Professional Documents
Culture Documents
ABSTRAK
1. Pendahuluan
Klimatologi curah hujan bulanan Jawa didominasi oleh hujan monsun. Gambar-2
merupakan spektrum daya (power spectrum) dari deret waktu hasil rata-rata spasial 472
stasiun observasi curah hujan sepanjang 384 bulan, dimana tampak sinyal monsun satu
tahunan mendominasi pola hujan di seluruh Jawa, [4]. Gambar-3 adalah spektrum daya
dari anomali curah hujan bulanan, merupakan spektrum fluktuasi dari kondisi rata-rata
normal. Sebaran spektrum anomali ini memperlihatkan pola “red-noise”, [5]. Tampak pada
pola spektral curah hujan komponen sub-musiman (intraseasonal variability), osilasi
setengah tahunan SAO (Semi-Annual Oscillation) dan osilasi dalam rentang 30-70 harian
(Madden-Julian Oscillation).
Berdasarkan ekstraksi fungsi ortogonal empiris (EOF), lebih dari 54,74% curah
hujan pulau Jawa dibangkitkan melalui mekanisme monsun. Paper ini difokuskan pada
dekomposisi struktur prosentase sisa (non-monsun), dimana pola-pola spasial curah hujan
anomali ini akan dianalisis untuk tujuan rekonstruksi mekanisme pembangkitan.
Karena data curah hujan secara umum merupakan produk campuran dari sirkulasi-
sirkulasi global dan sirkulasi-sirkulasi sekunder (akibat efek topografi dan sea-land breeze),
maka perlu dipetakan daerah-daerah yang memiliki nilai komunalitas yang tinggi dan
daerah-daerah yang memiliki spesifisitas tinggi. Daerah dengan nilai komunalitas tinggi
merupakan daerah yang secara kuat dipengaruhi oleh sirkulasi-sirkulasi global; dan daerah
dengan nilai spesifisitas tinggi merupakan daerah yang memiliki mekanisme pembangkitan
curah hujan lokal yang relatif kuat dan stabil.
Maka untuk mengekstraksi faktor-faktor dari dua kasus diatas, digunakan metoda
multivariat Analisis Faktor mode-R, [6]. Model matematikanya sebagai berikut:
Dimana: X adalah matrik data berdimensi (N x p), dengan N sebagai banyaknya observasi
dan p sebagai banyaknya variabel. Jadi, untuk kasus pertama (ij berarti anomali curah hujan
bulan ke-i yang direkam oleh stasiun ke-j. F adalah matrik skor faktor, dimana Fj (j=1,2,…,
k) menyatakan common factors ke-j, dalam hal ini Fj merupakan faktor global ke-j yang
memodulasi fluktuasi hujan seluruh Jawa. E yang merupakan faktor residual,
diinterpretasikan sebagai faktor spesifik yang mengukur tingkat ke-lokal-an dari sifat hujan.
Dan A merupakan matrik loading faktor, dimana a ij diinterpretasi sebagai korelasi linier
∑ = A ΦA′ + Ψ (2)
Dimana (λ̂1 , ê1 ) merupakan pasangan nilai-vektor eigen dari matrik kovariansi sampel S,
λ̂1 ≥ λ̂2 ≥ … ≥ λ̂k . Tinjau k < p, merupakan banyaknya faktor umum/global yang
meregulasi pola anomali curah hujan pulau Jawa secara signifikan. Matrik loading faktor
estimasi { a~ij }diberikan sebagai berikut:
% = λˆ 1 1 2 eˆ 1 | λˆ 2 1 2 eˆ 2 | K | λˆ k 1 2 eˆ k
Α (4)
~~
Dan variansi spesifik estimasi merupakan elemen-elemen diagonal dari matrik S − ΑΑ′ ,
sehingga,
ψ~1 0 L 0
~ 0 ψ~2 L 0 k
Ψ= dengan ψ~i = sii − ∑ ~ aij2 (5)
M M O M j =1
0 0 L ψ~ p
~
hi 2 = ~ ai22 + K + a~ik2
ai21 + ~ (6)
Karena tulisan ini difokuskan pada analisis korelasi linier posisi geografis terhadap
faktor-faktor global yang mengontrol curah hujan pulau Jawa, maka digunakan matrik
korelasi sampel R sebagai pengganti matrik kovariansi sampel S. Matrik skor faktor terkait
adalah seperti dibawah ini:
% ( N×k ) = ( X −X ) D(p×2p) A%
−1 −1
F ( N×p) z ( p×k ) R (k×k ) (7)
D−
1
2
adalah matrik deviasi standar invers.
s − 12 0 L 0
11 −
L 0
1
= 0
−1/ 2 s 22 2
D pxp M M O M
(8)
0 0 − 12
L s pp
R = D − 2SD −
1 1
2 (9)
∆ λα = ε λˆα(1) ≈ 2Ν − 2 λα
1
λα
∆eα = ε eˆ ≈ 2Ν −
1
2
λα − λβ eβ
Skor faktor dalam tulisan ini merupakan deret waktu yang komposisi frekuensinya
diekstrak via Transformasi Fourier Cepat (FFT), dan untuk mengatasi ‘kebocoran’ spektral
digunakan pembobotan Hamming, [9].
