You are on page 1of 8

Prosiding Pertemuan Ilmiah XXIV HFI Jateng & DIY, Semarang 10 April 2010 19

hal. 19-26
ISSN 0853 - 0823

PENGEMBANGAN EKSPERT SISTEM BERBASIS INDEKS ENSO, DMI,
MONSUN DAN MJO UNTUK PENENTUAN AWAL MUSIM

Eddy Hermawan, Juniarti Visa, Trismidianto, Krismianto, Ibnu Fathrio, dan Ining Sunarsih
Pusat Pemanfaatan Sains Atmosfer dan Iklim
Lembaga Penerbangan dan Antariksa Nasional (LAPAN)
Jln. Dr. Djundjunan 133, Bandung 40173
E-mail : eddy_lapan@yahoo.com


INTISARI
Makalah ini tujuan utamanya adalah mengembangkan suatu model prediksi curah hujan di satu kawasan sentra produksi
tanaman pangan berbasis kepada hasil analisis indeks fenomena iklimdan cuaca global, yakni ENSO, DMI, Monsun dan MJ O.
Selain itu juga ingin mengetahui “precursor” (indikasi awal) bila anomali datangnya awal musimpenghujan/kemarau di kawasan
sentra produksi tanaman pangan yang dianalisis. Berbasis hasil analisis data SST Nino 3.4 periode J anuari 1950 - J anuari 2009,
DMI periode Maret 1958 - Agustus 2008, SOI periode J anuari 1876 - J anuari 2009, OLR Pentad periode 3 J anuari 1978 - 25
Oktober 2009 dan Monsoon Index periode 1 J anuari 1948 - 31 Desember 2008 dengan mengaplikasikan teknik analisis spektral
(Power Spectral Density, PSD) menunjukkan bahwa fenomena Monsun tetap merupakan fenomena dominant yang ada di
kawasan Indonesia. Hal ini terbukti bahwa Indian Summer Monsoon Index (ISMI), Australian Monsoon Index (AMI), dan
Western North Pacific Monsoon Index (WNPMI) tetap merupakan osilasi dominan yang ada di tanah air. Begitupun analisis
curah hujan bulanan yang ada di beberapa kawasan Sumatera Barat, osilasi dua belas (12) bulanan tetap masih mendominasi.
Dengan demikian, maka dipandang perlu untuk mengkaji lebih dalamlagi tentang karakteristik, mekanisme, struktur vertikal
Monsun Indonesia berbasis data in-situ yang ada.

Kata kunci : expert system, data iklim global, dan awal musim
I. Pendahuluan
Ide dasar dilakukannya penelitian ini berawal ketika dipandang perlu untuk dilakukannya suatu
sistem pakar (expert system) di bidang aplikasi sains atmosfer dan iklim. Sistem pakar merupakan suatu
program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu
bidang spesifik. J enis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada
dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an. Bentuk umum sistem
pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi
(biasanya diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis
matematis dari masalah tersebut. Tergantung dari desainnya, sistem pakar juga mampu
merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi. Sistem ini
memanfaatkan kapabilitas penalaran untuk mencapai suatu kesimpulan.
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke
komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya
seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya
sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan
para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten
yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang
dibutuhkan.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan
(inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam
bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya
digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Oleh karena itu
sistem pakar umumnya dicirikan oleh: memiliki informasi yang handal, mudah dimodifikasi, dapat
digunakan dalam berbagai jenis computer, dan memiliki kemampuan untuk belajar beradaptasi.
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain:
memungkinkan orang awam bisa mengerjakan pekerjaan para ahli, dapat melakukan proses secara
berulang secara otomatis, menyimpan pengetahuan dan keahlian para pakar, meningkatkan output dan
produktivitas, meningkatkan kualitas, mampu mengambil dan melestarikan keahlian para pakar
(terutama yang termasuk keahlian langka), mampu beroperasi dalam lingkungan yang berbahaya,
memiliki kemampuan untuk mengakses pengetahuan, memiliki reabilitas, meningkatkan kapabilitas
sistem komputer, memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan
mengandung ketidakpastian, sebagai media pelengkap dalam pelatihan, meningkatkan kapabilitas
dalam penyelesaian masalah, dan menghemat waktu dalam pengambilan keputusan.
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan,
antara lain: biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal, sulit
20 Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim

