EL NIÑO MODOKI DAN PENGARUHNYA TERHADAP

PERILAKU CURAH HUJAN MONSUNAL DI INDONESIA

ELA HASRI WINDARI

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2012
 ABSTRACT

ELA HASRI WINDARI. El Niño Modoki and Its Influence to Monsoonal Rainfall Behavior over
Indonesia. Supervised by Akhmad Faqih and Eddy Hermawan.

This study aims to investigate El Niño Modoki phenomenon and its influence to the
monsoonal rainfall behavior over Indonesia. The study is also intended to identify the differences
between the El Nino Modoki and the well-known El Nino events, referred in this study as
Conventional El Niño. By using correlation analysis, it is shown that the El Nino Modoki Index,
known as EMI, is strongly correlated with SST anomaly index in Nino-4 region. The correlation
coefficient value is 0.57, which is higher than the EMI’s correlations with other SST anomaly
indices from different Nino regions, i.e. Nino-1.2, Nino-3 and Nino-4. Temporal analysis on both
Nino-4 index and EMI by using Power Spectral Density shows a different strength in the temporal
cycle of both indices, where Nino-4 data demonstrates a strong 4-5 year interannual cycles, while
EMI is dominated by 6–8 years cycles. This is consistent with the result of Wavelet analysis that
indicates four years interannual cycles of Nino-4 index and nearly decadal (~10 years) cycles of
EMI data. The composite of seven El Nino Modoki events in 1986/87, 1990/91, 1992/93, 1994/95,
2002/2003, 2004/2005, and 2009/2010, generally shows that the El Nino Modoki events indicated
by the raise of EMI exceeding its defined threshold usually occurred from July to March. It is
shown by clear characteristics of growing phase starting from March or April until January, and
continued by decreasing phase around February. Based on the results of regression analysis, the El
Nino Modoki strongly influence monsoonal rainfall over Sumbawa Besar, Makassar, and Banjar
Baru during both June-July-August (JJA) and September-October-November (SON) periods, over
Lampung only during JJA, and Indramayu during SON. The use of EMI which includes
information about the SST anomaly around Indonesia led to a significant cross-correlation values
between monsoonal rainfall anomaly and EMI with only maximum of one month lag time.

Keywords: El Niño Modoki, Conventional El Niño, monsoonal rainfall behavior.

 RINGKASAN
ELA HASRI WINDARI. El Niño Modoki dan Pengaruhnya Terhadap Perilaku Curah Hujan
Monsunal di Indonesia. Dibimbing oleh Akhmad Faqih dan Eddy Hermawan.

Penelitian ini bertujuan untuk mempelajari kejadian El Nino Modoki dan pengaruhnya
terhadap keragaman curah hujan bertipe monsunal di Indonesia. Selain itu, di dalam penelitian ini
juga dikaji perbedaan antara El Nino Modoki dengan kejadian El Nino konvensional yang telah
dikenal selama ini. Analisis korelasi digunakan untuk melihat hubungan El Niño Modoki , yang
diwakili oleh nilai El Niño Modoki Index (EMI), dengan El Niño konvensional, yang diwakili oleh
indeks anomali suhu muka laut (aSML) di empat wilayah Niño, yaitu masing-masing di wilayah
Nino-1.2, Nino-3, Nino-3.4 dan Nino-4. Hasil analisis menunjukkan bahwa koefisien korelasi EMI
terhadap indeks Niño-4 sebesar 0.57 merupakan yang paling tinggi dibandingkan dengan indeks
Niño lainnya. Analisis Power Spectral Density terhadap data indeks aSML periode 1979–2010
menghasilkan perbedaan karakteristik temporal antara keduanya, dimana El Niño Modoki
memiliki siklus 6–8 tahunan, sedangkan El Niño konvensional memiliki siklus 4–5 tahunan. Hasil
ini juga didukung oleh hasil analisis Analisis Wavelet yang menunjukkan pola osilasi dominan El
Niño konvensional ~4 tahunan sedangkan El Niño Modoki hampir mendekati pola dekadal (~10
tahunan). Dari analisis tersebut juga terlihat kecenderungan pembentukan pola El Niño Modoki
yang semakin meningkat setelah tahun 2000-an. Hasil analisis komposit dari tujuh kejadian El
Niño Modoki, yaitu tahun 1986/87, 1990/91, 1992/93, 1994/95, 2002/2003, 2004/2005, dan
2009/2010 menunjukkan secara umum bahwa anomali hangat yang berkaitan dengan peristiwa El
Nino biasanya konsisten melampaui nilai threshold sekitar periode Juli–Maret. Fase pertumbuhan
mulai terlihat sekitar Maret atau April hingga Januari kemudian mulai turun sekitar bulan Februari.
Puncak anomalinya terjadi pada bulan Agustus–Januari. Menurut hasil analisis regresi anomali
curah hujan terhadap EMI periode 1971-2000, El Niño Modoki memberikan pengaruh yang jelas
terhadap penurunan curah hujan di wilayah Sumbawa Besar, Makassar, dan Banjar Baru pada
musim JJA dan semakin kuat pengaruhnya pada musim SON. Wilayah Lampung hanya merasakan
pengaruh Modoki dengan jelas pada musim JJA saja sedangkan Indramayu pada musim SON.
Penggunaan indeks EMI yang memasukkan informasi aSML di sekitar wilayah Indonesia
menyebabkan nilai korelasi silang yang signifikan antara anomali curah hujan dengan EMI hanya
menghasilkan jeda maksimum satu bulan.

Kata kunci: El Niño Modoki, El Niño Konvensional, perilaku curah hujan monsunal.
 EL NIÑO MODOKI DAN PENGARUHNYA TERHADAP
PERILAKU CURAH HUJAN MONSUNAL DI INDONESIA

ELA HASRI WINDARI

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada Mayor Meteorologi Terapan

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2012
Judul Skripsi : El Niño Modoki dan Pengaruhnya Terhadap Perilaku Curah
Hujan Monsunal di Indonesia
Nama : Ela Hasri Windari
NIM : G24070008

Menyetujui

Pembimbing I, Pembimbing II,

(Dr. Akhmad Faqih) (Dr. Eddy Hermawan)

NIP: 19800823 200701 1 001 NIP: 19620128 199003 1 003

Mengetahui :
Ketua Departemen Geofisika dan Meteorologi,

(Dr. Ir. Rini Hidayati, MS)

NIP: 19600305 198703 2 002

Tanggal Lulus :
 vi

RIWAYAT HIDUP

Penulis dilahirkan di Kenagarian V Koto – Tanjung Ampalu,

Sumatera Barat, pada hari Senin, 15 Mei 1989 sebagai anak kandung
dari pasangan Bapak Haslizar dan Ibu Oriza Sativa, S.Pd. Penulis
merupakan anak pertama dari dua bersaudara. Penulis menyelesaikan
pendidikan dasar di Sekolah Dasar Negeri 09 Koto Panjang tahun
2000. Di tahun yang sama, penulis melanjutkan pendidikan di sekolah
asrama MTsN Padangpanjang, lulus pada tahun 2004. Kemudian
melanjutkan ke tingkat Sekolah Menengah Atas (SMA) Negeri 1
Sijunjung dan lulus tahun 2007. Setelah menyelesaikan pendidikan
SMA, penulis melanjutkan kuliah S1 di Institut Pertanian Bogor
melalui jalur USMI sebagai mahasiswa Departemen Geofisika dan Meteorologi (GFM) dengan
program Mayor Meteorologi Terapan.
Selama menjalani masa studi, penulis menikmati peran sabagai mahasiswa Mayor
Meteorologi Terapan dengan menjadi anggota Himpunan Profesi Mahasiswa Geofisika dan
Meteorologi (HIMAGRETO) dan mengikuti berbagai kepanitiaan seperti Meteorologi Interaktif
(METRIK) 2008 dan 2009, Earth Challenge 2010. Pada tahun 2010 penulis diberikan kesempatan
magang untuk mengembangkan kemampuan di Bidang Pemodelan Iklim, Bagian Pusat
Pemanfaatan Sains Atmosfer dan Iklim, LAPAN Bandung. Pada tahun 2011, Penulis mengikuti
International Symposium on The 10th Annyversary of the Equatorial Atmosphere Radar (EAR) di
Jakarta dan turut berperan sebagai panitia pelaksana peresmian IPCC Indonesia di Bogor. Pada
tahun yang sama, penulis juga diberi kesempatan untuk melakukan presentasi terkait El Niño
Modoki pada Workshop on Progress of Research and Prediction of Short–Term Climate
Variation; MJO, ENSO and IOD di Neonet Ofice BPPT Jakarta atas rekomendasi pembimbing II,
Dr. Eddy Hermawan. Untuk kegiatan di luar Departemen GFM, penulis pernah aktif dalam
organisasi mahasiswa daerah seperti Himaswiss (Himpunan Mahasiswa Sawahlunto, Sijunjung,
dan Dharmasraya) dan IPMM (Ikatan Pelajar dan Mahasiswa Minang).
Sebagai salah satu syarat untuk memperoleh gelar sarjana, penulis melakukan penelitian
dengan judul El Niño Modoki dan Pengaruhnya terhadap Perilaku Curah Hujan Monsunal di
Indonesia, di bawah bimbingan Dr. Akhmad Faqih dan Dr. Eddy Hermawan.
 vii