3. Pembahasan
Berdasarkan matrik korelasi sampel anomali curah hujan R yang berukuran (472 x
472), dilakukan proses ekstraksi struktur eigen. Kemudian, berdasarkan plot scree nilai
eigen anomali (gambar-5) diambil 6 faktor yang mencakup prosentase variasi kumulatif
44,41%. Artinya, jika curah hujan yang dibangkitkan monsun (faktor-1 kasus non-anomali)
kontribusinya sedikit diatas 50%, maka kontribusi dari kumulatif 6 faktor umum/global
(kasus anomali) terhadap curah hujan total adalah berkisar 22 %.
mekanisme global monsun, sementara daerah-daerah yang lokalitasnya tinggi (warna biru)
terletak di daerah pertengahan propinsi Banten (antara Rangkasbitung dan daerah gunung
Halimun), diduga mekanisme sirkulasi lokalnya diakibatkan oleh faktor topografi
pegunungan. Daerah lain yang tidak terlalu dipengaruhi monsun adalah sekitar pantai
tenggara Jawa Timur.
Untuk melihat struktur komunalitas anomali, maka dipetakan 6 buah loading faktor
(gambar-6). Nilai-nilai loading faktor ke-i diinterpretasi sebagai korelasi linier antara
sejumlah 472 stasiun di pulau Jawa dengan faktor global ke-i. Maka 28,18% pola hujan
anomali di Jawa dibangkitkan oleh faktor global pertama. Berdasarkan peta spasial faktor-1
(gambar-6a), secara umum terjadi pembasahan di daerah-daerah Jawa selatan. Untuk
memperjelas pola, maka dilakukan proses rotasi varimax. Dengan rotasi ortogonal ini,
maka dihasilkan gambar loading-1 dengan pola yang lebih terkonsentrasi dan tegas
(gambar-7a). Penggunaan rotasi oblique, yang faktor-faktornya tak perlu ortogonal,
memberikan pencitraan yang tidak jauh berbeda dengan produk rotasi varimax (tidak
ditunjukkan). Berdasarkan pengamatan atas sejumlah 12 pola spasial curah hujan bulanan,
beserta ekstraksi faktor-faktornya, maka loading anomali faktor-1 berkaitan dengan
dinamika sirkulasi global diatas pulau Jawa pada bulan Mei-Juni-Juli, bersamaan dengan
masuknya monsun Australia ke wilayah BMI.
Plot skor faktor-1 seperti dapat dilihat pada gambar-8a, realisasinya berupa deret
waktu yang fluktuasi-temporalnya telah membangkitkan pola spasial curah hujan seperti
pada gambar-6a atau gambar-7a.
Analisis faktor atas sejumlah variabel meteorologis, oseanik, dan astronomis, dapat
dilihat pada tabel-1. Komunalitas 6 faktor dari seluruh variabel tersebut dapat dilihat pada
gambar-11. Gambar-12 (a-f) merupakan grafik 6 buah loading faktor dari tabel-1.
Loading faktor-1 (gambar-12a) memperlihatkan dominasi interaksi oseanik-atmosferik
yang berkaitan dengan kejadian ENSO (El-Nino/Southern Oscillation), maka faktor-1
(41,96%) mengidentifikasi modus ENSO yang dikonstruk oleh fluktuasi variabel
temperatur permukaan laut (SST) dan tekanan permukaan (SLP) berskala besar.
Gambar-12b merupakan faktor ke-2 (10,2%), menunjukkan respon atau kejadian curah
hujan (variabel meteorologis) daerah jakarta terhadap keseluruhan variabel. Gambar-12c
(8,35%) adalah faktor QBO stratosferik, dimana kaitan mekanisme antara fenomena
pembalikan angin baratan dan timuran di stratofer dalam siklus quasi-biennial, dengan
fenomena QBO-like pada variabel-variabel troposfer, belum diketahui secara pasti. Faktor
siklus matahari 11-tahunan sunspot, terurut di faktor ke-6 (gambar-12f), dimana efek
sunspot (4,8%) pada modulasi anomali curah hujan Jawa secara signifikan hanya terjadi
pada saat proyeksi matahari berada di sekitar titik soltice, [4].
