian dilakukan dengan tiga teknik evaluasi: berdasarkan musim, topografi, dan intensitas curah hujan. Hasilnya mengindikasikan bahwa produk IMERG berkinerja baik dalam mendeteksi curah hujan, terutama dalam kondisi hujan ringan, yang umum terjadi di wilayah kering. Produk ini menunjukkan akurasi yang tinggi di daerah dengan elevasi sedang, namun kinerjanya buruk di daerah pesisir dan pegunungan. Secara keseluruhan, produk final-run IMERG menunjukkan kinerja yang lebih baik dibandingkan produk near-real-time, terutama dalam hal konsistensi dan kesalahan. Penelitian ini juga menunjukkan bahwa meskipun produk IMERG dapat meningkatkan resolusi temporal dan mengisi kekurangan data di wilayah yang jarang terukur, masih diperlukan data pengukur hujan sub-harian untuk kalibrasi satelit agar menghasilkan estimasi curah hujan yang lebih akurat di wilayah kering dan semi-kering.

Penelitian Abay dan Haryanto (2021) yang berjudul “Analisis Dinamika Atmosfer dan Distribusi Awan Konvektif Menggunakan Teknik Red Green Blue (RGB) pada Citra Satelit Himawari-8 (Studi Kasus: Banjir Jakarta 31 Desember 2019–1 Januari 2020)” bertujuan untuk menganalisis kondisi dinamika atmosfer serta pola distribusi awan konvektif yang memicu terjadinya hujan ekstrem penyebab banjir di wilayah Jakarta. Penelitian ini menggunakan metode analisis dinamika atmosfer yang meliputi parameter angin zonal dan meridional lapisan 850 hPa, indeks ENSO, dan IOD serta analisis citra satelit Himawari-8 dengan teknik RGB, khususnya skema 24-Hours Microphysics, Air Mass, dan Day Convective Storms. Hasil penelitian menunjukkan bahwa hujan ekstrem yang terjadi dipicu oleh aktifnya Monsun Asia, keberadaan shearline di atas pulau Jawa, serta sirkulasi siklonik di samudra Hindia selatan Jawa yang menyebabkan konvergensi massa udara hangat dan lembap. Analisis time series suhu puncak awan mengindikasikan pertumbuhan awan Cumulonimbus yang intens sebelum terjadinya hujan lebat, sementara hasil teknik RGB mampu mengidentifikasi awan konvektif dengan proses updraft yang kuat sebagai penyebab utama banjir.

Penelitian Dyah Ajeng Sekar Pertiwi dan Jaka Anugrah Ivanda Paski (2022) yang berjudul “Analisis Dinamika Atmosfer Kejadian Hujan Ekstrim (Studi Kasus Banjir di Tangerang Selatan 7 November 2021)” bertujuan untuk mengkaji kondisi dinamika atmosfer dan faktor cuaca pendukung terjadinya hujan ekstrem yang menyebabkan banjir di Kota Tangerang Selatan. Penelitian ini menggunakan metode analisis multi-skala yang meliputi analisis curah hujan observasi BMKG, citra radar cuaca untuk memantau pertumbuhan dan pergerakan awan konvektif, serta analisis dinamika atmosfer skala global, regional, dan lokal. Parameter global yang dianalisis mencakup ENSO, MJO, serta gelombang tropis seperti gelombang Kelvin dan Rossby, sementara analisis regional dilakukan menggunakan suhu permukaan laut (SST) dan pola angin gradien. Analisis skala lokal dilakukan menggunakan data radiosonde untuk menilai stabilitas atmosfer dan potensi konvektivitas. Hasil penelitian menunjukkan bahwa hujan ekstrem dengan intensitas mencapai 117 mm/hari dipicu oleh kombinasi kondisi atmosfer labil, suhu permukaan laut yang hangat dengan anomali positif, adanya pertemuan dan belokan angin (konvergensi dan shearline), serta pengaruh fenomena global seperti MJO dan gelombang Kelvin yang memperkuat pembentukan awan konvektif masif. Citra radar mengindikasikan terbentuknya sistem MCS dengan durasi hidup yang panjang dan cakupan luas sebagai penyebab utama hujan lebat.

Penelitian Purwanti et al. (2023) yang berjudul “Analisis Kondisi Atmosfer Saat Kejadian Hujan Lebat di Sintang Menggunakan Satelit Cuaca dan Model ECMWF (Kasus: 30 September 2021)” bertujuan untuk menganalisis kondisi atmosfer skala global, regional, dan lokal yang berperan dalam terjadinya hujan lebat penyebab banjir di Kabupaten Sintang, Kalimantan Barat. Penelitian ini menggunakan metode deskriptif kuantitatif dengan memanfaatkan data indeks iklim global seperti ENSO (Niño 3.4), Indian Ocean Dipole (IOD), dan Madden–Julian Oscillation (MJO), data suhu permukaan laut (SST) dan pola aliran angin dari model ECMWF, serta data pengamatan sinoptik dan citra satelit Himawari-8 kanal inframerah untuk menganalisis suhu puncak awan. Selain itu, digunakan pula indeks stabilitas atmosfer seperti CAPE, K Index (KI), dan Total Totals Index (TTI) untuk menilai tingkat ketidakstabilan atmosfer. Hasil penelitian menunjukkan bahwa hujan sangat lebat dengan intensitas mencapai 139,5 mm/hari dipicu oleh kombinasi kondisi La Niña lemah, fase aktif MJO, suhu permukaan laut yang hangat dengan anomali positif, serta adanya shearline dan konvergensi angin yang mendukung pertumbuhan awan konvektif. Analisis citra Himawari-8 dan time series suhu puncak awan memperlihatkan perkembangan awan Cumulonimbus yang intens dengan suhu puncak awan sangat rendah, sementara nilai indeks stabilitas atmosfer menunjukkan kondisi atmosfer yang labil dan kaya uap air.

Kerangka Berpikir

Indonesia merupakan wilayah tropis yang memiliki intensitas konveksi atmosfer tinggi sehingga rentan terhadap kejadian hujan ekstrem dan banjir. Kabupaten Kudus sebagai wilayah dataran rendah di Jawa Tengah memiliki kerentanan banjir yang tinggi, terutama ketika terjadi curah hujan dengan intensitas besar dalam waktu singkat. Kejadian banjir pada tanggal 25 Maret 2025 di Kabupaten Kudus diduga berkaitan erat dengan kondisi dinamika atmosfer dan melibatkan interaksi parameter atmosfer pada berbagai skala.

Hujan ekstrem sebagai pemicu utama banjir tidak terjadi secara tunggal, melainkan dipengaruhi oleh beberapa faktor atmosfer skala global, regional, dan lokal. Fenomena global seperti ENSO, IOD, dan MJO dapat memodulasi kondisi latar belakang konveksi di wilayah Indonesia. Sementara itu, kondisi regional seperti suhu permukaan laut, pola tekanan dan angin, serta fluks uap air berperan dalam menyediakan energi dan kelembapan yang mendukung pertumbuhan awan konvektif. Pada skala lokal, proses konvergensi angin, dinamika vertikal atmosfer, evolusi awan konvektif, serta pengaruh deklinasi Matahari berperan dalam memperkuat proses pembentukan hujan.

Oleh karena itu, penelitian ini menggunakan pendekatan analisis dinamika atmosfer multi-skala dengan memanfaatkan data satelit, reanalisis, dan model atmosfer untuk mengkaji kondisi presipitasi, sirkulasi atmosfer, evolusi awan, serta keterkaitannya dengan kejadian banjir. Melalui analisis spasial, temporal, dan vertical. Penelitian ini bertujuan untuk mengidentifikasi mekanisme atmosfer dan parameter dominan yang berkontribusi terhadap terjadinya banjir pada tanggal 25 Maret 2025 di Kabupaten Kudus.