PRAKATA

Segala puji dan syukur bagi Allah SWT, Tuhan Yang Maha Indah pemilik seruan sekalian
alam. Atas rahmat dan hidayah–Nya, tugas akhir yang berjudul “El Niño Modoki dan Pengaruhnya
Terhadap Perilaku Curah Hujan Monsunal di Indonesia” dapat terselesaikan dengan baik.
Berbagai pihak telah banyak membantu penulis dalam proses penelitian, penulisan, dan
penyusunan tugas akhir ini. Untuk itu, penulis mengucapkan terima kasih yang terdalam kepada
Mamah, Papah, dan Haris, yang menjadi kausalitas utama inspirasi penulis. Big Uncle An, Midd
Uncle Ali, Auntie Eti, Oom Epigon, dan seluruh keluarga besar Dt. Sampanhulu atas doa, kasih
sayang, serta dukungannya, lalu kepada:
1. Dr. Akhmad Faqih sebagai pembimbing I dan Dr. Eddy Hermawan sebagai pembimbing II,
yang telah memberikan ide, ilmu, pengarahan, masukan, nasehat, dan tentu saja bimbingan
hingga tugas akhir ini terselesaikan.
2. Kepala Bidang Pemodelan Iklim, Ir. Hallimurrahman, MT. Staff LAPAN Bandung; Pak
Teguh, Pak Terson, Pak Martono, dan Kak Mian.
3. Prof. Yamagata, Prof. Yeh, Prof. Yamanaka dan Bapak Rachmad Hariadi Asad atas
korespondensi terkait penelitian penulis.
4. Prof. Hidayat Pawitan sebagai Pembimbing Akademik penulis dan jajaran majelis dosen
Departemen Geofisika dan Meteorologi IPB.
5. Staff Tata Usaha Departemen Geofisika dan Meteorologi IPB.
6. Teman-teman GFM44 Kabinet Lebay yang masing-masingnya memiliki kesan tersendiri di
hati penulis, terima kasih atas kekompakannya.
7. Teman-teman GFM43, GFM45, dan GFM46 atas senyum dan semangatnya.
8. Teman-teman A1/76; Anya, Lika, Noni, dan Penghuni kost putri “TAZKIA Perwira”;
Aisyah, Ateu, Uun Yani, Mba E. Lestari: atas kebersamaan, candaan, kekompakan dan
dorongan semangatnya.
9. Andika GFM40, teristimewa atas cinta dan bijaksana.
10. Semua pihak yang telah membantu yang tidak bisa penulis sebutkan satu per satu.
Penulis menyadari bahwa tugas akhir ini masih memiliki banyak kekurangan dan jauh dari
kata sempurna. Maka dengan hati yang penuh rasa ikhlas dan tawadhu, penulis bersedia untuk
menerima kritik dan saran yang sifatnya membangun sehingga dapat mendekati kata sempurna.
Semoga isi yang tertuang dalam tugas akhir ini tidak hanya bernilai guna, tapi juga bernilai
manfaat bagi kalangan akademik khususnya. Amin.

Bogor, Februari 2012

Ela Hasri Windari

 viii

DAFTAR ISI
Halaman
DAFTAR TABEL ..................................................................................................................... ix
DAFTAR GAMBAR . ............................................................................................................... x
DAFTAR LAMPIRAN ............................................................................................................. xi
I PENDAHULUAN ............................................................................................................. 1
1.1 Latar Belakang ......................................................................................................... 1
1.2 Tujuan ...................................................................................................................... 1
II TINJAUAN PUSTAKA .................................................................................................... 2
2.1 Dinamika Atmosfer Indonesia .................................................................................. 2
2.2 Interaksi Lautan–Atmosfer di Samudera Pasifik ...................................................... 2
2.3 Keragaman Curah Hujan Indonesia ......................................................................... 7
III METODOLOGI ................................................................................................................ 8
3.1 Waktu dan Tempat Penelitian .................................................................................. 8
3.2 Alat dan Data yang digunakan ................................................................................. 8
3.3 Metode Penelitian ..................................................................................................... 9
IV HASIL DAN PEMBAHASAN ......................................................................................... 13
4.1 El Niño Konvensional dan El Niño Modoki ............................................................ 13
4.2 Perbandingan Pengaruh El Niño Modoki dan El Niño Konvensional Terhadap
Curah Hujan Monsunal di Indonesia ........................................................................ 20
4.3 Pengaruh El Niño Modoki Terhadap Perilaku Curah Hujan Monsunal
di Indonesia .............................................................................................................. 25
V KESIMPULAN DAN SARAN ........................................................................................ 28
5.1 Kesimpulan .............................................................................................................. 28
5.2 Saran ......................................................................................................................... 28
DAFTAR PUSTAKA . .............................................................................................................. 29
LAMPIRAN .............................................................................................................................. 31
 ix

DAFTAR TABEL

Halaman
1 Faktor-faktor yang mempengaruhi cuaca dan iklim Indonesia ....................................... 8
2 Nilai Kritis Koefisien Korelasi Pearson ........................................................................... 12
3 Curah hujan normal wilayah kajian ................................................................................ 20
4 Koefisien korelasi anomali curah hujan terhadap EMI (musiman: DJF, MAM, JJA, SON) 23
5 Koefisien korelasi anomali curah hujan terhadap EMI, Niño3.4, dan Niño4 (musiman:
JJA dan SON) ................................................................................................................... 24
6 Korelasi silang: Series Pair EMI with Banjar Baru .......................................................... 25
 x

DAFTAR GAMBAR

Halaman

1 Plot deret waktu Niño3 (atas) dan Niño3.4 (bawah); 1950–1979 ........................................ 3
2 Wilayah Niño ....................................................................................................................... 3
3 Skematik kondisi Normal dan El Niño Konvensional ......................................................... 4
4 Pola penghangatan El Niño Konvensional dan El Niño Modoki di Pasifik tropis .............. 5
5 Komposit aSML (ºC) selama kejadian El Niño Modoki . .................................................... 5
6 Wilayah perhitungan El Niño Modoki Index ....................................................................... 6
7 Skematik kondisi Normal dan El Niño Modoki .................................................................. 7
8 Pola curah hujan di Indonesia terbagi menjadi 3 wilayah A (Monsoonal) pada garis
Tebal, wilayah B (Equatorial) pada garis samar pendek dan Wilayah C (Local) pada
garis samar panjang . ............................................................................................................ 7
9 Skema faktor pengendali curah hujan wilayah Indonesia .................................................... 8
10 Skema transformasi Fourier …………………………………………………. .................... 10
11 Skema transformasi Wavelet . .............................................................................................. 10
12 Diagram Hovmoller ............................................................................................................. 11
13 Diagram metodologi penelitian . .......................................................................................... 13
14 Analisis regresi aSML EMI terhadap aSML 4 wilayah Niño ............................................... 14
15 Plot time series aSML 4 wilayah Niño dan EMI periode 1979 – 2010 ............................... 15
16 Periodisitas aSML Niño dan EMI 1979 – 2010 ................................................................... 16
17 Plot deret waktu aSML EMI dan Niño Periode 1979 – 2010 .............................................. 16
18 Analisis Wavelet El Niño Konvensional (Niño3.4) periode 1979 – 2010 ............................ 17
19 Analisis Wavelet El Niño Modoki (EMI) periode 1979 – 2010 ........................................... 17
20 Plot deret waktu Box EMI periode1979 – 2010 ................................................................... 19
21 Fase pertumbuhan El Niño Modoki ..................................................................................... 20
22 Peta wilayah kajian bertipe curah hujan monsunal .............................................................. 20
23 Pola osilasi dominan curah hujan monsunal wilayah kajian ................................................ 21
24 Kondisi anomali curah hujan wilayah kajian pada kejadian El Niño Modoki 1994 dan El
Niño Konvensional 1997 ..................................................................................................... 22
25 Persentase penurunan total curah hujan tahunan pada kejadian El Niño Modoki 1994 dan
El Niño Konvensional 1997 terhadap kondisi normal ......................................................... 22
26 Perbandingan analisis spasial terhadap curah hujan wilayah Indonesia tahun El Niño
Modoki kuat, El Niño Konvensional, dan tahun normal ..................................................... 23
27 Jeda waktu (lag time) curah hujan Banjar Baru terhadap El Niño Modoki 1994 ................ 25
28 Analisis spasial Hovmoller dengan GrADS 2.0 terhadap wilayah kajian tahun El Niño
Modoki kuat dibandingkan dengan tahun normal ............................................................... 26
 xi

DAFTAR LAMPIRAN
Halaman
1 Data insitu curah hujan bulanan wilayah kajian periode 1971–2000 .................................. 32
2 Curah hujan normal wilayah kajian periode 1971–2010 .................................................... 40
3 Koefisien Korelasi musimam anomali curah hujan wilayah kajian terhadap El Niño
Modoki Index (EMI) periode 1971–2010 .......................................................................... 41
4 Plot deret waktu 3 box EMI periode 1971–2010 ................................................................ 41
5 Plot aSML EMI 7 kejadian Modoki kuat periode 1979–2010 ............................................ 42
6 Script untuk pengolahan data menggunakan perangkat lunak Matlab R2008a .................. 42
7 Script untuk pengolahan data dengan menggunakan GrADS 2.0 ....................................... 47
8 Distribusi spasial Hovmoller curah hujan wilayah kajian pada tahun kejadian El Niño
Modoki 2002/03 dan 2009/10 ............................................................................................ 49
9 Hasil korelasi silang El Niño Modoki Index (EMI) dengan anomali curah hujan wilayah
kajian Periode 1994-1995 ................................................................................................... 50

