2.1 Data
Data curah hujan bulanan dari tahun 1998 sampai 2009 yang diperoleh dari TRMM 3B43 digunakan dalam penelitian ini untuk mengetahui pola spasial hubungan antara curah hujan dengan ENSO dan IOD. Cakupan area penelitian adalah pada 20° LU sampai 20° LS dan 80° BT sampai 160° BT (Gambar 1) dengan jumlah pixel TRMM 3B43 yang dianalisis sebanyak 51.200 pixel. Nilai SOI digunakan untuk menjelaskan peristiwa hangat (El Nino) dan dingin (La Nina) di Samudra Pasifik (Ropelewski and Jones, 1987; Ropelewski and Halpert, 1989; Können et al., 1998). Sedangkan nilai DMI digunakan untuk menjelaskan peristiwa IOD positif dan IOD negatif Samudra Hindia (Saji et al., 1999; Saji and Yamagata, 2003a; Saji and Yamagata, 2003b). SOI adalah indeks yang didasarkan pada perbedaan tekanan antara Tahiti dan Darwin (Ropelewski and Jones, 1987) dan didefinisikan sebagai perbedaan standar antara tekanan standar bulanan di Tahiti dan Darwin (Können et al., 1998), sedangkan DMI didefinisikan sebagai gradien suhu permukaan laut (SPL) antara bagian timur dengan bagian barat samudra Hindia (Saji et al., 1999).
Gambar 1. Lokasi penelitian
TRMM disponsori oleh NASA (National Aeronautics and Space Administration) dan JAXA (Japan Aerospace Exploration Agency, yang dulu disebut NASDA-National Space Development Agency), dan telah mengumpulkan data dari November 1997 sampai saat ini (Kummerow et al., 2000). TRMM merupakan program penelitian jangka panjang yang didesain untuk studi tentang tanah, laut, udara, es, dan sistem total kehidupan di bumi (Islam and Uyeda, 2007). TRMM 3B43 merupakan bagian dari TMPA. TMPA adalah data kalibrasi berbasis skema berurut yang mengkombinasikan perkiraan hujan dari beberapa jenis satelit dan data penakar hujan. TMPA menyediakan cakupan data hujan global pada sabuk lintang 50° LU sampai 50° LS dengan resolusi
Abd. Rahman As-syakur
Bunga Rampai Penginderaan Jauh Indonesia, 2011
96
spasial 0.25° × 0.25° serta resolusi temporal tiga jam-an untuk TRMM 3B42 dan resolusi temporal bulanan untuk TRMM 3B43 (Huffman et al., 2007; Huffman et al., 2010). Algoritma yang digunakan untuk menghasilkan data TMPA didasarkan pada teknik dari Huffman et al. (1995, 1997) dan Huffman (1997).
Data TRMM 3B43 diperoleh dari website ftp://disc2.nascom.nasa.gov/data/ s4pa/TRMM_L3/. Sedangkan data SOI dan DMI diperoleh dari website http://www.bom.gov.au/ dan http://www.jamstec.go.jp/.
2.2 Metode
Metode untuk mendapatkan hubungan antara curah hujan dari TRMM 3B43 dengan nilai SOI dan DMI adalah menggunakan analisis statistik. Pengukuran hubungan antara data satelit dengan SOI dan IOD adalah dengan mencari nilai koefisien korelasi linier (r) yang didefinisikan berdasarkan persamaan berikut (von Storch and Zwiers, 1999):
-
-r
2 2 2 2
Y
Y
n
X
X
n
Y
X
XY
n
(1)
Di mana X adalah nilai curah hujan dari TRMM 3B43, Y adalah nilai indeks (SOI atau DMI), dan n adalah jumlah data yang digunakan. Dari sudut pandang statistik, analisis korelasi digunakan untuk menggambarkan hubungan statistik linear antara dua variabel acak, dimana hal ini menunjukkan sepasang variabel yang berbeda bervariasi sama persis, satu variabel yang terkait dengan yang lain dapat diskalakan dalam bentuk positif atau negatif (von Storch and Zwiers, 1999).