4. Kesimpulan
Dalam kasus Analisis Faktor atas data curah hujan multivariat, komunalitas yang
merupakan ukuran interkorelasi antar variabel, dalam kasus ini dapat diinterpretasi sebagai
faktor-faktor global, karena efeknya nampak dirasakan oleh seluruh stasiun observasi.
Sedangkan nilai spesifisitas yang tinggi menunjukkan kuatnya faktor lokal yang
dibangkitkan oleh sirkulasi sekunder.
Jika curah hujan di pulau Jawa didominasi oleh mekanisme monsun, maka
komponen anomalinya lebih sensitif terhadap sirkulasi zonal Walker dan peristiwa ENSO.
Berdasarkan pola spasial dan analisis spektral atas faktor-1, maka komponen utama
anomali curah hujan lebih mencerminkan jejak sirkulasi monsun Australia.
Referensi
[1]. Hackert, E.C., and S. Hastenrath, (1986): “Mechanisms of Java rainfall anomalities”,
Monthly Weather Review, 114, 745-757.
[2]. Bhalme, H.N., and S.K. Jadhav, (1984): “The southern oscillation and its relation to
the monsun rainfall”, Journal of Climatology, 4, 509-520.
[4]. Tanuwijaya, Z.A.J., (2000b): “Analisis klimatologi anomali curah hujan pulau Jawa”.
Prosiding Seminar Sehari, meteorologi Benua Maritim Indonesia, BMG-GM/ITB,
Bandung, 25 Maret 2000.
[5]. Wilks, D.S.. Statistical Methods in the Atmospheric Sciences, Academic Press, 1995.
[6]. Reyment, R., and K.G. Jöreskog. Applied Faktor Analysis in the Natural Science,
Cambridge iniversity Press, 1996.
[7]. Johnson, R.A., and D.W. Wichern. Applied Multivariate Statistical Analysis (third
edition), Prentice-hall, 1992.
[8]. North, G.R., T.L. Bell, and R.F. Cahalan, (1982): “Sampling error in the estimation of
empirical ortogonal functions”. Monthly Weather Review, 110, 699-706.
[9]. Auñón, J., and V. Chandrasekar. Probability and Random Process, McGraw-Hill,
1996.
Lampiran:
Gambar-1:
Sebaran 472 stasiun observasi curah hujan
Gambar-2:
Spektral Curah Hujan Bulanan
2,5E+06
12 bln
2,0E+06
Spektrum Daya
1,5E+06
1,0E+06
5,0E+05
0,0E+00
0,1
0
0,03
0,05
0,08
0,13
0,16
0,18
0,21
0,23
0,26
0,29
0,31
0,34
0,36
0,39
0,42
0,44
0,47
0,49
Gambar-3:
Spektral Anomali Curah Hujan Bulanan
5,0E+04 22,6 bln
4,5E+04
3,5E+04
Spektrum Daya
3,0E+04
6,6
10,97
2,5E+04 8,2
2,0E+04 2,9
5,7
1,5E+04 4,6
9,6 4,1 3,4 2,3
7.4 5,1 3,8
1,0E+04
5,0E+03
0,0E+00
0,1
0
0,03
0,05
0,08
0,13
0,16
0,18
0,21
0,23
0,26
0,29
0,31
0,34
0,36
0,39
0,42
0,44
0,47
0,49
Gambar-4:
Nilai-nilai Eigen Eksak Curah Hujan Bulanan (1951-1982)
Kasus Anomali
3,0E+06
7,0E+05
2,5E+06
6,0E+05
5,0E+05
2,0E+06
Nilai Eigen Eksak λi
4,0E+05
1,5E+06 3,0E+05
2,0E+05
1,0E+06
1,0E+05
0,0E+00
5,0E+05 1 2 3 4 5 6 7 8 9 10
0,0E+00
101
126
151
176
201
226
251
276
301
326
351
376
401
426
451
1
26
51
76
472
i
Gambar-5:
Plot Scree Nilai Eigen Anomali
150
140
130
120
110
100
Nilai Eigen ke- i
90
80
70
60
50
40
30
20
10
0
-10
101
126
151
176
201
226
251
276
301
326
351
376
401
426
451
1
26
51
76
Gambar-6:
Loading Faktor Anomali Curah Hujan Tanpa Rotasi
(a) Faktor-1
(b) Faktor-2
(c) Faktor-3
(d) Faktor-4
(e) Faktor-5