I. PENDAHULUAN
1.1 Latar Belakang
Sistem cuaca/iklim di Indonesia sangat
unik, kompleks, dan dinamis. Hal ini tidak
terlepas dari letak geografis Indonesia yang
diapit oleh dua benua, Asia – Australia, dan
dua samudera, Samudera Pasifik – Samudera
Hindia. Kondisi tidak normal cuaca/iklim
terjadi karena pengaruh fenomena iklim
global. Dalam mempelajari fenomena iklim
global diperlukan pemahaman terkait sistem
peredaran umum atmosfer Indonesia. Dua
komponen peredaran umum yang ikut
mempengaruhi sistem cuaca/iklim Indonesia
yaitu peredaran utara–selatan (meridional)
yang disebut sebagai sirkulasi Hadley dan
peredaran timur–barat (zonal) yang disebut
sirkulasi Walker. Keragaman iklim berkaitan
dengan dinamika sirkulasi Walker, salah
satunya berkaitan dengan adanya fenomena
interaksi lautan-atmosfer yang dikenal dengan
istilah El Niño and Southern Oscillation
(ENSO) dengan dua kemungkinan
kejadiannya yaitu El Niño atau La Niña.
Siklus El Niño biasanya muncul antara 4-7
tahun sekali, namun dalam beberapa tahun
terakhir muncul lebih awal dan semakin
sering terjadi. Menurut Yeh et al. (2009), hal
ini diperkirakan berkaitan dengan perubahan
iklim yang terjadi sebagai akibat adanya
pemanasan global. Data anomali suhu muka
laut di wilayah Niño (sepanjang Samudera
Pasifik ekuator bagian tengah dan timur)
menunjukkan bahwa frekuensi kejadian El
Niño semakin meningkat. Tercatat dalam
tempo 12 tahun (1994–2006) terjadi enam kali
El Niño; 1994, 1997, 2002, 2003, 2006.
Ashok et al. (2007) telah melakukan
kajian terhadap anomali suhu muka laut di
Samudera Pasifik tropis yang terjadi pada
tahun 2004 terutama terkait dengan pola
penghangatan dan pola interaksinya. Hasil
kajian tersebut memperkenalkan suatu istilah
yang menggambarkan pola anomali
penghangatan suhu muka laut yang berbeda
dari biasanya, yang dikenal dengan istilah El
Niño Modoki. Kemudian istilah ini menjadi
semakin dikenal dan menarik perhatian
kalangan komunitas peneliti iklim global.
Sehingga mulai banyak yang mengkaji
tentang El Niño Modoki, dampaknya, dan
interaksinya di berbagai wilayah (contoh:
Chang et al. (2008), Li et al. (2010a &
2010b), Yu & Kim (2010), Lee & McPhaden
(2010)).
Fenomena iklim ekstrim menjadi suatu
kajian yang menarik perhatian para peneliti
1
iklim global. Seperti yang dilakukan
Coughlan et al. (2004) terkait kekeringan
yang berlangsung lama pada tahun 2002 dan
tercatat sebagai kekeringan dengan peringkat
ke-4 terparah sepanjang sejarah kekeringan di
Australia. Weng et al. (2007) juga mengkaji
fenomena iklim ekstrim yang terjadi pada
tahun 2004. Pada tahun tersebut tercatat
bahwa suhu udara di Jepang sangat tinggi dan
ada 10 kejadian topan yang memecahkan
rekor topan musim panas. Wilayah Amerika
utara bagian barat mulai dari Alaska hingga
California juga mengalami kekeringan yang
parah.
Tahun 2002 dan 2004 merupakan tahun
yang menunjukkan pola penghangatan suhu
muka laut yang terkonsentrasi hanya di
Pasifik bagian tengah. Hasil analisis kajian
Weng et al (2007) dan Ashok et al. (2007)
menyatakan bahwa semua fenomena iklim
ektrim tersebut di atas tidak bisa dijelaskan
oleh pola interaksi El Niño dan La Niña biasa
karena ada indikasi kecenderungan fenomena
iklim ekstrim di atas sebagai dampak interaksi
El Niño Modoki terhadap kondisi iklim
global.
Kejadian El Niño Modoki sendiri
ditunjukkan oleh adanya ‘kolam panas’ yang
terkonsentrasi hanya di bagian tengah
Samudera Pasifik ekuator, sedangkan di
bagian timur dan baratnya tetap dingin.
Fenomena ini juga baru dipublikasikan tahun
2004 oleh peneliti JAMSTEC pada berbagai
press release. Sejauh ini, dari kajian yang
dilakukan peneliti Badan Riset Kelautan
Jepang (Japan Agency for Marine–Earth
Science and Technology, JAMSTEC), wilayah
Indonesia belum banyak diteliti. Penelitian ini
diharapkan dapat memberikan informasi yang
jelas mengenai perbedaan El Niño
Konvensional dengan El Niño Modoki,
khususnya berkaitan dengan pengaruhnya
terhadap perilaku curah hujan monsunal di
Indonesia.
1.2 Tujuan
Tujuan dilakukannya penelitian tentang El
Niño Modoki dan pengaruhnya terhadap
perilaku curah hujan monsunal di Indonesia
adalah sebagai berikut:
a. Mempelajari perbedaan antara El Niño
Konvensional dan El Niño Modoki.
b. Membandingkan pengaruh fenomena
iklim global El Niño Modoki dan El Niño
Konvensional terhadap curah hujan
monsunal di wilayah Indonesia.

c. Mengetahui pola interaksi El Niño Modoki
di Samudera Pasifik terhadap perilaku
curah hujan monsunal di Indonesia.
II. TINJAUAN PUSTAKA
2.1 Dinamika Atmosfer Indonesia
Indonesia sebagai suatu negara kepulauan
dengan wilayah perairan yang relatif cukup
luas, memiliki karakteristik yang berbeda
dengan atmosfer di wilayah khatulistiwa
lainnya. Ramage (1968) menyebut kondisi ini
sebagai Indonesia Maritime Continent (IMC)
atau lebih dikenal dengan “Benua Maritim
Indonesia” (BMI). Hal ini disebabkan
diantaranya oleh letak geografis Indonesia
yang unik, yakni diapit oleh dua benua besar
(Asia dan Australia) dan dua samudera besar
(Hindia dan Pasifik).
Benua Maritim Indonesia merupakan
wilayah dengan proses konveksi yang paling
aktif (deep convection) di dunia (Hamada et
al. 2002). Proses tersebut merupakan salah
satu faktor yang mendominasi cuaca dan iklim
di BMI. Selain karena pengaruh posisi
geografisnya berada di khatulistiwa sehingga
menerima energi radiasi matahari yang besar,
kondisi Indonesia yang 2/3 bagian wilayahnya
terdiri atas perairan ikut mempengaruhi status
deep convection ini. Oleh karena itu, BMI
merupakan daerah surplus energi dan uap air,
yang keduanya merupakan bahan bakar utama
dalam proses konveksi. Oleh karena adanya
konveksi aktif dari lautan tersebut, maka
menjadi pemicu terhadap pembentukan dan
pertumbuhan awan hujan cumulonimbus.
Selain itu, aliran panas dari daratan yang
dikelilingi lautan, sirkulasi angin darat–laut,
dan topografi pegunungan dapat mendorong
terjadinya proses konveksi. Inilah yang
membuat keragaman curah hujan BMI sangat
tinggi. Menurut letak astronomisnya Indonesia
berada pada 6⁰LU-11⁰LS dan 96⁰BT-141⁰BT.
Kondisi ini memposisikan Indonesia sebagai
negara kepulauan yang memiliki 1/8 bagian
keliling bumi. Keseluruhan karakteristik
tersebut menjadikan Indonesia sebagai
laboratorium atmosfer terbesar di dunia.
Dinamika atmosfer Indonesia sangat
kompleks. Wilayah Indonesia menjadi
pertemuan antara sirkulasi zonal (timur–barat)
dan sirkulasi meridional (utara–selatan).
Kombinasi fenomena interaksi lautan
atmosfer di Samudera Pasifik dan Samudera
Hindia yang membentuk sirkulasi zonal
menjadi faktor penentu yang relatif
mempengaruhi keragaman iklim Indonesia.
2
Keragaman iklim merupakan fluktuasi unsur-
unsur iklim yang terjadi pada rentang waktu
tertentu seperti variasi musiman atau tahunan
(pergeseran waktu dan durasi musim hujan
dan kemarau) termasuk kejadian iklim
ekstrim. Faktor monsun yang dihasilkan dari
sirkulasi meridional dan faktor lokal juga
berkaitan erat terhadap keragaman iklim
Indonesia.
2.2 Interaksi Lautan dan Atmosfer di
Samudera Pasifik
Salah satu faktor pengendali keragaman
iklim khususnya curah hujan antar tahunan di
wilayah Indonesia adalah fenomena berskala
global yang dikenal dengan istilah El Niño.
Fenomena El Niño terjadi akibat adanya
penyimpangan dari kondisi normal interaksi
antara lautan dan atmosfer di sepanjang
Samudera Pasifik ekuator. Secara umum,
peristiwa El Niño berulang antara 2–7 tahun.
Di Indonesia, peristiwa El Niño diidentikkan
dengan musim kering yang melebihi kondisi
normalnya. Hal ini berbanding terbalik
dengan peristiwa La Niña yang mampu
menghasilkan curah hujan melebihi batasan
normalnya (Ropelweski & Halpert 1987).
2.2.1 El Niño Konvensional
a. Definisi El Niño
Istilah El Niño telah mengalami
perkembangan definisi dari tahun ke tahun,
sehingga dapat menimbulkan kebingungan
dalam penggunaannya. Oleh karena fenomena
ini semakin terlihat jelas dalam beberapa
tahun terakhir sebagai mode dominan
keragaman iklim antar tahunan di seluruh
dunia, maka diperlukan definisi El Niño yang
lebih baik dan definitif (Trenberth 1997).
Pada awalnya terminologi El Niño
digunakan untuk memberi nama arus air laut
yang menghangat dari kondisi normal tahunan
yang mengalir ke arah selatan sepanjang
pesisir Peru dan Ekuador pada bulan
desember. Hingga saat ini banyak ditemukan
defini tentang El Niño, hal ini disebabkan
perbedaan cara pandang para ahli dalam
memahami El Niño.
Quinn et al. (1978) membuat daftar
kejadian El Niño mulai dari tahun 1726 dan
ukuran intensitas El Niño pada skala 1 sampai
4 (kuat, sedang, lemah, dan sangat lemah).
Ukuran yang digunakan untuk mendefinisikan
El Niño dan intensitasnya terutama didasarkan
pada fenomena di sepanjang pantai Amerika
Selatan. Pada awal 1980–an, sebuah Komite
Ilmiah untuk penelitian kelautan, kelompok
kerja SCOR WG 55 (1983) dibentuk dan