Analisis data dilakukan pada tiap pixel dengan koordinat sebagai identitas. Data diekstrak dari TRMM 3B43 pada setiap pixel untuk mendapatkan data per point/titik. Tiap point/titik memiliki informasi koordinat, bulan, tahun, dan nilai curah hujan. Kemudian data diurutkan sesuai dengan tujuan analisis. Proses pengurutan juga dilakukan pada nilai-nilai index (SOI dan DMI), dan selanjutnya dilakukan perhitungan untuk mendapatkan nilai korelasi menggunakan persamaan koefisien korelasi linier (persamaan 1). Setelah diperoleh nilai korelasi, data titik/poin dikonversi ke format data raster yang memiliki resolusi spasial yang sama dengan data aslinya (0.25° × 0.25°). Proses-proses tersebut dilakukan dengan memanfaatkan perangkat lunak Microsoft Office Excel 2003 dan ArcGIS 9.3.
Dua tipe analisis musiman dilakukan dalam penelitian ini, pertama didasarkan pada musim lokal dan yang kedua didasarkan pada aktivitas monsun. Secara lokal, musim dibagi menjadi dua tipe yaitu musim hujan dan musim kemarau. Sementara itu, berdasarkan aktivitas monsun, analisisnya dibagi menjadi empat tipe, yaitu Desember-Januari-Februari (DJF), Maret-April-Mei (MAM), Juni-Juli-Agustus (JJA), and September-Oktober-November (SON). Secara umum di Indonesia musim hujan terjadi dari bulan November sampai April dan musim kemarau terjadi dari Mei sampai Oktober (Hendon, 2003a; Aldrian and Djamil, 2008). DJF menggambarkan puncak dari monsun barat laut Australia-Asia, dan JJA menggambarkan puncak monsun tenggara Australia-Asia. Sedangkan MAM dan SON menggambarkan transisi antara kedua masa
Pola Spasial Hubungan Curah Hujan dengan ENSO dan IOD di Indonesia - Observasi Menggunakan Data TRMM 3B43
Bunga Rampai Penginderaan Jauh Indonesia, 2011
97
monsun (Aldrian and Susanto, 2003). Proses analisis dilakukan dengan mengkorelasikan data bulanan pada musim yang sama selama tahun pengamatan. Untuk mengetahui indeks yang paling berpengaruh terhadap curah hujan di Indonesia diperoleh dengan melakukan perbandingan tingkat korelasi antara kedua indeks tersebut. Sedangkan untuk mengetahui tingkat signifikan korelasi, digunakan derajat kepercayaan 95%. Nilai korelasi yang berada di bawah derajat kepercayaan 95% adalah tidak berkorelasi signifikan. Hasil analisis awal menunjukan bahwa nilai korelasi signifikan yang berada dibawah derajat kepercayaan 95% untuk analisis musim lokal dan musim monsun berturut-turut adalah antara 0.23 sampai -0.23 dan antara 0.33 sampai -0.33. Korelasi positif (negatif) antara curah hujan dengan SOI menunjukkan bahwa kondisi hangatnya SPL (Suhu Permukaan Laut) di Samudra Pasifik dapat mengakibatkan menurunnya (meningkatnya) curah hujan di Indonesia. Kondisi sebaliknya akan berlangsung bila peristiwa pendinginan SPL terjadi di Samudra Pasifik. Sementara itu, korelasi negatif (positif) antara curah hujan dan DMI mengindikasikan bahwa peristiwa pendinginan SPL di bagian timur Samudra Hindia dapat menurunkan (meningkatkan) curah hujan di Indonesia. Kondisi sebaliknya akan terjadi bila peristiwa penghangatan SPL terjadi di wilayah tersebut.