Hipotesis

Berdasarkan kajian teori, penelitian yang relevan, dan kerangka berpikir yang telah disampaikan, hipotesis pada penelitian ini adalah kombinasi parameter atmosfer multi-skala yang meliputi fenomena iklim global (MJO fase aktif), kondisi termodinamika lokal, serta pola sirkulasi lapisan bawah yang berkontribusi secara simultan terhadap pembentukan sistem awan konvektif intensif dan curah hujan ekstrem yang mengakibatkan banjir di Kabupaten Kudus pada 25 Maret 2025.

BAB III METODE PENELITIAN

Tempat dan Waktu Penelitian

Penelitian akan dilaksanakan pada bulan Januari 2026 hingga Juni 2026 yang mencakup penyusunan proposal penelitian, pengambilan serta pengolahan data, dan penyusunan laporan akhir.

Variabel Penelitian

Variabel independen

Variabel independen dalam penelitian ini adalah parameter-parameter atmosfer multi-skala yang diasumsikan memengaruhi atau berkontribusi terhadap terbentuknya hujan ekstrem, perkembangan sistem konvektif, dan kejadian banjir pada 25 Maret 2025. Variabel independen dikelompokkan berdasarkan cakupan spasialnya. Pada skala global, variabel bebas mencakup fenomena El Niño–Southern Oscillation , Indian Ocean Dipole, dan Madden–Julian Oscillation yang memodulasi latar belakang konveksi di wilayah Indonesia. Pada skala regional, variabel independen meliputi tekanan udara permukaan, suhu permukaan, deklinasi Matahari, serta karakteristik massa udara yang ditinjau melalui lintasan backward trajectory model HYSPLIT. Sementara pada skala lokal, variabel independen mencakup parameter termodinamika konveksi yaitu Convective Available Potential Energy dan Convective Inhibition.

Variabel dependen

Variabel dependen dalam penelitian ini terdiri atas dua komponen utama. Pertama, curah hujan yang terjadi pada periode 25 Maret 2025 di Kabupaten Kudus, yang dipilih sebagai variabel terikat karena merupakan faktor atmosfer langsung yang berkontribusi terhadap terjadinya banjir pada hari tersebut. Nilai curah hujan diperoleh dari data satelit IMERG Final Run yang merepresentasikan intensitas serta distribusi spasial dan temporal presipitasi secara lengkap. Kedua, perkembangan awan konvektif yang ditinjau berdasarkan evolusi brightness temperature dari citra satelit Himawari-9 Band 13 Infrared (TIR 10,4 μm) pada periode yang sama. Perkembangan awan konvektif dipilih sebagai variabel dependen karena secara langsung menggambarkan proses pembentukan, pertumbuhan, dan pelemahan sistem awan kumulonimbus yang menghasilkan hujan ekstrem di wilayah penelitian.

Teknik dan Instrumen Pengumpulan Data

Teknik Pengumpulan Data

Data Curah Hujan

Data curah hujan per setengah jam dari tanggal 1 Januari 2016 hingga 31 Desember 2025 diperoleh menggunakan data presipitasi satelit IMERG Final Run yang dapat diunduh melalui laman portal NASA Giovanni https://giovanni.gsfc.nasa.gov/giovanni/.

Data ERA5

Data atmosfer yang digunakan dalam penelitian ini diperoleh dari produk reanalysis ERA5 yang disediakan oleh European Centre for Medium-Range Weather Forecasts (ECMWF). Dataset ERA5 dipilih karena menyediakan informasi atmosfer global dengan resolusi spasial 0.25° dan resolusi temporal per jam, serta dilengkapi 37 lapisan tekanan vertikal sehingga memungkinkan analisis dinamika atmosfer secara menyeluruh. Dataset dari ERA5 dapat diakses di website https://cds.climate.copernicus.eu/

Data Deklinasi Matahari

Data gerak semu harian Matahari diperoleh melalui NOAA Solar Position Calculator yang menyediakan efemeris Matahari secara resmi dan presisi tinggi. Kedua platform tersebut digunakan secara luas dalam penelitian astronomi, meteorologi, dan klimatologi untuk mendapatkan nilai deklinasi Matahari harian, azimuth, serta altitude yang diperlukan dalam analisis dinamika atmosfer tropis. Data efemeris yang dihasilkan memiliki akurasi tinggi dan merupakan rujukan standar internasional dalam penghitungan posisi Matahari. Data NOAA Solar Position Calculator di website berikut ini https://gml.noaa.gov/grad/solcalc/

Data evolusi Mesoscale Convective System

Data evolusi sistem konvektif skala meso diperoleh dari citra satelit Himawari-9 yang diunduh melalui portal Universitas Chiba. Penelitian ini menggunakan produk citra inframerah Band 13 (IR 10.4 μm) yang memiliki sensitivitas tinggi terhadap suhu puncak awan. Data ini dapat diakses melalui alamat https://www.cr.chiba-u.jp/databases/GEO/H8_9/FD/index_en_V20190123.html

Data Klimatologi

Data klimatologi yang digunakan dalam penelitian ini mencakup beberapa parameter iklim global dan regional yang berperan dalam memengaruhi dinamika cuaca di wilayah Indonesia.

Data indeks Madden–Julian Oscillation (MJO) diakses melalui situs resmi Bureau of Meteorology Australia (BoM) dengan resolusi harian pada tautan https://www.bom.gov.au/clim_data/IDCKGEM000/rmm.74toRealtime.txt. Indeks ini digunakan untuk mengidentifikasi fase-fase aktif konveksi tropis yang berkaitan dengan anomali curah hujan.

Data indeks El Niño–Southern Oscillation (ENSO) dan Indian Ocean Dipole (IOD) diperoleh dari National Oceanic and Atmospheric Administration (NOAA). Data ENSO menggunakan indeks Niño 3.4 yang dipublikasikan oleh Climate Prediction Center (CPC) NOAA dan tersedia pada laman https://www.cpc.ncep.noaa.gov/data/indices/ersst5.nino.mth.91-20.ascii. Sementara itu, data IOD menggunakan Dipole Mode Index (DMI) yang disediakan oleh Physical Sciences Laboratory (PSL) NOAA dan tersedia pada laman https://psl.noaa.gov/gcos_wgsp/Timeseries/Data/dmi.had.long.data. Kedua data tersebut digunakan untuk mengidentifikasi kondisi variabilitas iklim global yang dapat memengaruhi pembentukan awan konvektif dan kejadian hujan ekstrem di wilayah penelitian.

Instrumen Penelitian

Instrumen yang digunakan dalam penelitian ini meliputi:

Cursor

Cursor merupakan perangkat lunak Integrated Development Environment (IDE) yang digunakan untuk menulis, mengedit, dan mengelola kode program Python. Selain itu, Cursor digunakan untuk mempermudah proses pengembangan program, perbaikan kode, serta mendukung pelaksanaan analisis data secara lebih efisien.

Microsoft Excel

Microsoft Excel digunakan sebagai perangkat lunak pengolah data untuk menyusun, mengelompokkan, dan mengelola data hasil penelitian. Selain itu, Excel dimanfaatkan untuk melakukan perhitungan sederhana, menyusun tabel, serta mendukung penyajian data sebelum dilakukan analisis lebih lanjut.

WinSCP

WinSCP merupakan perangkat lunak yang digunakan untuk melakukan transfer data antara komputer lokal dan server menggunakan protokol Secure File Transfer Protocol (SFTP) maupun Secure Copy Protocol (SCP). Pada penelitian ini, WinSCP dimanfaatkan untuk mengirim, mengunduh, serta mengelola data penelitian yang disimpan pada server sehingga proses pengolahan data dapat dilakukan secara efisien.