mendefinisikan El Niño sebagai berikut: “El
Niño adalah munculnya anomali air hangat di
sepanjang pantai Ekuador dan Peru hingga
sejauh bagian selatan Lima (12°S) dengan
anomali suhu muka laut melebihi nilai standar
deviasinya untuk setidaknya empat bulan
berturut-turut. Anomali suhu muka laut
(selanjutnya disingkat menjadi aSML) yang
melebihi kondisi normal ini harus terjadi
setidaknya pada tiga dari lima stasiun di
pantai Peru”. Definisi ini ditolak banyak
ilmuwan karena hanya memperhatikan
kejadian di Pesisir Peru saja. Para praktisi
ilmiah memiliki cara pandang berbeda-beda
terhadap El Niño. Menurut Japan
Meteorological Agency (JMA), definisi El
Niño (La Niña) adalah normalisasi data
anomali SML 5 bulanan area 4°N–4°S dan
150°W–90°W (dikenal dengan wilayah
Niño3) melebihi standar deviasi anomali SML
0.5ºC (–0.5ºC) atau lebih tinggi (lebih rendah)
selama enam bulan berturut–turut atau lebih
(Trenberth 1997).
Gambar 1 Plot deret waktu Niño 3 (atas) dan
Niño 3.4 (bawah); 1950–1979.
(NOAA 2011)
Gambar 1 menunjukkan aSML Niño3 dan
Niño3.4, dengan normalisasi data lima
bulanan menggunakan data dari NOAA pada
periode dasar klimatologi 1950–1979.
Normalisasi data aSML di wilayah Niño3 dan
Niño3.4 dilakukan untuk mengurangi dampak
variasi antar musiman di Pasifik tropis. Nilai
ambang batas ±0.5°C untuk Niño3 dan ±0.4°C
untuk Niño3.4 diberi warna untuk
menunjukkan peristiwa El Niño. Wilayah
Niño3 dibatasi oleh 170⁰–120⁰W dan 5°S–
3
5°N. Sedangkan wilayah Niño3.4 dibatasi
oleh 120°W–170°W dan 5°S –5°N.
Aktivitas El Niño sepanjang tahun dapat
diukur melaui indeks anomali suhu muka laut
setiap bagian wilayah yang berbeda di
sepanjang samudera Pasifik tropis (Trenberth
dan Stepaniak 2001). Samudera Pasifik tropis
terbagi menjadi 4 bagian wilayah Niño
(Gambar 2), yaitu NIÑO3 (5⁰N–5⁰S, 150W–
90⁰W), NIÑO3.4 (5⁰N–5⁰S, 170⁰W–120⁰W),
NIÑO1+2 (0⁰–10⁰S, 90⁰W–80⁰W), dan
NIÑO4 (5⁰N–5⁰S, 160⁰E–150⁰W). Adapun N
untuk Lintang Utara, S untuk Lintang Selatan,
W untuk Bujur Barat, dan E untuk Bujur
Timur. Keempat wilayah Niño tersebut
memiliki indeksnya masing-masing sesuai
dengan kondisi anomali suhu muka lautnya.
Gambar 2 Wilayah Niño.
(IRI 2011)
NOAA menggunakan indeks Niño3.4
untuk menentukan kejadian El Niño. Indeks
ini didefinisikan sebagai rata–rata 3 bulanan
data SML wilayah kritis Pasifik ekuator
(wilayah Niño3.4; 5°N–5°S, 120°W–170°W).
Wilayah ini merupakan apa yang disebut oleh
para ilmuwan sebagai “equatorial cold
tongue”, kolam dingin yang terbentang di
sepanjang ekuator dari pantai selatan Amerika
hingga Samudera Pasifik tengah. Pergerakan
rata–rata bulanan SML di wilayah ini sangat
penting dalam menentukan penyebab utama
tidak hanya pada pergeseran pola curah hujan
tropis disana, tapi juga mempengaruhi jet
streams dan pola suhu udara serta hujan di
dunia.
NOAA (2003) memberikan definisi
terbaru untuk kejadian El Niño dan La Niña
berdasarkan indeks Niño3.4, yaitu: El Niño,
fenomena di Samudera Pasifik ekuator yang
dicirikan oleh SML mulai beranjak positif di
atas normal (periode klimatologis 1971–2000
sebagai acuan) di wilayah Niño3.4 yang
melebihi atau sama dengan 0.5ºC, rata–rata 3
bulan berturut–turut atau lebih. Sedangkan La
Niña, fenomena di Samudera Pasifik ekuator
yang dicirikan oleh SML mulai beranjak

negatif di bawah normal (periode klimatologis
1971–2000 sebagai acuan) di wilayah Niño3.4
yang melebihi atau sama dengan 0.5ºC, rata-
rata tiga bulan berturut-turut atau lebih.
b. Mekanisme Fisik El Niño
Pemahaman tentang mekanisme fisik
fenomena iklim global El Niño (La Niña)
terlebih dahulu memerlukan pemahaman
terhadap sistem angin pasat normal di Lautan
Pasifik tropis. Wilayah ekuator menerima
radiasi matahari yang lebih banyak dan merata
sepanjang tahun dibanding wilayah lainnya
seperti subtropis dan kutub. Akibatnya udara
di sekitar wilayah ekuator yang bertekanan
rendah akan cenderung naik (akibat
densitas/kerapatan udara yang kecil) dari
permukaan. Udara yang naik ini digantikan
oleh aliran udara dari wilayah subtropis. Gaya
Coriolis membelokkan aliran ini ke kanan di
belahan bumi utara (BBU) dan ke kiri di
Belahan Bumi Selatan (BBS) sehingga
terdapat sabuk angin pasat yang besar
mengalir menuju ekuator dan ke arah barat
dari Pasifik tropis. Kondisi tersebut
menimbulkan sistem kopel dan interaksi
lautan–atmosfer di Pasifik tropis. Angin
menentukan suhu muka laut, tetapi suhu muka
laut juga menentukan angin. Sifat angin
mengalir dari wilayah bertekanan udara tinggi
ke wilayah bertekanan udara rendah.
Kondisi normal (Gambar 3a) ditandai
dengan suhu muka laut yang lebih dingin di
Pasifik timur dan lebih hangat di Pasifik barat.
Angin mengalir menuju suhu air laut yang
lebih hangat karena tekanan udara diatas
muka lautnya lebih rendah. Suhu air laut yang
hangat memanaskan udara di atasnya sehingga
udara tersebut naik. Udara yang naik
digantikan oleh udara di tempat lain. Karena
tekanan angin pasat tersebut, muka air laut di
Indonesia lebh tinggi sekitar 0.5 meter
daripada di Peru. Angin yang bergerak ke
barat sepanjang ekuator mendorong air panas
ke barat sehingga termoklin naik dan air
dingin di bawahnya muncul ke muka
(upwelling) di wilayah Pasifik timur ekuator.
Upwelling mendinginkan air permukaan di
Pasfik timur (Wiratmo 1998).
Pada saat El Niño terjadi (Gambar 3b),
seluruh sistem yang dijelaskan di atas
melemah. Angin pasat melemah, khususnya di
batas barat Pasifik ekuator sehingga air yang
menumpuk di barat akan berbalik ke timur
dan membawa kolam hangat tersebut
bersamanya. Wilayah udara yang terangkat ke
atas bergeser pula ke timur seiring dengan
bergesernya kolam hangat tersebut ke timur
4
sehingga udara hangat dan kelembaban yang
dipompa ke atmosfer atas juga ikut bergeser.
Pergeseran ini menyebabkan pola cuaca dunia
juga turut berubah. Angin pasat melemah,
sehingga upwelling juga turut melemah.
Kolam panas yang bergeser ke timur
menyebabkan air yang di–upwelling–kan juga
tidak sedingin seperti pada kondisi normal.
Bila suhu muka laut di Pasifik tropis bagian
timur hangat, maka perbedaan suhu timur–
barat menjadi lebih kecil sehingga angin pasat
menjadi lemah. Upwelling merupakan
peristiwa naiknya massa air di bawah
permukaan laut menuju permukaan laut.
Angin pasat mendorong air permukaan laut ke
Pasifik tropis bagian barat dan menyebabkan
upwelling di pantai barat Amerika Selatan
(Wiratmo 1998).
a. Kondisi Normal
b. El Niño Konvensional
Gambar 3 Skematik mekanisme fisik
kondisi Normal dan El Niño
Konvensional.
(Ashok & Yamagata 2009)
2.2.2 El Niño Modoki
a. El Niño Modoki sebagai Tipe Baru
Fenomena El Niño
El Niño Modoki yang juga merupakan
fenomena couple atmosfer–lautan di kawasan
Pasifik tropis berbeda dengan fenomena El
Niño yang biasanya terjadi (selanjutnya
disebut sebagai El Niño Konvensional) yang
muncul di Pasifik tropis. El Niño
Konvensional ditandai dengan anomali
penghangatan yang kuat di bagian timur
Pasifik ekuator (Gambar 4a). Sedangkan, El