ISSN 0853 - 0823

dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya, dan Sistem
Pakar tidak 100% bernilai benar.
Berbasis konsep dasar pengertian sistem pakar di atas, maka tujuan utama kegiatan riset ini adalah
mengembangkan model prediksi pola distribusi curah hujan di satu kawasan sentra produksi tanaman
pangan berbasis kepada hasil analisis indeks fenomena iklim dan cuaca global, khususnya ENSO,
DMI, Monsoon, dan MJO. Sementara tujuan lain adalah mengetahui “precursor” (indikasi awal) bila
anomali datangnya awal musim penghujan/kemarau di kawasan sentra produksi tanaman pangan yang
dianalisis.

II. Landasan Teori Sistem Dinamika Atmosfer Indonesia
Dinamika atmosfer Indonesia sangatlah kompleks. Tidak hanya faktor monsun yang relatif
dominan berperan, juga faktor lain seperti kombinasi interaksi antara fenomena ENSO (El-Niño and
Southern Oscillation), DMI (Dipole Mode Index) dan faktor lokal juga berperan besar. Belum lagi
masalah fenomena MJ O (Madden-Julian Oscillation) yang hingga kini mekanisme pembentukannya
belum sepenuhnya diketahui dengan baik dan benar.
Salah satu faktor terjadinya variabilitas iklim khususnya curah hujan antar tahunan di wilayah
Indonesia adalah fenomena berskala global yang dikenal dengan nama ENSO. Secara umum feristiwa
ENSO berulang antara 2 hingga 7 tahun. Di Indonesia, peristiwa ENSO diidentikkan dengan musim
kering yang melebihi kondisi normalnya. Hal ini berbanding terbalik dengan peristiwa La-Niña yang
justru menghasilkan curah hujan melebihi batasan normalnya (Ropelweski dan Halpert, 1987).
Terdapat hubungan yang erat antara curah hujan di Indonesia dan indikator ENSO seperti dengan
suhu permukaan laut (SST=Sea Surface Temperature) di wilayah Pasifik Timur (dikenal dengan daerah
Niño) atau dengan Indeks Osilasi Selatan (SOI=Southern Oscillation Index) sebagaimana yang telah
banyak dilaporkan oleh beberapa peneliti (Haylock dan McBride 2001; Hendon, 2003; Aldrian, 2002;
Gunawan dan Gravenhorst, 2005).
Dalam dekade terakhir, fenomena yang mirip dengan ENSO tetapi berada di samudera Hindia
telah mulai menarik perhatian para peneliti bidang atmosfer dan kelautan karena ternyata memberi
dampak yang saling menguatkan atau memperlemah pengaruh ENSO. Peristiwa osilasi yang terjadi di
wilayah barat Indonesia ini dikenal dengan sebutan DMI (Dipole Mode Index) setelah pertama kali di
kemukakan oleh peneliti J epang Yamanaga dan Saji di tahun 1992. DMI merupakan fenomena
interaksi antara laut dan atmosfer di Samudera Hindia yang ditetapkan berasarkan selisih suhu
permukaan laut di perairan sebelah timur benua Afrika dan di perairan Samudera Hindia sebelah barat
pulau Sumatera. Selisih suhu permukaan laut kedua tempat tersebut disebut Indeks Dipole Mode
(Dipole Mode Index, DMI).
Pada saat DMI positif, maka pusat tekanan rendah berada di pantai timur Afrika yang
menyebabkan bergesernya pusat pusat konveksi di wilayah Indonesia bagian barat menuju ke arah
timur sehingga intensitas curah hujan di wilayah Indonesa bagian barat umumnya rendah. Sebaliknya,
pada saat DMI negatif, justru pusat tekanan rendah berada di pantai barat P. Sumatera, sehingga pusat
pusat konveksi bergeser ke arah pantai barat P. Sumatera, intensitas curah hujan di wilayah Indonesia
bagian barat umumnya akan relatif tinggi.
Selain itu, Dipole Mode umumnya terjadi secara bebas, tidak saling mengikat dengan El-Niño dan
Osilasi Selatan serta merupakan fenomena kopel atmosfer-laut yang unik di Samudera Hindia Tropis
(Saji et al., 1999; Webster et al., 1999; Ashok et al., 2001). Kajian tentang peran El-Niño dan Dipole
Mode, secara terpisah sebagai fenomena dalam sistem iklim di kawasan tropis telah banyak dilakukan.
Namun perilaku dan peran fenomena tersebut secara bersama-sama, terhadap curah hujan belum
banyak diketahui (Saji et al, 1999).
Menganalisis variabilitas curah hujan tidak lepas dari pengetahuan tentang pola dasar curah hujan
yang ada di wilayah Indonesia. Aldrian (2003) telah menggunakan data curah hujan periode 1961-1990
untuk mengelompokkan pola hujan ke dalam tiga tipe hujan yaitu tipe monsun, tipe anti monsun dan
tipe dua puncak. Pengelompokan ini didasarkan pada pola distribusi curah hujan bulanan. Tipe hujan
monsun, sesuai namanya dipengaruhi oleh sirkulasi monsun dengan puncak curah hujan berada pada
bulan-bulan Desember-J anuari-Februari (DJF) dan curah hujan rendah terjadi pada bulan-bulan Juni-
J uli-Agustus (J J A).
Sebagian besar wilayah Indonesia memiliki pola hujan seperti ini. Pola hujan tipe anti-monsun
berpola kebalikan dari tipe hujan monsun dalam arti waktu terjadinya periode curah hujan maksimum
dan minimum. Daerah yang memiliki pola ini tidak seluas tipe monsun, dan terdapat di daerah
Sulawesi Tengah bagian timur, Maluku dan bagian utara Papua. Pola hujan tipe dua puncak terdapat
disekitar ekuator dari pulau Sumatera, Kalimantan dan Sulawesi
Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim
21