Teknik Pengolahan dan Analisis Data

Teknik analisis data dalam penelitian ini dilakukan melalui beberapa tahapan sistematis untuk memperoleh gambaran komprehensif mengenai dinamika atmosfer penyebab banjir pada 25 Maret 2025 di Kabupaten Kudus. Tahapan analisis yang digunakan adalah sebagai berikut:

Mengunduh dan menyiapkan dataset atmosfer

Peneliti mengunduh data presipitasi IMERG Final Run, data atmosfer ERA5, citra awan Himawari-9 Band 13, indeks ENSO–IOD–MJO, data deklinasi Matahari.

Mempersiapkan dan melakukan praproses data

Peneliti mengekstraksi, memotong, menyamakan resolusi waktu, serta membersihkan dataset dari nilai missing untuk memastikan konsistensi seluruh variabel sebelum analisis.

Menghitung Rata-rata Curah Hujan

Menurut Sugiyono (2019), rata-rata digunakan untuk mengetahui nilai pusat atau nilai tengah dari sekumpulan data penelitian. Dalam penelitian ini rata-rata digunakan untuk mengetahui nilai tengah curah hujan bulanan dan harian. Persamaan yang digunakan sebagai berikut.

Pada persamaan tersebut x menyatakan nilai rata-rata curah hujan, x_i menunjukkan jumlah seluruh data curah hujan yang digunakan dalam perhitungan, sedangkan n merupakan jumlah data pengamatan yang dianalisis.

Menganalisis temporal presipitasi

Data IMERG diolah menggunakan Python untuk menganalisis distribusi hujan per jam, dan intensitas puncaknya pada tanggal 25 Maret 2025.

Menganalisis dinamika atmosfer

Peneliti menganalisis variabel atmosfer seperti, pola angin, tekanan udara, CAPE dan CIN.

Mengolah dan menganalisis evolusi awan konvektif Himawari-9

Citra IR Band 13 digunakan untuk memantau proses pembentukan, perkembangan, serta propagasi awan konvektif dan Mesoscale Convective System (MCS) yang berperan pada hujan ekstrem.

Menganalisis HYSPLIT

Peneliti menganalisis lintasan balik massa udara menggunakan model HYSPLIT. Analisis ini bertujuan untuk mengidentifikasi asal dan jalur pergerakan massa udara yang menuju wilayah Kabupaten Kudus pada saat kejadian banjir 25 Maret 2025, sehingga dapat diketahui sumber pasokan uap air yang berkontribusi terhadap pembentukan hujan.

Mengolah dan Menganalisis Variabilitas Iklim

Peneliti menganalisis kondisi variabilitas iklim menggunakan indeks ENSO, IOD, dan MJO untuk mengetahui fase masing-masing fenomena selama periode penelitian serta mengidentifikasi kemungkinan pengaruhnya terhadap kondisi atmosfer yang memicu kejadian banjir di Kabupaten Kudus pada 25 Maret 2025.

Melakukan analisis deklinasi matahari

Peneliti mengolah data deklinasi harian Matahari yang diperoleh dari NOAA Solar Position.

Profil Kabupaten Kudus

Kabupaten Kudus berada di kawasan timur laut Provinsi Jawa Tengah dan secara administratif terdiri atas 9 kecamatan, 123 desa, serta 9 kelurahan (BPS Kudus, 2024). Letak geografis dan batas administratif Kabupaten Kudus tersebut disajikan pada Gambar 8.

Secara geografis, wilayah ini terletak pada koordinat 6°51'–7°16' Lintang Selatan dan 110°36'–110°50' Bujur Timur, dengan batas wilayah meliputi Kabupaten Jepara dan Demak di bagian barat, Kabupaten Pati di sisi timur dan utara, serta Kabupaten Grobogan dan Demak di bagian selatan.

Selain itu, Kabupaten Kudus memiliki karakter geomorfologi yang khas karena pada masa lampau wilayah ini merupakan bagian dari bekas Selat Muria sebelum mengalami proses sedimentasi intensif pada abad ke-17 yang kemudian membentuk daratan seperti kondisi saat ini (Pratama & Mustofa, 2025). Proses geomorfologi ini mebentuk dataran rendah yang kini menjadi karakteristik utama wilayah Kudus, sehingga secara alami rentan mengalami genangan saat musim hujan.

Diagram Alir

Dalam penelitian ini dapat dibuat diagram alir yang disajikan pada Gambar 9.

BAB IV HASIL DAN PEMBAHASAN

Curah Hujan Kabupaten Kudus

Analisis pola hujan dilakukan karena dapat menunjukkan periode basah, periode kering, serta waktu terjadinya puncak musim hujan dan musim kemarau yang berpengaruh terhadap potensi bencana hidrometeorologi, termasuk banjir. Data curah hujan yang digunakan diperoleh dari satelit GPM produk IMERG Final Run dengan resolusi temporal 30 menit yang mencakup periode 2016-2025. Data disajikan pada Gambar 10 dalam bentuk bulanan untuk melihat pola distribusi hujan secara temporal.

Pola distribusi curah hujan bulanan pada Gambar 10 menunjukkan bahwa Kabupaten Kudus memiliki karakteristik curah hujan monsunal yang ditandai oleh curah hujan tinggi pada awal hingga akhir tahun dan menurun pada pertengahan tahun. Curah hujan mulai meningkat pada bulan November dan tetap tinggi hingga Maret sebelum berangsur menurun menuju musim kemarau. Pola tersebut menunjukkan bahwa distribusi hujan di Kabupaten Kudus dipengaruhi oleh sistem monsun yang mengendalikan ketersediaan uap air di wilayah Jawa (Hengkelare & Rogi, 2021).

Berdasarkan Gambar 10, bulan Maret masih berada pada periode musim hujan dengan curah hujan yang relatif tinggi dibandingkan bulan-bulan setelahnya. Kondisi ini menunjukkan bahwa saat kejadian banjir pada 25 Maret 2025, atmosfer di Kabupaten Kudus masih memiliki lingkungan yang mendukung pembentukan awan hujan. Karakteristik tersebut tercermin pada distribusi curah hujan harian selama Maret 2025, yang menunjukkan beberapa kejadian hujan dengan intensitas tinggi, terutama pada pertengahan hingga akhir bulan, sebagaimana disajikan pada Gambar 11.

Variasi curah hujan harian selama Maret 2025 pada Gambar 11 memperlihatkan fluktuasi yang cukup tinggi dengan beberapa kejadian hujan berintensitas sedang hingga lebat. Curah hujan yang meningkat pada pertengahan bulan menunjukkan bahwa aktivitas pembentukan awan hujan masih berlangsung secara aktif. Kondisi tersebut mengindikasikan bahwa atmosfer selama Maret 2025 memiliki ketersediaan uap air dan mekanisme konveksi yang cukup untuk menghasilkan hujan secara berulang.

Menjelang akhir bulan, curah hujan kembali mengalami peningkatan pada tanggal 24 dan 25 Maret 2025. Peningkatan tersebut terjadi setelah beberapa kejadian hujan signifikan pada pertengahan Maret sehingga menunjukkan bahwa kondisi atmosfer yang mendukung pembentukan hujan masih bertahan hingga akhir periode pengamatan (Kartika et al., 2023). Untuk menganalisis perkembangan curah hujan secara lebih rinci selama periode kejadian banjir, digunakan data curah hujan dengan resolusi temporal yang lebih tinggi pada rentang waktu 24 Maret 2025 pukul 18.00 WIB hingga 25 Maret 2025 pukul 21.00 WIB. Hasil analisis tersebut disajikan pada Gambar 12.

Perkembangan curah hujan dengan resolusi 30 menit pada rentang waktu 24 Maret 2025 pukul 18.00 WIB hingga 25 Maret 2025 pukul 21.00 WIB menunjukkan bahwa aktivitas hujan mulai meningkat sejak tanggal 24 Maret pukul 23.00 WIB. Hujan terjadi dalam beberapa waktu dengan intensitas yang bervariasi dan berlangsung dari dini hari hingga siang hari.