Niño Modoki berkaitan dengan anomali
penghangatan yang kuat di pasifik tropis
bagian tengah disertai dengan pendinginan di
wilayah bagian timur dan baratnya (Gambar
4b). Sehubungan dengan pola penghangatan
dan pendinginan yang tidak biasa ini,
telekoneksinya pun sangat berbeda dari pola
telekoneksi El Niño Konvensional. Oleh
karena itu, fenomena yang termasuk baru ini
menjadi daya tarik tersendiri bagi kajian
komunitas peneliti iklim global dunia
(JAMSTEC 2011).
a. El Niño Konvensional
b. El Niño Modoki
Gambar 4 Pola Penghangatan El Niño
Konvensional dan El Niño
Modoki di Pasifik tropis.
(Weng et al. 2007)
Menurut Ashok et al. (2007), keberadaan
pola aSML yang tidak biasa ini (Gambar 4b)
juga pernah ditemukan oleh para peneliti
sebelumnya seperti Weare et al. (1976),
Rasmusson dan Carpenter (1982), Donguy
dan Dessier (1983), dan Meyers et al. (1999).
Namun baru diteliti secara mendalam oleh
Yamagata (2004) beserta timnya dari Japan
Agency for Marine-Earth Science Technology
(JAMSTEC), karena sifat khusus yang terlihat
berbeda jelas dengan El Niño Konvensional,
bahkan berbeda dari yang didefinisikan oleh
NOAA (2003). Dengan mengacu kepada pola
unik dan tidak biasa anomali suhu muka laut
hasil observasi tahun 2004 di sepanjang
Pasifik tropis, Ashok et al. (2007) menamakan
pemanasan yang hanya terkonsentrasi di
wilayah Pasifik tropis bagian tengah
(mencakup wilayah Niño4) dan diapit oleh
aSML yang lebih dingin di bagian timur dan
baratnya sebagai El Niño Modoki (Pseudo El
Niño).
5
Istilah El Niño Modoki pertama kali
diperkenalkan dan dipublikasikan oleh Toshio
Yamagata dalam berbagai press release media
informasi Jepang terkait penjelasannya dalam
hal kemungkinan penyebab kondisi iklim
musim panas yang tidak normal di Jepang
pada tahun 2004 (seperti dikutip dalam Japan
Times pada 24 Juli 2004 dibawah judul “Mock
El Niño: culprit behind heat wave, floods”.
Toshio Yamagata adalah seorang Profesor di
Universitas Tokyo dengan spesialisasi bagian
dinamika iklim global.
Fenomena yang sepintas terlihat seperti El
Niño di Pasifik bagian tengah pada tahun
2004 telah memicu terjadinya gelombang
panas dan banjir di berbagai belahan wilayah
Jepang. Yamagata (2004) mengatakan bahwa
peningkatan aSML di wilayah ini mampu
mengaktifkan arus konveksi dan memicu
terbentuknya tekanan yang lebih tinggi di
Pasifik tengah. Di Jepang berakibat musim
panas yang lebih hangat dari kondisi musim
panas normalnya. Sedangkan untuk dampak di
Indonesia, masih belum dikaji secara
mendalam.
Gambar 5 Komposit aSML (ºC) selama
kejadian El Niño Modoki positif
kuat (a) tujuh musim panas boreal,
yaitu musim JJAS 1986, 1990,
1991, 1992, 1994, 2002, dan 2004
(b) delapan musim dingin boreal,
yaitu musim DJF 1979–80, 1986–
87, 1990–91, 1991–92, 1992–93,
1994–95, 2002–03, dan 2004–05.
Nilai Signifikan di atas selang
kepercayaan 95% dari uji t–student
dua arah. (Ashok et al. 2007)
Gambar 5 dapat memperjelas gambaran
bahwa pada musim panas boreal JJAS terlihat
adanya dua kutub penghangatan di Pasifik

bagian tengah. Pola penghangatan yang unik
ini semakin terlihat dengan jelas pada musim
dingin boreal DJF. Istilah boreal mengacu
pada kondisi iklim di belahan bumi utara.
Istilah El Niño Modoki sekarang sudah
populer di kalangan peneliti dan pengamat
iklim global terutama di Jepang dan Asia.
Ashok et al. (2007) menjelaskan bahwa kata
Modoki berasal dari bahasa Jepang klasik
yang berarti “serupa tapi tidak sama” (similar
but different thing), mengacu kepada
fenomena yang menyerupai El Niño
Konvensional namun jelas berbeda secara
spasial dan temporal serta bersifat independen
dari fenomena El Niño Konvensional.
Berawal dari tujuan untuk menjelaskan
fenomena unik 2004 di Pasifik tengah dengan
definisi yang tepat, Ashok et al. (2007)
mengklasifikasikan kejadian 2004 dan
kejadian lain yang serupa sebagai suatu entitas
yang berbeda dengan El Niño Konvensional,
sehingga menghasilkan pola telekoneksi yang
juga berbeda. Pola unik ini semakin sering
terjadi sejak akhir tahun 1970–an hingga
sekarang. Tercatat beberapa kejadian unik El
Niño Modoki sepanjang 1979–2004: 1986,
1990, 1991, 1992, 1994, 2002, dan 2004.
Anomali suhu muka laut positif yang
berlangsung lama dari tahun 1990–1994
disebut sebagai El Niño Modoki yang
berlarut–larut. Ada juga yang menyebut
bahwa kejadian ini merupakan El Niño yang
berlangsung sangat lama. Yeh et al. (2009)
menyatakan kejadian El Niño Pasifik tengah
(istilah lain yang mengacu kepada El Niño
Modoki) akan lebih sering ditemukan jika
pemanasan global terus meningkat.
Pola aSML El Niño Modoki yang tidak
biasa bukan merupakan bagian dari evolusi El
Niño Konvensional sebagaimana yang
disebutkan oleh Trenberth dan Stepaniak
(2002). Jika hipotesis tersebut berlaku, maka
kondisi El Niño Modoki pada musim panas
boreal 2004 sudah diikuti (didahului) oleh El
Niño Konvensional setelahnya (sebelumnya)
dengan perkiraan lag time 3–12 bulan. Tapi
pada kenyataannya, berdasarkan data
observasi aSML Niño3 dan Niño3.4 tidak satu
pun dari hal yang disebutkan diatas terjadi.
Hanya kejadian periode 1982–1983 yang
sesuai dengan hipotesis tersebut. Tahun 1997
yang disebut sebagai El Niño Konvensional
sangat kuat didahului oleh El Niño Modoki
yang sangat lemah. Hipotesis ini juga tidak
berlaku pada kejadian El Niño 1990–1994
yang berlarut–larut (Ashok et al. 2007).
6
Gambar 6 Wilayah Perhitungan El Niño
Modoki Index. (Ashok et al.
2007)
Secara matematis, Ashok et al. (2007)
mendefinisikan El Niño Modoki melalui suatu
persamaan sebagai berikut:
EMI = [SSTA]Central – (0.5[SSTA]East +
0.5[SSTA]West)
Keterangan:
[SSTA]Central = 165⁰E–140⁰W, 10⁰S–10⁰N
[SSTA]East = 110⁰W–70⁰W, 15⁰S–5⁰N
[SSTA]West = 125⁰E–145⁰E, 10⁰S–20⁰N.
SSTA yang merupakan singkatan dari Sea
Surface Temperature Anomalies merupakan
istilah global yang merujuk pada anomali
suhu muka laut (aSML). Persamaan diatas
menghasilkan suatu indeks yang dikenal
sebagai El Niño Modoki Index (EMI). EMI
menjadi tolak ukur kejadian El Niño Modoki.
Gambar 6 mendeskripsikan cakupan wilayah
dalam perhitungan EMI.
Menurut Ashok et al (2007), aSML
dikategorikan termasuk ke dalam fase El Niño
Modoki kuat ketika amplitudo indeksnya ≥
0.7σ, dengan σ adalah standar deviasi
musiman, sehingga berdasarkan ketentuan
tersebut diperoleh 0.50⁰C dan 0.54⁰C sebagai
threshold EMI untuk musim panas (boreal
summer) dan musim dingin (boreal winter).
b. Mekanisme Fisik El Niño Modoki
Pada kondisi normal, air permukaan laut
dan udara yang lebih hangat didorong ke arah
barat oleh angin dominan yang bertiup.
Akibatnya terjadi upwelling air laut yang
dingin di sisi timur dan pendangkalan
termoklin (lapisan pembatas di bawah
permukaan laut yang menunjukkan perbedaan
tajam antara air lapisan atas yang lebih hangat
dengan air permukaan bagian bawah yang
lebih dingin). Kondisi Oseanografi yang
berlawanan berlaku di bagian barat. Sehingga
di atmosfer, sisi barat lebih hangat dan lebih
basah. Berdasarkan Gambar 7a, warna
kemerahan menunjukkan kondisi suhu muka
laut yang lebih hangat, warna kebiruan
 7

menunjukkan suhu muka laut yang lebih secara spasial (keruangan). Keadaan ini
dingin. disebabkan oleh posisi Indonesia yang
dilewati oleh garis khatulistiwa dan
a. Kondisi Normal keberadaannya diantara dua benua dan dua
samudera. Selain itu keadaan Indonesia yang
memiliki banyak pulau besar dan kecil dengan
topografi yang beragam juga dapat
mengakibatkan tingginya keragaman hujan di
Indonesia. Karena memiliki tingkat
keragaman yang tinggi, kondisi data curah
hujan di Indonesia memerlukan observasi
yang panjang dengan perwakilan sebaran data
yang memadai (As-Syakur 2010).