3. HASIL
Pola spasial hubungan antara curah hujan dengan ENSO dan IOD terhadap fluktuasi hujan selama musim lokal disajikan pada Gambar 2. Berdasarkan gambar tersebut secara umum pengaruh ENSO lebih luas efeknya dibandingkan IOD baik selama musim hujan maupun selama musim kemarau. Selama musim hujan, pengaruh ENSO lebih kuat dibandingkan pengaruh IOD walaupun dengan sebaran yang tidak terlalu luas untuk wilayah Indonesia. ENSO dan IOD tidak berpengaruh signifikan terhadap fluktuasi Curah hujan di sebagian wilayah daratan Indonesia. Sebaran pengaruh ENSO hanya terjadi di sebagian pesisir utara Sumatera, Jawa bagian tengah, sebagian Kepulauan Nusa Tenggara, bagian timur Kalimantan, sebagian Sulawesi bagian utara dan selatan, sebagian kepulauan Maluku, serta disebagian kecil Papua. Sedangkan sebaran pengaruh IOD hanya terjadi di bagian timur Kalimantan, di sebagian wilayah Sulawesi, bagian timur kepulauan Nusa Tenggara, dan Kepulauan Halmahera. Selama musim hujan, pengaruh ENSO kuat (r = 0.4-0.6) hanya terjadi di bagian utara dan pesisir timur Kalimantan, bagian utara Sulawesi, bagian utara kepulauan Halmahera, dan di bagian selatan Bali dan Lombok. Sedangkan pengaruh IOD kuat (r = 0.4-0.6) saat musim hujan hanya terdapat di Laut Jawa.
Selama musim kemarau, sebaran pengaruh ENSO dan IOD terhadap fluktuasi hujan lebih luas dibandingkan saat musim penghujan. Efek kejadian ENSO terhadap curah hujan di Indonesia selama musim kemarau tersebar cukup merata. Sebagian besar curah hujan di wilayah Indonesia berfluktuasi seiring dengan fluktuasi nilai SOI kecuali sebagian Sumatera bagian barat, sebagian kalimantan bagian utara dan sebagian papua bagian timur laut. Efek ENSO kuat (r = 0.4-0.6) juga terlihat cukup luas sebarannya yaitu terlihat di sebagian Sumatera bagian barat, sebagian kalimantan bagian barat, sebagian Sulawesi bagian barat, sebagian maluku, sebagian Paua, Bali, dan Nusa Tenggara Barat. Di sisi lain, IOD juga berpengaruh kuat terhadap fluktuasi hujan saat
Abd. Rahman As-syakur
Bunga Rampai Penginderaan Jauh Indonesia, 2011
98
musim kemarau terutama di bagian timur Pulau Sumatera dan bagian barat Pulau Jawa. Secara umum efek IOD terhadap fluktuasi hujan saat musim kemarau di Indonesia hanya terpengaruh di selatan Indonesia yaitu bagian timur Pulau Sumatera, Pulau Jawa, Bali, bagian barat kepulauan Nusa Tenggara, bagian barat laut Pulau Kalimantan, dan bagian barat Pulau Sulawesi.
Gambar 2. Pola spasial hubungan antara curah hujan dengan ENSO dan IOD terhadap curah hujan di Indonesia berdasarkan musim lokal. (a) ENSO saat musim hujan; (b) ENSO saat musim kemarau; (c) IOD saat musim hujan; dan (d) IOD saat musim kemarau
Berdasarkan hasil analisis perbandingan antara kedua jenis indeks terlihat bahwa ENSO lebih berpengaruh terhadap fluktuasi hujan di Indonesia dibandingkan IOD baik itu selama musim hujan maupun selama musim kemarau, seperti yang disajikan pada Gambar 3. Selama musim hujan pengaruh ENSO terhadap fluktuasi curah hujan lebih kuat dibandingkan IOD di wilayah bagian tengah Indonesia serta diluar bagian selatan dan utara Indonesia. Sedangkan di periran Laut Banda dan sekitarnya serta sebagian kecil Pulau Kalimantan dan Kepulauan Mentawai, Sumatera pengaruh IOD lebih kuat terhadap curah hujan di bandingkan dengan ENSO. Kondisi sebaliknya terjadi selama musim kemarau, di bagian barat Indonesia yaitu di Pulau Sumatera bagian timur, sebagian besar wilayah Pulau Jawa, sebagian wilayah Kepulauan Nusa Tenggara fluktuasi hujannya lebih dipengaruhi oleh kejadian IOD di bandingkan kejadian ENSO. Akan tetapi sebagian bagian barat Pulau Sumatera, Pulau Kalimantan, Pulau Sulawesi, Kepulauan Maluku, dan Sebagian wilayah Papua pengaruh ENSO terhadap curah hujan lebih kuat dibandingkan pengaruh IOD.
a) c)
Pola Spasial Hubungan Curah Hujan dengan ENSO dan IOD di Indonesia - Observasi Menggunakan Data TRMM 3B43
Bunga Rampai Penginderaan Jauh Indonesia, 2011