Memasuki tanggal 25 Maret 2025, hujan yang terjadi sejak tengah malam menunjukkan peningkatan intensitas yang cukup signifikan. Intensitas hujan terus bertambah pada dini hari hingga pagi hari dan membentuk puncak curah hujan tertinggi selama periode pengamatan. Selain ditandai oleh intensitas hujan yang tinggi, hujan pada 24-25 Maret 2025 juga berlangsung selama beberapa jam secara berkelanjutan. Durasi hujan yang panjang menyebabkan akumulasi curah hujan terus meningkat hingga pagi hari, bertepatan dengan waktu terjadinya banjir di Kabupaten Kudus. Hasil analisis ini konsisten dengan laporan yang menyebutkan bahwa banjir mulai terjadi sekitar pukul 05.00 WIB (Shani, 2025).

Kondisi ini menunjukkan bahwa proses konveksi di wilayah Kabupaten Kudus berkembang secara aktif dan mampu menghasilkan hujan dalam jumlah besar. Chan et al. (2023) menyatakan bahwa dinamika atmosfer yang mendorong pengangkatan massa udara berkontribusi terhadap perkembangan konveksi yang lebih terorganisir melalui pertumbuhan awan konvektif yang berlangsung secara kontinu. Untuk memahami kondisi atmosfer yang melatarbelakangi perkembangan hujan tersebut, analisis selanjutnya difokuskan pada parameter awan konvektif.

Distribusi Hujan dan Perkembangan Awan Konvektif

Aktivitas konvektif yang berkembang sejak malam 24 Maret hingga pagi 25 Maret 2025 menghasilkan hujan dengan intensitas yang bervariasi di wilayah Kabupaten Kudus. Untuk menggambarkan karakteristik kejadian tersebut secara spasial dan temporal, dilakukan analisis distribusi curah hujan menggunakan data satelit GPM IMERG serta perkembangan awan konvektif menggunakan data satelit Himawari-9 Infrared Band 13 yang diperoleh dari Chiba University. Pembahasan diawali dengan analisis distribusi curah hujan secara spasial untuk mengidentifikasi wilayah yang menerima intensitas hujan tertinggi selama kejadian banjir yang disajikan pada Gambar 13.

Distribusi curah hujan pada Gambar 13 menunjukkan bahwa hujan selama periode 23.00 WIB tanggal 24 Maret hingga 10.00 WIB tanggal 25 Maret 2025 tidak tersebar merata di seluruh Kabupaten Kudus. Curah hujan tertinggi teridentifikasi di Kecamatan Undaan, diikuti oleh Kecamatan Jati dan Mejobo. Sementara itu, wilayah bagian utara seperti Dawe dan Gebog menunjukkan intensitas hujan yang lebih rendah. Pola tersebut memperlihatkan bahwa hujan cenderung terkonsentrasi di wilayah selatan hingga tengah Kabupaten Kudus selama periode kejadian banjir.

Wilayah yang terdampak banjir, yang ditunjukkan dengan arsiran pada Gambar 13, sebagian besar berada pada area yang menerima curah hujan relatif lebih tinggi dibandingkan wilayah lainnya. Kecamatan Undaan, Kecamatan Jati, dan Kecamatan Mejobo merupakan wilayah yang mengalami hujan lebih intens selama periode pengamatan, sedangkan wilayah utara menerima curah hujan yang lebih rendah. Kondisi tersebut menunjukkan bahwa hujan yang terjadi selama periode pengamatan memberikan kontribusi terhadap kejadian banjir di beberapa kecamatan di Kabupaten Kudus. Untuk memahami proses atmosfer yang menghasilkan hujan tersebut, diperlukan analisis perkembangan awan konvektif untuk mengidentifikasi sistem awan yang menghasilkan presipitasi di Kabupaten Kudus. Hasil analisis spasial perkembangan awan konvektif disajikan pada Gambar 14.

Perkembangan awan konvektif pada Gambar 14 menunjukkan adanya perubahan yang cukup signifikan di sekitar wilayah Kabupaten Kudus sejak malam 24 Maret 2025 hingga siang 25 Maret 2025. Pada pukul 21.00 WIB, tutupan awan konvektif masih terbatas dan terkonsentrasi di wilayah utara Jawa Tengah serta Laut Jawa. Memasuki pukul 00.00 WIB, area awan mulai meluas ke arah selatan dan mendekati wilayah Kabupaten Kudus. Perluasan tutupan awan tersebut menunjukkan bahwa proses konveksi telah berkembang dan mulai memengaruhi wilayah penelitan.

Pada pukul 03.00 WIB, sistem awan konvektif berkembang semakin luas dan menutupi sebagian besar wilayah Kabupaten Kudus serta daerah sekitarnya. Tutupan awan yang rapat menunjukkan bahwa proses pertumbuhan awan masih berlangsung secara aktif. Kondisi ini berlanjut hingga pukul 06.00 WIB ketika awan konvektif masih bertahan di atas wilayah Kudus dan sekitarnya. Keberadaan awan yang persisten selama beberapa jam menunjukkan bahwa sistem konvektif yang terbentuk memiliki umur yang cukup panjang dan mampu mendukung terjadinya hujan secara terus-menerus pada dini hari hingga pagi hari tanggal 25 Maret 2025.

Setelah pukul 06.00 WIB, sistem awan konvektif mulai bergerak dan mengalami pelemahan secara bertahap. Pada pukul 09.00 WIB, sebagian tutupan awan masih terlihat di sekitar wilayah penelitian, namun cakupannya mulai berkurang dibandingkan periode sebelumnya. Kondisi tersebut semakin jelas pada pukul 11.00 WIB ketika sebagian besar awan konvektif telah bergeser menjauhi Kabupaten Kudus. Pola perkembangan awan tersebut menunjukkan bahwa sistem awan konvektif mengalami fase pertumbuhan, mencapai fase matang, kemudian bergerak dan melemah secara bertahap. Menurut Ajeng dan Anugrah (2022), perkembangan awan yang berlangsung selama beberapa jam mencerminkan adanya mekanisme atmosfer yang mampu mempertahankan proses konveksi. Kondisi tersebut mengindikasikan adanya dukungan dinamika atmosfer di lapisan bawah yang berperan dalam pengangkatan massa udara dan pembentukan awan hujan. Untuk mengidentifikasi mekanisme tersebut, analisis selanjutnya difokuskan pada parameter tekanan udara.

Tekanan Udara Permukaan dan Suhu Permukaan

Dukungan dinamika atmosfer di lapisan bawah umumnya tercermin melalui perubahan tekanan udara dan suhu permukaan. Kedua parameter tersebut berperan dalam mengendalikan pergerakan massa udara serta kondisi termodinamika atmosfer yang mendukung pembentukan awan dan hujan. Oleh karena itu, analisis tekanan udara permukaan dan suhu permukaan dilakukan untuk mengidentifikasi kondisi atmosfer yang menyertai kejadian banjir pada 25 Maret 2025 di Kabupaten Kudus. Untuk mengidentifikasi peran kondisi atmosfer permukaan, dilakukan analisis tekanan udara permukaan selama periode 23 Maret 2025 pukul 00.00 WIB hingga 25 Maret 2025 pukul 23.59 WIB. Hasil analisis disajikan pada Gambar 15.

Variasi tekanan udara permukaan pada Gambar 15 menunjukkan pola fluktuasi harian yang relatif konsisten selama periode 23 Maret 2025 hingga 25 Maret 2025. Secara umum, tekanan udara mengalami penurunan pada siang hingga sore hari dan kembali meningkat pada malam hingga dini hari. Namun, menjelang kejadian banjir pada malam 24 Maret 2025 hingga pagi 25 Maret 2025, tekanan udara cenderung berada pada nilai yang lebih rendah dibandingkan hari sebelumnya. Kondisi ini mengindikasikan berkurangnya massa udara di lapisan bawah atmosfer yang dapat mendukung terjadinya gerakan udara menuju wilayah bertekanan lebih rendah.