b. El Niño Modoki

Gambar 8 Pola Curah Hujan di Indonesia;

terbagi menjadi 3, wilayah A
(Monsoonal) pada garis tebal,
Gambar 7 Skematik Kondisi Normal dan El wilayah B (Equatorial) pada
Niño Modoki. garis samar pendek dan Wilayah
(Ashok & Yamagata 2009) C (Local) pada garis samar
panjang (Aldrian & Susanto
Kejadian El Niño Modoki (Gambar 7b)
2003)
merupakan sejenis kondisi anomali yang
perbedaannya sangat jelas dengan El Niño
Berdasarkan Gambar 8, pola curah hujan
Konvensional. SML yang lebih hangat
di Indonesia memiliki tiga tipe (Aldrian &
terbentuk di Pasifik bagian tengah, diapit
Susanto 2003), yaitu:
dengan SML yang lebih dingin di kedua sisi
1. Monsoonal; ciri khusus wilayah yang
barat dan timurnya. Sehingga pola khusus
memiliki tipe monsunal adalah hujan
konveksi atmosfer yang terjadi adalah tekanan
berlangsung selama enam bulan dan enam
udara di sisi timur dan barat yang lebih tinggi
bulan berikutnya berlangsung musim
akibat udaranya yang lebih dingin membuat
kemarau.
angin yang bertiup berasal dari kedua kutub
2. Equatorial; ciri khusus wilayah tipe curah
tersebut menuju ke bagian tengah Pasifik
hujan ekuatorial ditandai dengan sifat
tropis ekuator. Angin tersebut mengakibatkan
hujannya yang memiliki dua puncak
awan-awan konvektif yang bersumber dari sisi
maksimum dalam setahun, biasa
barat dan timur berpusat di bagian tengah.
berlangsung pada bulan Maret dan
Sehingga wilayah Pasifik bagian tengah
Oktober.
mengalami anomali yang tidak biasa menjadi
3. Local; ciri khusus wilayah tipe hujan lokal
lebih basah dan kedua sisi yang mengapitnya
berbalikan dengan tipe monsunal.
akan lebih kering akibat penarikan awan-awan
konvektif itu sendiri.
2.3.2 Faktor Pengendali Curah Hujan
Wilayah Indonesia
2.3 Keragaman Curah Hujan Wilayah
Ditinjau dari pergeseran posisi matahari
Indonesia
maka Indonesia yang terletak di sekitar
2.3.1 Karakteristik Curah Hujan Wilayah
ekuator mengalami dua kali pemanasan
Indonesia
maksimum, yaitu ketika matahari bergerak ke
Hujan merupakan salah satu unsur iklim
selatan melintasi ekuator, dan pada waktu
yang paling sering dikaji di Indonesia karena
kembali ke utara melintasi ekuator. Keadaan
memiliki tingkat keragaman yang sangat
ini menyebabkan puncak aktivitas konveksi
tinggi baik secara temporal (waktu) maupun
 8

yang menghasilkan hujan terjadi dua kali, Pada saat ini, kemungkinan memperoleh
yang pada umumnya dapat dilihat pada pola data curah hujan yang diperlukan dalam
curah hujan bulanan yang memiliki dua berbagai aplikasi ilmiah dapat diperoleh dari
puncak. Dengan demikian maka iklim di satelit meteorologi. Satelite meteorologi dapat
daerah Indonesia dipengaruhi oleh beberapa menyediakan data hujan dengan sebaran yang
faktor yaitu faktor global, faktor regional, dan lebih baik serta dengan penggabungan
faktor lokal (Tabel 1). berbagai jenis satelite dan data dari pos
Menurut Aldrian dan Susanto (2003), efek pengamatan hujan dalam suatu model iklim
kejadian El Niño pada curah hujan di akan lebih mampu meningkatkan keakuratan
Indonesia akan dimulai pada bulan April dan data yang dihasilkan oleh satelite meteorologi.
berakhir pada bulan Desember. Curah hujan Karena sebaran keberadaan pos penakar hujan
wilayah bagian selatan Indonesia atau wilayah tidak merata khususnya di daerah dengan
A merupakan daerah sensitif El Niño topografi sulit, daerah tidak berpenghuni, dan
sementara curah hujan di wilayah C yang di daerah sekitar lautan mengakibatkan
terletak di bagian timur Indonesia juga berkurangnya tingkat keakuratannya dalam
merupakan wilayah sensitif El Niño. Gambar menampilkan sebaran pola spasial curah hujan
9 menjelaskan secara skematik mekanisme (As–Syakur 2010).
sirkulasi global seperti El Niño ikut
mempengaruhi curah hujan Indonesia.
Tabel 1 Faktor–faktor yang Mempengaruhi
Cuaca dan Iklim Indonesia
Faktor Faktor Faktor
Global Regional Lokal
Skala
Skala Besar Skala Kecil
Sedang
Intra
Interannual Seasonal
Seasonal
Monsoon
Dingin Asia
Gambar 9 Skema faktor pengendali curah
Monsoon
hujan wilayah Indonesia.
Panas Asia Topografi
(BMKG 2011)
Pemanasan Monsoon dan
Global Dingin Geografi
Australia Daratan
Monsoon
III. METODOLOGI
Panas
Australia 3.1 Waktu dan Tempat Penelitian
Seruak Laut Penelitian ini dilaksanakan di Bagian
Cina Selatan Pemodelan Iklim (Moklim) Pusat
ENSO Seruak Orografi Pemanfaatan Sains Atmosfer dan Iklim,
Pantai Barat Lembaga Penerbangan dan Antariksa
Australia Nasional (LAPAN) Bandung dan
Angin Laboratorium Klimatologi Departemen
Angin Pasat Sirkulasi Lokal Geofisika dan Meteorologi IPB selama bulan
(Trade Laut di (Angin Maret–September 2011.
wind) Indonesia Darat dan
Laut)
3.2 Alat dan Bahan
Interaksi
Osilasi Seperangkat Personal Computer dan
harian
Madden ITCZ perangkat lunak; Microsoft office, Matlab
Daratan dan
Julian versi R2008a, SPSS versi 16, GrADS 2.0
Lautan
adalah alat yang digunakan dalam penelitian
Sirkulasi
ini. Adapun data yang digunakan sebagai
Global Siang dan
ARLINDO berikut:
(Walker– Malam a. Data utama berupa data EMI dan curah
Hadley) hujan.
(Sumber: Purwandani et al. 1998)