(f) Faktor-6
Gambar-7:
Loading Faktor Anomali Curah Hujan Rotasi Varimax
(a) Faktor-1
(b) Faktor-2
(c) Faktor-3
(d) Faktor-4
(e) Faktor-5
(f) Faktor-6
Gambar-8:
Skor Faktor Matriks Korelasi – Tak Dirotasi
(Anomali Curah Hujan Bulanan P. Jawa, 1951-1982)
(a) Faktor-1 8
0
1
-4
-8
(b) Faktor-2 8
-4
-8
(c) Faktor-3 8
-4
-8
(d) Faktor-4 8
-4
-8
(e) Faktor-5 8
-4
-8
(f) Faktor-6 8
-4
-8
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
Gambar-9:
Spektral Skor Faktor-1
(Anomali Bulanan)
1.4E+03
22.6
1.2E+03
38.4
15.4
1.0E+03
Spektrum Daya
6.6
8.0E+02 11.0 8.2
6.0E+02
2.9
4.0E+02 2.3
2.0E+02
0.0E+00
8.0
6.4
5.3
4.6
4.0
3.6
3.2
2.9
2.7
2.5
2.3
2.1
2.0
32.0
16.0
10.7
4.5E+02
24.0
4.0E+02
38.4
3.5E+02
192.0 15.4
Spektrum Daya
3.0E+02 6.6
8.2
11.0
2.5E+02
2.0E+02 5.7
2.9
5.0E+01
0.0E+00
8.0
6.4
5.3
4.6
4.0
3.6
3.2
2.9
2.7
2.5
2.3
2.1
2.0
32.0
16.0
10.7
9.0E+02
24.0
8.0E+02
38.4
7.0E+02
192 15.4
Spektrum Daya
6.0E+02
6.6
11.0 8.2
5.0E+02
4.0E+02
5.7 2.9
1.0E+02
0.0E+00
8.0
6.4
5.3
4.6
4.0
3.6
3.2
2.9
2.7
2.5
2.3
2.1
2.0
32.0
16.0
10.7
Gambar 10:
Komunalitas Matriks Korelasi anomali dengan Ekstraksi PCA
a. Komunalitas non-Anomali
b. Komunalitas Anomali
Gambar 11:
Komunalitas Anomali 1979-2002
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
ZonalTempEq
SST-Nino 1+2
ZonalWind200
SST-Nino 3.4
SLP-Tahiti
CH33CAN
SLP-Indo
QBO-30 mb
QBO-50 mb
SST-Nino 3
SST-Nino 4
SLP-Darwin
TWI-CentPac
CH27An
CH26An
TWI-EastPac
TWI-WestPac
OLR
Sunspot
SLP-EastPac
SOI
LOD
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
-0.8
-0.6
-0.4
-0.2
-0.8
-0.6
-0.4
-0.2
-0.8
-0.6
-0.4
-0.2
-1
-1
-1
CH27AN CH27AN CH27AN
CH26AN CH26AN CH26AN
CH33CAN CH33CAN CH33CAN
SLPINDO SLPINDO SLPINDO
SLPDRWN SLPDRWN SLPDRWN
SLPTHT SLPTHT SLPTHT
SLPEPAC SLPEPAC SLPEPAC
SOI SOI SOI
ZWIND200 ZWIND200 ZWIND200
WPAC WPAC WPAC
CPAC CPAC CPAC
EPAC EPAC EPAC
OLR OLR OLR
SEMINAR NASIONAL STATISTIKA
c. Bobot Faktor-3
a. Bobot Faktor-1
e. Bobot Faktor-5
SST3 SST3 SST3
0
1
0
1
0
1
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
-0.8
-0.6
-0.4
-0.2
-0.8
-0.6
-0.4
-0.2
-0.8
-0.6
-0.4
-0.2
-1
-1
-1
f. Bobot Faktor-6
d. Bobot Faktor-4
b. Bobot Faktor-2
Hal. 16
SEMINAR NASIONAL STATISTIKA
Tabel-1:
Analisis Faktor Anomali Curah Hujan P. Jawa
dengan Variabel Oseanik/Atmosferik dan Astronomis
4 SLP -Indo -0.798 0.120 0.085 0.169 -0.388 0.039 0.838 0.162
5 SLP -Darwin -0.748 -0.033 0.120 0.079 -0.490 -0.038 0.822 0.178
6 SLP -Tahiti 0.661 -0.059 0.269 -0.139 -0.302 0.259 0.690 0.310
7 SLP -East.Pac. 0.673 -0.049 0.229 0.055 -0.555 -0.055 0.821 0.179
9 Zonal Wind Eq. 0.752 0.151 -0.214 0.307 0.038 0.142 0.750 0.250
10 TWI -West.Pac. 0.686 -0.199 0.277 -0.503 0.088 -0.045 0.849 0.151
11 TWI -Cent.Pac. 0.907 0.031 -0.017 0.125 0.157 0.003 0.864 0.136
12 TWI -East.Pac. 0.650 0.158 -0.297 0.470 0.258 -0.049 0.825 0.175
14 Zonal Temp. Eq. -0.528 0.110 0.148 -0.286 0.460 0.159 0.632 0.368
17 S S T-Nino 3.4 -0.939 0.028 -0.013 -0.067 0.073 0.047 0.894 0.106