ISSN 0853 - 0823

Terlepas dari itu semua, yang penting adalah dapatkah keberadaan data iklim global (dalam bentuk
indeks) seperti ENSO, DMI, Monsun dan MJ O dapat digunakan dalam ikut mendukung penentuan
awal musim di Indonesia, ”khususnya di kawasan sentra produksi tanaman pangan”. Hal ini penting
dilakukan agar kejadian ekstrim kering berkepanjangan seperti yang terjadi pada tahun 1982 dan 1997
dapat diantisipasi kehadirannya.
Dengan asumsi bahwa curah hujan yang terjadi atau turun di suatu wilayah dipengaruhi oleh iklim
global, maka besarnya curah hujan (CH) yang akan turun di suatu wilayah merupakan fungsi dari
fenomena global di atas yang dapat disederhanakan menjadi:
CH =f (ENSO, DMI, Monsun, MJ O) +Error
Yang perlu diingat adalah adanya keterkaitan (interaksi) yang erat antara fenomena iklim global
satu dengan lainnya. Kejadian ekstrim kering tahun 1997, terjadi akibat dua fenomena global yakni El-
Nino dan DMI+terjadi secara simultan (bersamaan). Dengan kata lain, mereka tidaklah “independent”
(bebas), melainkan saling terikat satu dengan lainnya (Gambar 1).

Gambar 1. Time series data DMI vs Nino 3.4 periode J anuari 1997 - Desember 1998.
Apa yang menyebabkan adanya perbedaan pola distribusi curah hujan di satu wilayah sentra
produksi tanaman pangan dengan wilayah lainnya hingga kini belum banyak diteliti. Belum banyak
diketahui tentang perilaku interaksi yang terjadi antara fenomena iklim global yang ada, baik antara
ENSO dengan Dipole Mode, ENSO dengan Monsun, ENSO dengan MJ O, Dipole Mode dengan
Monsun, Dipole Mode dengan MJ O, ataupun antara Monsun dengan MJ O.
Apakah Dipole Mode di Samudra Hindia mempunyai pengaruh yang sangat signifikan terhadap
perilaku curah hujan di kawasan Indonesia bagian barat, masih perlu dikaji lebih mendalam. Sampai
saat ini belum ada satu model iklimpun yang mampu menjelaskan keterkaitan antara fenomena ENSO,
IOD, Monsoon, dan MJO dengan pola distribusi curah hujan yang terjadi di wilayah sentra produksi
tanaman pangan.
Perhatian utama dalam program penelitian ini adalah ingin mengembangkan suatu model prediksi
pola distribusi curah hujan di wilayah produksi tanaman pangan yang tersebar di beberapa kawasan di
Indonesia bagian Barat, Tengah dan Timur.