Pada periode hujan tanggal 25 Maret 2025, tekanan udara permukaan cenderung mengalami penurunan sejak dini hari hingga sekitar pukul 05.00 WIB, yaitu waktu ketika banjir mulai terjadi di Kabupaten Kudus. Pada saat tersebut, tekanan udara masih menunjukkan kondisi yang relatif rendah dibandingkan periode sebelumnya. Kondisi ini terjadi bersamaan dengan keberadaan awan konvektif yang telah berkembang di atas wilayah Kabupaten Kudus serta curah hujan yang telah berlangsung secara kontinu sejak malam hingga dini hari. Penurunan tekanan udara tersebut mengindikasikan adanya kondisi atmosfer yang mendukung konvergensi massa udara di lapisan bawah sehingga proses pengangkatan udara tetap berlangsung dan mempertahankan pembentukan awan hujan. Setelah pukul 05.00 WIB, tekanan udara berfluktuasi kembali dan mencapai nilai minimum pada siang hari, yang menunjukkan bahwa dinamika atmosfer masih berlangsung meskipun banjir telah terjadi.

Perubahan tekanan udara umumnya diakibatkan oleh perubahan suhu permukaan sehingga diperlukan analisis suhu permukaan untuk mengidentifikasi hubungan keduanya selama periode kejadian banjir. Hasil analisis suhu permukaan disajikan pada Gambar 16.

Pola suhu permukaan pada Gambar 16 memperlihatkan variasi harian yang cukup jelas selama periode pengamatan. Suhu cenderung meningkat pada siang hari akibat pemanasan radiasi Matahari dan menurun pada malam hingga dini hari. Menjelang kejadian banjir, suhu permukaan di Kabupaten Kudus berada pada kisaran yang relatif hangat sehingga masih tersedia energi panas yang mendukung proses penguapan dan penambahan kandungan uap air di atmosfer bawah. Kondisi tersebut menyediakan lingkungan yang kondusif bagi pertumbuhan awan konvektif ketika didukung oleh mekanisme pengangkatan massa udara.

Pada malam 24 Maret 2025 hingga pagi 25 Maret 2025, suhu permukaan menunjukkan kecenderungan yang relatif stabil dengan sedikit penurunan seiring meningkatnya tutupan awan dan berlangsungnya hujan di wilayah penelitian. Penurunan suhu tersebut dipengaruhi oleh berkurangnya penerimaan radiasi gelombang pendek di permukaan akibat tutupan awan yang semakin luas. Berbeda dengan suhu permukaan yang tidak mengalami perubahan signifikan, tekanan udara permukaan menunjukkan kondisi yang relatif rendah pada periode yang sama. Hal ini mengindikasikan bahwa pembentukan dan perkembangan awan konvektif pada kejadian banjir lebih dipengaruhi oleh konvergensi massa udara yang dipengaruhi oleh penurunan tekanan permukaan dan mekanisme pengangkatan udara, dibandingkan oleh perubahan kondisi termal di permukaan. Sebagai pendukung analisis suhu permukaan, dilakukan analisis deklinasi Matahari untuk mengetahui kondisi astronomis yang menyertai kejadian banjir pada periode 21 Maret 2025 hingga 25 Maret 2025.

Perubahan posisi Matahari yang ditunjukkan oleh nilai deklinasi dapat memengaruhi intensitas pemanasan permukaan dan kondisi termal atmosfer yang berperan dalam proses penguapan serta perkembangan konveksi (Febrianti et al., 2024). Oleh karena itu, analisis deklinasi Matahari dilakukan untuk mengetahui kondisi astronomis selama periode 21 Maret 2025 hingga 25 Maret 2025. Nilai deklinasi Matahari yang disajikan pada Tabel 3 menunjukkan peningkatan yang relatif kecil, yaitu dari +0,1084° pada 21 Maret 2025 menjadi +1,6857° pada 25 Maret 2025.

Tabel 3. Deklinasi Matahari.

Perubahan tersebut tidak memberikan pengaruh yang signifikan terhadap kondisi atmosfer di Kabupaten Kudus karena wilayah ini berada pada lintang rendah (6°51′–7°16′ LS), sehingga variasi sudut datang radiasi Matahari dari hari ke hari relatif kecil. Akibatnya, jumlah energi radiasi yang diterima permukaan tidak mengalami perubahan yang cukup besar untuk memicu peningkatan konveksi secara signifikan. Hal ini sejalan dengan hasil analisis suhu permukaan yang menunjukkan kondisi yang relatif stabil selama periode kejadian banjir. Dengan demikian, deklinasi Matahari bukan merupakan faktor yang dominan dalam memengaruhi kondisi atmosfer pada kejadian ini.

HYSPLIT

Karakteristik massa udara yang memengaruhi kondisi atmosfer di Kabupaten Kudus dianalisis menggunakan model Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT). Analisis backward trajectory dilakukan untuk mengidentifikasi asal dan lintasan massa udara yang mencapai wilayah penelitian pada saat kejadian banjir tanggal 25 Maret 2025, sehingga dapat diketahui sumber massa udara yang berperan dalam mendukung pembentukan hujan. Hasil dari analisis backward trajectory disajikan pada Gambar 17.

Analisis backward trajectory pada Gambar 17 digunakan untuk mengidentifikasi asal dan lintasan massa udara yang mencapai Kabupaten Kudus pada saat kejadian banjir tanggal 25 Maret 2025. Simulasi dilakukan menggunakan model HYSPLIT dengan empat lapisan atmosfer, yaitu 925 hPa, 850 hPa, 700 hPa, dan 500 hPa. Hasil analisis menunjukkan bahwa massa udara yang mencapai Kabupaten Kudus berasal dari barat. Meskipun terdapat variasi lintasan pada setiap lapisan atmosfer, seluruhnya menunjukkan kecenderungan bergerak dari wilayah Samudra Hindia menuju Kabupaten Kudus.

Pada lapisan bawah, yaitu 925 hPa dan 850 hPa, massa udara umumnya bergerak dari wilayah barat hingga barat laut Pulau Jawa menuju Kabupaten Kudus. Lintasan tersebut menunjukkan bahwa massa udara yang memasuki wilayah penelitian didominasi berasal dari Samudra Hindia dan diangkut oleh aliran angin monsun baratan menuju Kabupaten Kudus. Sementara itu, pada lapisan 700 hPa massa udara juga berasal dari arah barat, namun dengan lintasan yang relatif lebih zonal dan stabil dibandingkan lapisan bawah. Pola ini menunjukkan adanya suplai massa udara dari wilayah barat yang berlangsung secara berkesinambungan pada lapisan bawah hingga menengah atmosfer.

Pada lapisan 500 hPa, massa udara berasal dari arah barat laut dengan lintasan yang lebih panjang dibandingkan lapisan lainnya. Lintasan tersebut menunjukkan bahwa sirkulasi atmosfer pada lapisan atas memiliki pola yang berbeda dengan lapisan bawah. Keberadaan massa udara dari arah barat hingga barat laut pada berbagai lapisan atmosfer mengindikasikan dominasi aliran angin baratan yang masih aktif di wilayah Jawa pada akhir Maret 2025. Kondisi ini sejalan dengan karakteristik musim hujan di Indonesia yang umumnya ditandai oleh pengangkutan uap air dari wilayah Samudra Hindia dan perairan sekitar Indonesia menuju Pulau Jawa.