¾ Data El Niño Modoki Index (EMI),
berupa data deret waktu anomali suhu
muka laut bulanan (⁰C) hasil
perhitungan tiga wilayah formulasi El
Niño Modoki dengan periode waktu
1970–2010. Data EMI diperoleh dari
website JAMSTEC Jepang:
http://www.jamstec.go.jp/frcgc/researc
h/d1/iod/DATA/emi.monthly.txt
¾ Data observasi curah hujan rata-rata
bulanan (mm/bulan) beberapa wilayah
bertipe hujan monsun di Indonesia,
yaitu Lampung (Sumatera), Indramayu
(Jawa Barat), Makassar (Sulawesi
Selatan), Banjar Baru (Kalimantan
Selatan), dan Sumbawa Besar (Nusa
Tenggara Barat) periode 1970–2000.
Data pengamatan tersebut merupakan
data stasiun meteorologi/klimatologi
setempat, bersumber dari Badan
Meteorologi, Klimatologi, dan
Geofisika (BMKG).
¾ Data curah hujan bulanan satelit
TRMM 3B43 tahun 1998 – 2010, dapat
diperoleh di website:
ftp://disc2.nascom.nasa.gov/data/TRM
M/Gridded/3B43_V6/
Data satelit TRMM 3B43 memiliki
resolusi temporal bulanan dan resolusi spasial
0.25°x0.25° (NASDA 2001). Cakupan
pengamatan datanya adalah global, 50°N–
50°S dan 180°E–180°W, dan tersedia dari
bulan Januari 1998 sampai sekarang. Namun
dalam penelitian ini, data TRMM 3B43 yang
digunakan dibatasi pada periode 1998–2010.
Wilayah kajian yang dipilih adalah:
¾ Lampung (Sumatera),
¾ Indramayu (Jawa Barat),
¾ Makassar (Sulawesi Selatan),
¾ Banjar Baru (Kalimantan Selatan),
¾ Sumbawa Besar (Nusa Tenggara Barat),
Kelima wilayah yang dipilih dianggap
mewakili daerah di Benua Maritim Indonesia
(BMI) yang bertipe curah hujan monsunal.
b. Data pendukung, berupa data aSML empat
wilayah Niño.
¾ Data anomaly SML wilayah Niño
periode 1970–2010, merupakan data
anomali suhu permukan laut bulanan di
sepanjang Samudera Pasifik tropis
bagian timur dan tengah yang terdiri
atas Niño1+2, Niño3, Niño4, Niño3.4
dan dapat diperoleh di website:
http://www.cpc.ncep.noaa.gov/data/ind
ices/SSToi.indices
9
3.3 Metode Penelitian
Pelaksanaan tugas akhir dibagi menjadi
beberapa metode analisis, yaitu:
3.3.1 Metode Analisis Temporal
Data deret waktu adalah data yang
merupakan fungsi atas waktu dan antar
pengamatannya terdapat suatu hubungan yang
disebut dengan istilah berautokorelasi,
sehingga untuk menyajikan bentuk hubungan
fungsional antara data dengan waktunya tidak
bisa menggunakan metode analisis regresi
biasa. Mulyana (2004) menyatakan bahwa
salah satu metode dalam analisis temporal
data deret waktu yang jarang dibahas padahal
peranannya sangat besar dalam melengkapi
informasi mengenai ciri (characters) suatu
data deret waktu adalah analisis spektral.
Mulyana (2004) menyatakan bahwa
analisis spektral membahas mengenai cara
menelaah periodisitas data tersembunyi
(hidden periodecities) yang sulit diperoleh
pada saat kajian dilakukan pada kawasan
(domain) waktu. Kajian periodisitas data perlu
dilakukan untuk menambah informasi
mengenai karakteristik dari data deret waktu
tersebut, dan harus dilakukan pada kawasan
frekuensi melalui analisis spektral.
Analisis temporal data deret waktu dengan
metode FFT/PSD (Fast Fourier Transform /
Power Spectral Density) dan Wavelet
digunakan untuk mengetahui pola osilasi
dominan dan karakterisitik temporal dari
masing-masing indeks fenomena iklim global
yang dikaji. Indeks fenomena iklim global
yang dimaksud adalah aSML EMI dan aSML
Niño. Periode yang dipilih adalah deret 1979–
2010 dalam satuan ⁰C. Pola osilasi dominan
diketahui dengan puncak tertinggi pada alur
PSD yang menunjukkan energi spektral
terbesar, sedangkan variasinya terhadap waktu
dapat diketahui dengan metode Wavelet.
a. Metode Spektral FFT/PSD
Salah satu metode analisis spektral yang
umum digunakan adalah metode FFT. Data
deret waktu dapat dinyatakan sebagai deret
fourier yang merupakan fungsi harmonis,
sehingga dengan membangun fungsi spektrum
kuasanya, periodisitas data dapat ditentukan.
Transformasi Fourier biasa digunakan untuk
interpretasi fisis sederhana dari suatu sinyal,
untuk memperlihatkan frekuensi yang terdapat
dalam sebuah sinyal. Tetapi untuk
menentukannya tidak dapat dilakukan dalam
domain waktu, melainkan harus dalam
domain frekuensi sebab fungsi spektrum
kuasa merupakan fungsi atas autokorelasi
dengan frekuensi. Jika dilakukan pendugaan
 10

terhadap fungsi spektrum kuasa dan nilai-nilai
pendugaannya itu dipetakan terhadap
frekuensinya, maka akan diperoleh sebuah
garis spektrum. Periodisitas (osilasi dominan)
data ditentukan dengan cara melihat frekuensi
yang berpasangan dengan titik-titik puncak
garis spektrumnya (Mulyana 2004).
Analisis temporal yang pada kajian ini
menggunakan teknik FFT/PSD bertujuan
membandingkan karakteristik temporal.
Karakteristik temporal ditunjukkan oleh pola
periodisitas kejadian berulang fenomena iklim
global yang dianalisis, yaitu El Niño
Konvensional dan El Niño Modoki. El Niño
Konvensional didefenisikan oleh aSML 4
wilayah Niño dan El Niño Modoki
didefenisikan oleh EMI.

b. Metode Wavelet
Seperti halnya transformasi fourier,
Gambar 10 Skema Transformasi Fourier. transformasi Wavelet digunakan juga untuk
menganalisis sinyal ataupun data.
Transformasi Fourier membawa
Transformasi Wavelet (TW) adalah suatu
sinyal dari domain waktu ke metode yang dapat digunakan untuk
dalam domain frekuensi/periode. menganalisis mode keragaman dominan dan
(Tang 2009) bagaimana variasinya terhadap waktu, dengan
mendekomposisi deret waktu ke dalam
Definisi deret fourier adalah sebagai
domain waktu-frekuensi. Berbagai kajian di
berikut (Hermawan 2003):
bidang oseanografi, meteorologi, dan
∞
cos sin ….. (1) geofisika menggunakan transformasi Wavelet,
seperti ENSO dan monsun (Tang 2009).
/
/
…………………… (2)
/
/
…………… (3)
/
/
……………... (4)

Tranformasi Fourier (tranformasi Fourier

kompleks atau Spektrum Fourier) dari suatu Gambar 11 Skema Transformasi Wavelet.
fungsi f(t) adalah F(ω): (Tang 2009)
∞ Metode Wavelet (Gambar 11) digunakan
…..……………... (5)
∞ terutama untuk melihat spektrum kuasa global
Persamaan ini merupakan analisis fourier suatu deret waktu dalam satuan periode dan
dari f(t). Langkah berikutnya adalah untuk melihat skala variansi rata-rata selama
melakukan invers transformasi Fourier deret waktu tersebut sehingga dapat diketahui
sebagai berikut: pola sinyal sinusoidal yang mengindikasikan
∞
karakteristik temporalnya. Pada kajian ini
∞
….....…………….. (6) membandingkan antara El Niño Konvensional
(Niño3.4) dan El Niño Modoki (EMI).
Persamaan di atas merupakan sintesis
Perangkat lunak yang dipakai pada analisis
fourier dari f(t), yaitu sintesis dari berbagai
temporal ini adalah Matlab R2008a. Selain
komponen spektral F(ω) ke fungsi asalnya
itu, juga dilakukan analisis deret waktu untuk
f(t). Fungsi f(t) dan F(ω) disebut pasangan
melihat nilai ambang batas normal (threshold)
fourier, dualisme pasangan fungsi tersebut
sebagai sinyal terjadinya penyimpangan. Cara
dinyatakan dengan: f(t) ↔ F(ω). Dengan
menentukan nilai threshold adalah dengan
menggunakan sifat ortogonalitas dari fungsi
menghitung nilai standar deviasi suatu data
trigonometri, faktor e–iωt berfungsi sebagai
deret waktu anomali SML. Para ahli iklim
sebuah operator, yang hanya mempunyai
sepakat memilih periode ±30 tahun untuk
komponen berfrekuensi ω dari f(t). F(ω)
menyatakan kondisi normal dan ambang batas
adalah rata–rata dari komponen f(t) tersebut
normal. Untuk memenuhi persyaratan
yang mempunyai frekuensi ω. Apabila F(ω)
tersebut, periode 1979–2010 dianggap dapat
berada dalam satuan interval frekuensi,
mewakili kondisi umum untuk mendapatkan
kuantitas F(ω) disebut sebagai kerapatan
nilai threshold tersebut. Dengan diketahuinya
spektral atau spectral density (Hermawan
nilai threshold, selanjutnya dapat ditentukan
2003).
fase kuat dan fase lemah fenomena global El

Niño Konvensional (Niño3.4) dan El Niño
Modoki (EMI). Berdasarkan nilai threshold
yang diperoleh dan plot data aSML rata-rata
bulanan periode 1979–2010 dari fenomena
tersebut, maka dapat diklasifikasikan tahun
kejadian El Niño Modoki dan El Niño
Konvensional.
Selain itu, kajian ini juga menyertakan
analisis komposit. Analisis komposit
merupakan suatu teknik penarikan contoh
kemungkinan berdasarkan kondisi rata-rata
beberapa kejadian tertentu yang sama, pada
kajian ini yaitu terhadap tahun-tahun kejadian
El Niño Modoki kuat. Sehingga hasilnya
dapat mewakili secara umum perkiraan waktu
yang menunjukkan fase mulai terbentuk dan
berakhirnya El Niño Modoki.
3.3.2 Metode Analisis Spasial (Hovmoller)
Analisis spasial adalah suatu metode yang
menjadikan peta sebagai model yang
mempersentasikan dunia nyata yang
diwakilinya sebagai suatu media analisis.
Analisis spasial berguna untuk mendapatkan
hasil–hasil analisis yang memiliki atribut
keruangan (lintang – bujur) dan waktu. Cara
yang lebih baik untuk melihat data deret
waktu sepanjang garis transek lintang atau
bujur dikenal sebagai diagram Hovmoller
(Gambar 12), yang dibangun oleh Ernest
Hovmoller (1949).
Gambar 12 Diagram Hovmoller.
(NASA 2011)
Diagram Hovmoller mempermudah dalam
menafsirkan dari plot transek lintang atau
bujur suatu wilayah seperti yang dijelaskan
oleh Persson (2005). Semua data diambil
sepanjang garis dalam ruang (x–axis) di–plot
terhadap waktu sepanjang (y–axis) untuk
memberikan diagram atau Gambar berdasar
ruang–waktu. Diagram hovmoller pada
Gambar 12 merupakan cara terbaik untuk
memahami bagaimana variasi suhu muka laut
pada lintang-bujur tertentu berubah terhadap
waktu. Nilai piksel numeriknya mewakili data
11
deret waktunya. Plot ini biasanya digunakan
untuk mempelajari fenomena yang berubah
terhadap waktu pada lintang tertentu atau
bujur, tetapi belum ada alasan mengapa baris
tidak bisa menjadi bentuk diagonal.
Plot Hovmoller (Gambar 12) digunakan
secara luas dalam oseanografi dan
meteorologi, misalnya untuk mempelajari
bagaimana fitur seperti curah hujan spasial,
pusaran siklon atau gelombang planet
bergerak terhadap waktu. Cara terbaik untuk
mengamati plot ini adalah dalam bentuk irisan
vertikal melalui bidang kubus dari atas ke
bawah suatu data aSML atau data curah hujan
bulanan rata-rata. Pada kajian ini, data yang
dipakai untuk analisis spasial Hovmoller
adalah data curah hujan bulanan rata–rata
satelit TRMM 3B43 sehingga diperoleh pola
interaksi El Niño Modoki terhadap perilaku
curah hujan monsunal secara umum di
Indonesia. Pola interaksi yang dimaksud
adalah pola perubahan penurunan curah hujan
spasial wilayah kajian terhadap waktu pada
saat tahun normal dibandingkan dengan tahun
El Niño Modoki.
3.3.3 Metode Analisis Regresi
Istilah “regresi” diperkenalkan oleh Sir
Francis Galton pertama kali pada tahun 1886.
Menurut Ghozali (2005), analisis regresi
mengukur kekuatan hubungan antara dua
variabel atau lebih dan menunjukkan arah
hubungan antara variabel dependen (terikat)
terhadap variabel independen (bebas). Hasil
analisis regresi berupa koefisien untuk
masing-masing variabel independen.
Koefisien determinasi (R2) merupakan suatu
ukuran seberapa jauh kemampuan variabel
bebas dalam menerangkan variasi variabel
terikat. Koefisien korelasi (R) merupakan
indeks atau bilangan yang digunakan untuk
mengukur keeratan (kuat, lemah, atau tidak
ada) hubungan antar variabel (Hasan 2003).
Analisis regresi pada kajian ini dilakukan
untuk menganalisis kuat atau lemahnya
hubungan antara aSML EMI berpengaruh
terhadap anomali curah hujan monsunal di
wilayah kajian. Selain itu, analisis regresi juga
dilakukan pada data aSML Niño untuk
melihat wilayah Niño bagian mana yang
berhubungan kuat dengan aSML EMI.
Hubungan tersebut ditentukan oleh nilai
koefisien determinasi (R2) dan koefisien
korelasi (R) dengan uji signifikansi pada
selang kepercayaan 95%.
Selang kepercayaan merupakan suatu
pembatasan untuk menentukan batas
minimum dan maksimum suatu estimator.
 12