III. Data dan Metode Analisis
Data yang digunakan dalam penelitian ini meliputi data SST Nino 3.4 (J anuari 1950 hingga
J anuari 2009, DMI (Maret 1958 hingga Agustus 2008), SOI (J anuari 1876 hingga J anuari 2009), OLR
Pentad (3 J anuari 1978 hingga 25 Oktober 2009, dan Monsoon Index (1 J anuari 1948 hingga 31
Desember 2008).
Sementara metode analisis yang dipakai meliputi: untuk analisis temporal, maka dilakukan analisis
power spectral (PSD=Power Spectral Density) untuk mengetahui osilasi dominan dari masing-masing
indeks fenomena iklim dan cuaca global, analisis statistik Box-J enkins ARIMA untuk memodelkan
data curah hujan hasil penurunan data indeks fenomena iklim dan cuaca global, sementara untuk
22 Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim

ISSN 0853 - 0823

analisis spasial akan digunakan data satelit GPCP (Global Precipitation Climatology Project). Salah
satu hasil analisis data tersebut dapat dilihat pada Gambar 2.

Gambar 2. PSD untuk berbagai data iklim global.
IV. Hasil dan Pembahasan
Ada tiga sirkulasi utama yang mempengaruhi terjadinya anomali curah hujan di Indonesia, yakni:
Sirkulasi Hadley (U-S), Walker (T-B), dan lokal. Ketiga sirkulasi tersebut saling berinteraksi satu
dengan lainnya, terutama pada saat terjadinya fenomena IOD, ENSO dan Monsoon. Kapan dan di
mana fenomena itu terjadi, bilamana ketiganya saling menguatkan dan saling melemahkan serta
bagaimana dampak yang ditimbulkannya terhadap anomali curah hujan di kawasan Indonesia barat
nampaknya akan menjadi bagian penting dalam penelitian ini. Untuk menyederhanakan permasalahan
ini, maka dilakukanlah analisis spasial, berbasis hasil analisis data GPCP selama lebih dari 27 tahun
pengamatan sejak J anuari 1979 hingga Desember 2006 seperti tampak pada Gambar 3.


Gambar 3. Longitude-Latitude section data GPCP selama 27 tahun
pengamatan untuk wilayah Indonesia.

Memang agak komplikatif untuk menjelaskannya satu per satu, seperti adanya faktor lokal yang
dominan seperti keberadaan Bukit Barisan di Sumatera Barat yang menyebabkan terjadinya perbedaan
curah hujan yang cukup tajam antara kawasan barat dan timur P. Sumatera. Oleh karena itu, sebagai
langkah pertama dibuatlah data time series untuk curah hujan yang tersebar di Sumatera Barat seperti
tampak pada Gambar 4.
Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim
23

ISSN 0853 - 0823


Gambar 4. Data time series curah hujan yang tersebar di enam stasiun penakar curah hujan di
Sumatera Barat selama tujuh tahun pengamatan.
Untuk menyederhanakan analisis data di atas, maka dilakukanlah analisis spektral baik untuk data
iklim global ataupun data curah hujan lokal, seperti tampak pada Gambar 5 dan 6.

Gambar 5. Power Spectral Density (PSD) untuk lima belas data iklim.
24 Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim

ISSN 0853 - 0823


Gambar 6. Sama dengan Gambar 5, tetapi untuk data curah hujan di sebelas stasiun di Sumatera Barat.
Dari Gambar 5 dan 6 terlihat bahwa fenomena Monsoon tampaknya yang mendominasi kawasan
kita, terutama untuk data curah hujan di Lubuk Gadang. Hal ini terlihat jelas dari data indeks Monsoon
global seperti tampak pada Gambar 7.