Grafik ketinggian lintasan pada bagian bawah Gambar 17 menunjukkan bahwa massa udara pada setiap lapisan relatif mempertahankan ketinggiannya selama periode lintasan 24 jam ke belakang. Tidak terlihat perubahan ketinggian yang ekstrem, namun terdapat kecenderungan penurunan ketinggian pada lapisan 925 hPa dan 850 hPa saat mendekati wilayah penelitian. Kondisi tersebut menunjukkan adanya proses pengangkatan massa udara yang kemungkinan terjadi ketika massa udara memasuki wilayah Jawa bagian tengah. Pola lintasan massa udara tersebut menunjukkan adanya suplai udara dari wilayah barat yang berpotensi mendukung perkembangan sistem konvektif di Kabupaten Kudus. Kondisi ini sejalan dengan hasil analisis curah hujan dan perkembangan awan konvektif yang menunjukkan peningkatan aktivitas atmosfer pada 25 Maret 2025.

Variabilitas Iklim

Kondisi atmosfer regional yang memengaruhi pembentukan hujan di Indonesia tidak terlepas dari pengaruh variabilitas iklim skala global dan intramusiman. Dalam penelitian ini, variabilitas iklim dianalisis menggunakan indeks ENSO, IOD, dan MJO untuk mengetahui kondisi iklim yang menyertai kejadian banjir di Kabupaten Kudus pada 25 Maret 2025. Pembahasan mengenai variabilitas iklim skala global diawali dengan analisis indeks ENSO tahun 2025 yang disajikan pada Gambar 18.

Nilai Oceanic Niño Index (ONI) pada Gambar 18 menunjukkan bahwa kondisi ENSO selama awal tahun 2025 berada pada fase netral. Pada bulan Maret 2025, nilai ONI tercatat sebesar -0,39°C yang masih berada di atas ambang batas La Niña sebesar -0,5°C. Kondisi tersebut menunjukkan bahwa fenomena ENSO tidak berada pada fase aktif sehingga pengaruhnya terhadap peningkatan atau penurunan curah hujan di wilayah Indonesia relatif lemah (Maysarah et al., 2023).

Meskipun nilai ONI pada bulan Maret menunjukkan anomali negatif, besarnya anomali tersebut belum memenuhi kriteria La Niña. Kondisi ENSO netral mengindikasikan bahwa kejadian hujan lebat yang terjadi pada 25 Maret 2025 di Kabupaten Kudus kemungkinan tidak dipengaruhi oleh ENSO, melainkan lebih dipengaruhi oleh faktor atmosfer regional dan lokal yang berkembang pada periode tersebut. Dengan demikian, ENSO berperan sebagai kondisi latar belakang iklim, sementara mekanisme atmosfer lain lebih berpengaruh terhadap pembentukan hujan ekstrem selama kejadian banjir. Selanjutnya, analisis dilanjutkan dengan mengkaji kondisi IOD yang disajikan pada Gambar 19.

Nilai Dipole Mode Index (DMI) pada Gambar 19 menunjukkan bahwa bulan Maret 2025 berada pada kondisi IOD netral dengan nilai sekitar +0,14. Nilai tersebut masih berada di dalam rentang netral karena belum melampaui ambang batas ±0,4 yang digunakan untuk mengidentifikasi kejadian IOD positif maupun negatif. Kondisi ini menunjukkan bahwa perbedaan suhu muka laut antara Samudra Hindia bagian barat dan timur relatif tidak signifikan selama bulan Maret 2025.

Kondisi IOD netral mengindikasikan bahwa kontribusi fenomena IOD terhadap peningkatan curah hujan di wilayah Indonesia juga relatif kecil. Tidak adanya penguatan IOD negatif menunjukkan bahwa tambahan pasokan uap air dari Samudra Hindia timur ke wilayah Indonesia tidak terjadi secara signifikan. Oleh karena itu, sebagaimana ENSO, kondisi IOD pada bulan Maret 2025 lebih berperan sebagai latar belakang iklim regional dan belum menjadi faktor utama yang memicu hujan lebat pada 25 Maret 2025 di Kabupaten Kudus. Selanjutnya, analisis dilanjutkan dengan mengkaji aktivitas MJO sebagai variabilitas atmosfer intramusiman yang berpotensi memodulasi aktivitas konveksi di wilayah Indonesia. Hasil analisis tersebut disajikan pada Gambar 20.

Diagram fase MJO pada Gambar 20 menunjukkan bahwa aktivitas MJO selama Maret 2025 bergerak dari fase 2 menuju fase 4 dan 5 dengan amplitudo yang umumnya berada di luar lingkaran satuan. Kon`disi tersebut menunjukkan bahwa MJO berada dalam keadaan aktif dan memiliki pengaruh terhadap aktivitas konveksi di kawasan Maritim Indonesia. Menjelang tanggal 24 Maret 2025, posisi MJO berada pada fase 4 dengan amplitudo yang masih lebih besar dari satu, yang mengindikasikan adanya peningkatan aktivitas konvektif di wilayah Indonesia.

Pada tanggal 24 Maret 2025 hingga 25 Maret 2025, MJO bergerak dari fase 4 menuju fase 5 dengan amplitudo yang tetap berada di luar lingkaran satuan. Fase 4 dan 5 dikenal sebagai fase yang mendukung peningkatan aktivitas konveksi dan pembentukan awan hujan di wilayah Indonesia dan sekitarnya. Kondisi ini menunjukkan bahwa MJO kemungkinan berkontribusi dalam memperkuat proses konveksi yang telah berkembang di wilayah Jawa, termasuk Kabupaten Kudus. Keberadaan MJO aktif pada periode kejadian mendukung hasil analisis sebelumnya yang menunjukkan adanya pertumbuhan awan konvektif yang intens serta hujan monsunal yang berlangsung secara berkelanjutan pada 25 Maret 2025.

Berbeda dengan ENSO dan IOD yang berada pada kondisi netral, MJO menunjukkan sinyal yang lebih nyata selama periode kejadian banjir. Hal tersebut mengindikasikan bahwa variabilitas iklim intramusiman melalui aktivitas MJO memiliki peran yang lebih besar dalam mendukung kondisi atmosfer yang kondusif bagi pembentukan awan konvektif dan hujan lebat di Kabupaten Kudus pada 25 Maret 2025.

Stabilitas Atmosfer (CAPE dan CIN)

Stabilitas atmosfer dianalisis secara temporal menggunakan parameter Convective Available Potential Energy (CAPE) dan Convective Inhibition (CIN) selama periode 23 Maret 2025 hingga 25 Maret 2025. Analisis ini dilakukan untuk mengkaji perubahan kondisi atmosfer yang memengaruhi perkembangan konveksi sebelum dan saat kejadian banjir di Kabupaten Kudus. Sebagai parameter yang merepresentasikan potensi energi konveksi, nilai CAPE dianalisis terlebih dahulu untuk mengetahui tingkat instabilitas atmosfer selama periode pengamatan. Hasil analisis tersebut disajikan pada Gambar 21.

Nilai CAPE pada Gambar 21 menunjukkan kondisi atmosfer yang umumnya mendukung perkembangan konveksi selama periode pengamatan. Pada tanggal 23 Maret 2025, CAPE mengalami peningkatan signifikan dan mencapai nilai lebih dari 2000 J/kg pada siang hari. Nilai tersebut menunjukkan tersedianya energi potensial yang cukup besar untuk mendukung pergerakan udara secara vertikal apabila terdapat mekanisme pengangkatan yang memadai. Setelah mengalami penurunan pada malam hari, CAPE kembali meningkat pada pagi hingga siang hari tanggal 24 Maret 2025 dengan nilai yang masih tergolong tinggi untuk mendukung pertumbuhan awan konvektif.