Gambar 7. Sama dengan Gambar 4, tetapi untuk data indeks Monsoon global.
Untuk analisis lebih lanjut, maka dilakukanlah analisis wavelet untuk ketiga data indeks Monsoon
global di atas, seperti tampak pada Gambar 8(a), (b), dan (c), sementara Gambar 8 (d) untuk data time
series curah hujan.





Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim
25

ISSN 0853 - 0823

(a) Data ISMI (Indian Summer Monsoon Index) (b) Data WNPMI (Western North Pacific
Monsoon Index).

(c) Data AMI (Australian Monsoon Index). (d) Data curah hujan di Lubuk Gadang
Gambar 8. Analisis wavelet data ISMI, WNPI, AMI, dan curah hujan di Lubuk Gadang periode J uli
2001 hingga Juli 2008.
Dari rangkaian Gambar 8(a – d) terlihat bahwa ISMI dan WNPMI hampir memiliki pola yang
sama (serupa), yakni dengan osilasi maksimum sekitar 12 bulanan. Sementara AMI agak berbeda pola,
yakni sekitar 6 bulanan. Hal yang hingga kini menjadi tanda tanya adalah walaupun sama-sama
memiliki nilai PSD sekitar 12 bulanan, namun belum tentu memiliki pola data yang sama seperti
tampak pada Gambar 8 (d) untuk data curah hujan bulanan ubuk Gadang.

V. KESIMPULAN
Hasil analisis Power Spectral Density (PSD) selama tujuh tahun pengamatan (J uli 2001 hingga Juli
2080) menunjukkan bahwa fenomena Monsun tetap merupakan fenomena dominan yang ada di
kawasan Indonesia. Hal ini terbukti bahwa Indian Summer Monsoon Index (ISMI), Australian
Monsoon Index (AMI), dan Western North Pacific Monsoon Index (WNPMI) tetap merupakan osilasi
dominan yang ada di tanah air. Begitupun analisis curah hujan bulanan yang ada di beberapa kawasan
Sumatera Barat, osilasi dua belas (12) bulanan tetap masih mendominasi. Dengan demikian, maka
dipandang perlu untuk mengkaji lebih dalam lagi tentang karakteristik, mekanisme, struktur vertikal
Monsun Indonesia berbasis data in-situ yang ada.

VI. DAFTAR PUSTAKA
Aldrian, E., 2002: Spatial Patterns of ENSO impact on Indonesian Rainfall. J. Sains & Tek. Mod.
Cuaca, BPP Teknologi, 3, 5-15.
Aldrian, E., R. D. Susanto, 2003, Identification of three dominant rainfall regions within Indonesia and
their relationship to sea surface temperature, International J ournal of Climatology, 23, 1435-1452
Ashok, K., Z. Guan, and T. Yamagata, 2001, Impact of the Indian Ocean Dipole and the Relationship
between the Indian Monsoon Rainfall, Geophysics Reserch Letter. 28, 4499 -4502
Gunawan, D.,and G. Gravenhorst. 2005. Correlation between ENSO indices and Indonesian
precipitation. Journal Meteorologi dan Geofisika, 6(4), 54-62.
Haylock,M., and J .McBride, 2001: Spatial coherence and predictability of Indonesian wet season
rainfall, J. Clim.,14,3882–3887.
26 Eddy Hermawan, dkk/ Pengembangan Ekspert Sistem Berbasis Indeks ENSO, DMI, MONSUN dan MJO
Untuk Penentuan Awal Musim

ISSN 0853 - 0823

Hendon, H.H., 2003, Indonesian Rainfall Variability : Impact of ENSO and Local Air Sea Interaction,
J . Climate 16,1775-1790
Ropelewski, C.F., and M.S. Halpert, 1987 : Global and regional scale precipitation patterns associated
with the El Niño/Southern Oscillation, Mon. Wea. Rev., 115, 1606-1626.
Saji, N.H., B.N Goswamy, P.N Vinayachandran, 1999, Indian Ocean during 1997-1998, Nature, 401,
356 – 359
Webster, P.J ., J .P. Loschnigg, A.M. Moore, and R.R. Leben, 1999, Coupled Ocean-Atmosphere
Dynamics in the Indian Ocean during 1997-98, Nature, 401, 356-359.