Pada tanggal 25 Maret 2025, CAPE tidak menunjukkan nilai maksimum seperti yang terjadi pada tanggal 23 dan 24 Maret, namun tetap berada pada kisaran yang cukup untuk mendukung aktivitas konveksi. Kondisi ini mengindikasikan bahwa atmosfer masih memiliki energi yang memungkinkan terbentuknya awan konvektif dan hujan apabila didukung oleh faktor lain seperti kelembapan tinggi, konvergensi massa udara, serta pengangkatan udara di lapisan bawah. Selain ketersediaan energi konvektif yang ditunjukkan oleh CAPE, perkembangan awan juga dipengaruhi oleh besarnya hambatan atmosfer terhadap proses konveksi. Analisis mengenai kondisi tersebut dilakukan melalui parameter CIN yang disajikan pada Gambar 22.

Nilai CIN pada Gambar 22 memperlihatkan adanya variasi yang cukup besar selama periode pengamatan. Pada tanggal 23 hingga 24 Maret 2025, nilai CIN umumnya berada pada kategori rendah hingga sedang, menunjukkan bahwa hambatan terhadap pergerakan udara ke atas relatif kecil. Kondisi tersebut memungkinkan massa udara yang telah memperoleh energi dari pemanasan permukaan dan kelembapan atmosfer untuk lebih mudah mengalami pengangkatan dan berkembang menjadi awan konvektif. Keadaan ini sejalan dengan peningkatan aktivitas konveksi yang ditunjukkan oleh nilai CAPE yang relatif tinggi pada periode yang sama.

Berbeda dengan periode sebelumnya, nilai CIN mengalami peningkatan cukup signifikan pada siang hari tanggal 25 Maret 2025. Peningkatan CIN ini terjadi setelah periode hujan lebat yang berlangsung sejak dini hari hingga pagi hari. Kondisi tersebut menunjukkan bahwa atmosfer mulai menjadi lebih stabil akibat berkurangnya pemanasan permukaan dan meningkatnya pengaruh pendinginan yang disebabkan oleh tutupan awan serta presipitasi yang telah terjadi. Dengan demikian, meskipun aktivitas konveksi masih dapat berlangsung pada pagi hari tanggal 25 Maret, peningkatan CIN pada siang hingga sore hari mengindikasikan adanya kecenderungan pelemahan pertumbuhan awan konvektif setelah fase utama kejadian hujan lebat berakhir.

BAB V KESIMPULAN

Simpulan

Kesimpulan yang diperoleh dari penelitian yang telah dilakukan sebagai berikut:

Saran

Berdasarkan hasil penelitian yang telah dilakukan, adapun saran yang dapat diberikan untuk pengembangan penelitian selanjutnya adalah diperlukan analisis terhadap lebih dari satu kejadian banjir untuk memvalidasi temuan dan mengidentifikasi pola atmosfer yang konsisten.

DAFTAR PUSTAKA

Abay, A., & Haryanto, Y. D. (2021). Analisis Dinamika Atmosfer dan Distribusi Awan Konvektif Menggunakan Teknik Red Green Blue (RGB) pada Citra Satelit Himawari-8 (Studi Kasus: Banjir Jakarta 31 Desember 2019-1 Januari 2020).

Ahrens, C. D., & Henson, R. (2019). Meteorology Today: An Introduction to Weather, Climate, and the Environment (12th ed.). Boston, MA: Cengage Learning.

Akbar, H., Ayomi, M. R., & Haryanto, Y. D. (2022). ANALISIS PERBANDINGAN MODEL MACHINE LEARNING DALAM PREDIKSI SUHU PERMUKAAN LAUT MENGGUNAKAN DATA MODEL REANALYSIS ECMWF. https://cds.climate.copernicus.eu/.

Aldrian, E., & Dwi Susanto, R. (2003). Identification of three dominant rainfall regions within Indonesia and their relationship to sea surface temperature. International Journal of Climatology, 23(12), 1435-1452. https://doi.org/10.1002/joc.950

Ariska, M., Darmawan, A., & Akhsan, H. (2023). Analisis kejadian La Niña dan IOD negatif terhadap curah hujan di Indonesia. Universitas Sriwijaya, South Sumatera, 11(02). http://mundomanz.com/

Babb, D. (2023). Divergence/Convergence/Diffluence. NOAA National Weather Service. https://www.weather.gov/source/zhu/ZHU_Training_Page/Miscellaneous/Divergence/divergence.html

Bachtiar, A., & Hayyatul, W. (2018). Analisis Potensi Pembangkit Listrik Tenaga Angin PT. Lentera Angin Nusantara (LAN) Ciheras. Jurnal Teknik Elektro ITP, 7(1), 34-45. https://doi.org/10.21063/JTE.2018.3133706

Behera, S. K. (2021). Tropical and extratropical air-sea interactions. Elsevier.

BMKG (2020). Klasifikasi Intensitas Hujan di Indonesia. Badan Meteorologi, Klimatologi, dan Geofisika. https://www.bmkg.go.id/kualitas-cuaca/klasifikasi-cuaca/klasifikasi-intensitas-hujan-indonesia.bmkg

BNPB (2020). Sebanyak 2.925 Bencana Alam Terjadi Pada 2020 di Tanah Air, Bencana Hidrometeorologi Mendominasi. https://www.bnpb.go.id/berita/sebanyak-2-925-bencana-alam-terjadi-pada-2020-di-tanah-air-bencana-hidrometeorologi-mendominasi

BNPB (2023). Data Bencana Indonesia 2023. https://bnpb.go.id/buku/buku-data-bencana-indonesia-tahun-2023

BNPB (2024). Data Bencana Indonesia 2024. https://bnpb.go.id/buku/buku-data-bencana-indonesia-tahun-2024

Bolvin, D. T., Joyce, R., Nelkin, E. J., Tan, J., Braithwaite, D., Hsu, K., Kelley, O. A., Nguyen, P., Sorooshian, S., Watters, D. C., West, B. J., & Xie, P. (2023). Algorithm Theoretical Basis Document (ATBD) NASA Global Precipitation Measurement (GPM) Integrated Multi-satellitE Retrievals for GPM (IMERG) Version 07.

BPBD Kabupaten Kudus (2023). Rencana Penanggulangan Kedaruratan Bencana Kabupaten Kudus 2023.

Budirahardjo, E. K. (2022). PENGARUH POLA DAN PANJANG DATA HUJAN TERHADAP DESAIN PENAMPUNGAN AIR HUJAN PADA TIGA STASIUN HUJAN DI INDONESIA. JURNAL SUMBER DAYA AIR, 18(2), 85-96. https://doi.org/10.32679/jsda.v18i2.776

Bupati Kudus. (2022). Peraturan Bupati Kudus Nomor 53 Tahun 2022 tentang Kajian Risiko Bencana Kabupaten Kudus Tahun 2022-2026. Pemerintah Kabupaten Kudus. https://peraturan.bpk.go.id/Details/249608/perbup-kab-kudus-no-53-tahun-2022

Bündnis Entwicklung Hilft, & IFHV (2024). WorldRiskReport 2024: Focus multiple crises. Bündnis Entwicklung Hilft. https://reliefweb.int/report/world/worldriskreport-2024-focus-multiple-crises

Chan, S. T. (2023). Atmospheric dynamics driving organized convective development in tropical regions.

Chang, C. P., Li, T., & Yang, S. (2020). Seasonal Prediction of Boreal Winter Rainfall over the Western Maritime Continent during ENSO. Journal of Meteorological Research, 34(2), 294-303. https://doi.org/10.1007/s13351-020-9181-z

Faiza, I. M., Gunawan, & Andriani, W. (2022). Tinjauan Pustaka Sistematis: Penerapan Metode Machine Learning untuk Deteksi Bencana Banjir. Jurnal Manajemen Informatika Politeknik Ganesha, 22(2).

Firdaus, R., & Paputungan, I. V. (2022). Prediksi Curah Hujan di Kota Bandung Menggunakan Metode Long Short Term Memory (LSTM). Jurnal Penelitian Inovatif, 2, 453-460. https://doi.org/10.54082/jupin.99

Galvin, J. F. P. (2016). An introduction to the meteorology and climate of the tropics. Wiley Blackwell.

Hengkelare, S. H., & Rogi, O. H. A. (2021). Mitigasi risiko bencana banjir di Manado. Jurnal Spasial, 8(2), 2021.

Houze, R. A., Jr. (2014). Cloud dynamics (2nd ed.). Elsevier.

Huffman, G. J., Bolvin, D. T., Braithwaite, D., Hsu, K., Joyce, R., Kidd, C., Nelkin, E. J., & Xie, P. (2020). Integrated Multi-satellitE Retrievals for GPM (IMERG) Version 06 Algorithm Theoretical Basis Document (ATBD). NASA Goddard Space Flight Center. https://gpm.nasa.gov/sites/default/files/document_files/IMERG_ATBD_v06.pdf

Hutagalung, M. O. R., Gusranda, I., Naumi, R., & Mulya, A. (2022). Analisis Kejadian Hujan Lebat Berdasarkan Kondisi Atmosfer dan Citra Satelit Himawari-8 (Studi Kasus Kab. Bolaang Mongondow Utara, 4 Maret 2020). Jurnal Penelitian Fisika dan Terapannya (JUPITER), 3(2), 33. https://doi.org/10.31851/jupiter.v3i2.6995

IPCC (2021). Climate change widespread, rapid, and intensifying – IPCC PRESS RELEASE.

Jaka, A. I. P. (2022). ANALISIS DINAMIKA ATMOSFER KEJADIAN BANJIR DI BENGKULU 21 AGUSTUS 2022.

Kartika, Q. A., Faqih, A., Santikayasa, I. P., & Setiawan, A. M. (2023). Sea Surface Temperature Anomaly Characteristics Affecting Rainfall in Western Java, Indonesia. Agromet, 37(1), 54-65. https://doi.org/10.29244/j.agromet.37.1.54-65

Lutgens, F. K., Tarbuck, E. J., & Herman, R. L. (2019). The atmosphere: An introduction to meteorology (14th ed.). Pearson.

Madden, R. A., & Julian, P. R. (1971). Detection of a 40-50 day oscillation in the zonal wind in the tropical Pacific. Journal of the Atmospheric Sciences, 28(5), 702-708. https://doi.org/10.1175/1520-0469(1971)028<0702:DOADOI>2.0.CO;2

Madden, R. A., & Julian, P. R. (1972). Description of global-scale circulation cells in the tropics with a 40-50 day period. Journal of the Atmospheric Sciences, 29(6), 1109-1123. https://doi.org/10.1175/1520-0469(1972)029<1109:DOGSCC>2.0.CO;2

Mahmoud, M. T., Mohammed, S. A., Hamouda, M. A., & Mohamed, M. M. (2020). Impact of Topography and Rainfall Intensity on the Accuracy of IMERG Precipitation Estimates in an Arid Region. Remote Sensing, 12(11), 1916. https://doi.org/10.3390/rs12111916

Muhandhis, A., Ritonga, A. S., & Murdani, M. H. (2021). Implementasi Metode Inferensi Fuzzy Tsukamoto untuk Memprediksi Curah Hujan Dasarian di Sumenep. Jurnal Ilmiah Edutic: Pendidikan dan Informatika. https://doi.org/10.21107/edutic.v8i1.8907

NOAA (2026). Layers of the atmosphere. https://www.noaa.gov/jetstream/atmosphere/layers-of-atmosphere

NOAA Climate.gov (2023). Southern Oscillation Index (SOI) 2000-2023. Climate.gov. https://www.climate.gov/media/15242

Nurrohman, F., Arsyad, M., Susanto, A., & Prasetiyo, A. (2023). Prakiraan Intensitas Curah Hujan Menggunakan Metode Fuzzy Logic Berdasarakan Tipe Pola Hujan. https://doi.org/10.25077/jfu.10.3.401-408.2023

Prasetyo (2021). Keterbatasan data stasiun hujan dan potensi data satelit untuk analisis presipitasi spasial di Indonesia.

Purwanti, R. (2023). Analisis Kondisi Atmosfer Saat Kejadian Hujan Lebat di Sintang Menggunakan Satelit Cuaca dan Model ECMWF (Kasus: 30 September 2021).

Qian, Y. (2020). Influence of Madden-Julian Oscillation on convective activity over the Maritime Continent.

Rakhmat, A., & Mutohar, M. (2023). Analisis Variabilitas Curah Hujan di Jawa Tengah.

Rakuasa, H., Sihasale, D. A., Mehdila, M. C., & Wlary, A. P. (2022). Analisis Spasial Tingkat Kerawanan Banjir di Kecamatan Teluk Ambon Baguala, Kota Ambon. Jurnal Geosains dan Remote Sensing, 3(2), 60-69. https://doi.org/10.23960/jgrs.2022.v3i2.80

Rakuasa, H., & Latue, P. C. (2023). ANALISIS SPASIAL DAERAH RAWAN BANJIR DI DAS WAE HERU, KOTA AMBON. Jurnal Tanah dan Sumberdaya Lahan, 10(1), 75-82. https://doi.org/10.21776/ub.jtsl.2023.010.1.8

Ramili, Y., Bengen, D. G., Madduppa, H., & Kawaroe, M. (2020). Genetic diversity information of seagrass Enhalus acoroides and Cymodocea rotundata for the local genetic conservation at North Maluku. IOP Conference Series: Earth and Environmental Science, 584(1), 012021. https://doi.org/10.1088/1755-1315/584/1/012021

Shani, R. (2025). Banjir Terjang Kudus usai Warga Santap Sahur. Metrotv News. https://www.metrotvnews.com/read/bmRCEwDm-banjir-terjang-kudus-usai-warga-santap-sahur

Singal, R. Z., & Jumario, N. (2019). Pemetaan Curah Hujan Dalam Upaya Mengurangi Resiko Bencana Hidrometeorologi Dengan Sistem Informasi Geografis (SIG) Untuk Wilayah Kalimantan Utara.

Sugiyono (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.

Suhadi (2023). Perubahan Pola Curah Hujan dan Keterkaitannya dengan Fenomena ENSO di Indonesia.

Sulistiyono, W., Ramadhan, R. S., & Haryanto, Y. D. (2023). Kajian kondisi atmosfer saat kejadian hujan lebat di Kota Surakarta menggunakan analisis skala meteorologi (studi kasus: 3 Februari 2021).

Sunarya, D., & Sutoyo, E. (2023). STRATEGI PENANGANAN BANJIR DI KAMPUNG BABAKAN BANDUNG DESA LEUWISADENG KECAMATAN LEUWISADENG. https://doi.org/10.32832/jpmuj.v1i1

Vallis, G. K. (2017). Atmospheric and Oceanic Fluid Dynamics: Fundamentals and Large-Scale Circulation (2nd ed.). Cambridge University Press.

Wahyudi, Sofia, S., Armono, H. D., Mulyadi, Y., Sambodho, K., & Silvianita (2024). Numerical Modelling of the Potential Hazard Due to Future Flores Back Arc Thrust Earthquake Generated Tsunami. IOP Conference Series: Earth and Environmental Science, 1373(1), 012004. https://doi.org/10.1088/1755-1315/1373/1/012004

Wallace, J. M., & Hobbs, P. V. (2006). Atmospheric Science: An Introductory Survey (2nd ed.). Burlington, MA: Academic Press.

Wang, P. K. (2013). Physics and Dynamics of Clouds and Precipitation. Cambridge University Press.

WMO (2021). Guide to Meteorological Instruments and Methods of Observation. World Meteorological Organization.

World Meteorological Organization (2017). Definitions of clouds. International Cloud Atlas. https://cloudatlas.wmo.int/en/definitions-of-clouds.html