Metode ini memuat nilai-nilai estimator yang yang bernilai positif atau negatif. Sedangkan
masih dianggap benar dalam tingkat two-tailed digunakan pada koefisien korelasi
kepercayaan tertentu (confidence interval). yang bernilai absolut.
Misalnya estimasi dari θ berupa selang
kepercayaan (1-α)100% dengan (1-α) adalah 3.3.4 Analisis Korelasi Silang
koefisien/taraf kepercayaan. α adalah taraf Menurut Juanda (2009), waktu yang
nyata atau tingkat signifikansi atau taraf diperlukan agar timbulnya respon (Y)
kesalahan. Nilai α yang umum digunakan terhadap suatu pengaruh (X) disebut lag (beda
adalah 0.10; 0.05; 0.01. Dengan demikian, waktu). Spesifikasi dari struktur beda waktu
jika α = 0.10 maka akan menghasilkan 90% (lag) merupakan suatu fungsi dari satuan yang
selang kepercayaan; jika α = 0.05 maka akan periode–periode waktu mengenai data
memiliki 95% selang kepercayaan; sedangkan tersebut. Umumnya semakin jauh lag dari data
α = 0.01 akan menghasilkan 99% selang peubah Xt–k, maka semakin berkurang
kepercayaan (Gall 2001). pengaruhnya terhadap peubah respon Yt.
Untuk menganalisis dan menentukan jeda
Tabel 2 Nilai Kritis Koefisien Korelasi waktu (time lag) suatu data deret waktu dapat
Pearson (Pearson dalam Nazir menggunakan metode korelasi silang (cross–
1988) correlation) yang diuji pada selang
Level of significance for one- kepercayaan 95% (a=0.05%).
tailed test Formula perhitungan korelasi silang
(= N-2)
0.05 0.025 0.01 0.005 (Makridarkis & Wheelwright 1989):
(N= C C
number Level of significance for two- ...….…… (7)
C C S S
of pairs) tailed test
0.10 0.05 0.02 0.01 (merupakan korelasi silang antara deret x dan
deret y pada lag ke–k),
1 0.99 1.00 1.00 1.00 ∞
C …..… (8)
2 0.90 0.95 0.98 0.99
(merupakan kovarian antara deret x dan y
3 0.81 0.88 0.93 0.96
pada lag ke–k),
5 0.67 0.75 0.83 0.87 ∞
C 0 …….…..…… (9)
7 0.58 0.67 0.75 0.80
(merupakan variansi silang peubah x),
9 0.52 0.60 0.69 0.74 ∞
C 0 ……….…… (10)
10 0.50 0.58 0.66 0.71
(merupakan variansi silang peubah y).
12 0.46 0.53 0.61 0.66
22 0.34 0.40 0.47 0.52 Analisis korelasi silang (cross correlation)
pada kajian ini menggunakan data aSML EMI
23 0.34 0.40 0.46 0.51
dan anomali curah hujan monsunal wilayah
24 0.33 0.39 0.45 0.50 kajian. Analisis ini dilakukan untuk melihat
25 0.32 0.38 0.45 0.49 pengaruh dari fenomena El Niño Modoki
26 0.32 0.37 0.44 0.48 terkait pola perubahan curah hujan monsunal
27 0.31 0.37 0.43 0.47 di wilayah kajian terhadap waktu yang
diistilahkan sebagai lag time atau jeda waktu.
28 0.31 0.36 0.42 0.46
Lag time dilihat dari koefisien korelasi silang
30 0.30 0.35 0.41 0.45
tertinggi terutama yang berada setelah lag 0
100 0.16 0.20 0.23 0.25 dan mencapai garis selang kepercayaan 95%.
250 0.10 0.15 0.15 0.16 Karena asumsi yang dipakai adalah akan
500 0.07 0.09 0.10 0.11 terjadi perubahan pola penurunan curah hujan
monsunal terhadap kondisi normal pada
Nilai kritis pada Tabel 2 merupakan suatu
perkiraan nilai minimum koefisien korelasi selang waktu tertentu setelah pola
agar dapat dikategorikan signifikan secara penghangatan El Niño Modoki terbentuk.
statistik. Nilai kritis tersebut ditentukan Sehingga analisis tersebut menghasilkan pola
berdasarkan jumlah pasangan data yang diuji interaksi waktu terjadinya El Niño Modoki
dan batas selang kepercayaan yang digunakan. terhadap perilaku curah hujan monsunal
One-tailed digunakan pada koefisien korelasi wilayah kajian.

Gambar 13 Diagram metodologi penelitian.
IV. PEMBAHASAN
Adanya perubahan karakteristik dan
perilaku ENSO (El Niño–Southern
Oscillation) di Samudera Pasifik ekuator
bagian tengah yang disebut sebagai El Niño
Modoki (Ashok et al. 2007) semakin
menambah kompleksitas dan dinamika kajian
interaksi atmosfer dan lautan. Fenomena El
Niño Modoki yang baru dipublikasikan oleh
Badan Riset Kelautan Jepang, JAMSTEC,
menarik perhatian para peneliti iklim dunia
dan masih terus dikaji hingga sekarang.
Karena El Niño (baik bertipe Konvensional
maupun Modoki) masih menjadi faktor
dominan yang mempengaruhi keragaman
iklim global. Bahkan kondisi iklim di
beberapa belahan dunia sangat dipengaruhi
secara kuat oleh kedua fenomena iklim global
tersebut.
Indonesia yang diapit oleh Samudera
Pasifik dan Samudera Hindia menjadi suatu
kawasan yang tidak terlewati oleh pengaruh
fenomena iklim global. Selain membahas
tentang pengaruh El Niño Modoki terhadap
perilaku curah hujan monsunal di Indonesia,
kajian penelitian ini diawali dengan
membandingkan antara El Niño Konvensional
dan El Niño Modoki berdasarkan sudut
pandang temporal.
13
Data yang digunakan adalah data
anomali suhu muka laut (aSML). Data aSML
4 wilayah Niño di sepanjang Pasifik tropis,
yaitu: Niño1+2, Niño3, Niño4, dan Niño3.4
digunakan untuk mendefinisikan kejadian El
Niño Konvensional. Sedangkan data EMI (El
Niño Modoki Index) mendefinisikan kejadian
El Niño Modoki. Data anomali SML Niño3.4
dan EMI dipilih dalam membandingkan
kejadian El Niño Konvensional dan El Niño
Modoki.
4.1 El Niño Konvensional dan El Niño
Modoki
Data aSML Samudera Pasifik ekuator
untuk setiap wilayah Niño yang dipilih
sebagai periode kajian adalah data rata-rata
bulanan deret waktu ±30 tahun periode 1979–
2010. Pemilihan deret waktu ini terkait
dengan syarat klimatologis bahwa diperlukan
data ±30 tahun untuk menyatakan kondisi
normal. Periode 1979–2010 dipilih bukan
disebabkan oleh data aSML yang dikaji mulai
tersedia pada tahun tersebut, akan tetapi
terkait dengan ketersediaan kualitas data yang
lebih baik dan dapat diandalkan.
Mengacu kepada Ashok et al (2007), hal
lain yang menjadi pertimbangan adalah untuk
menghindari adanya stratifikasi peristiwa
sebelum dan setelah pergeseran rezim Pasifik

yang terjadi sepanjang pertengahan tahun
1970–an (Nitta dan Yamada 1989, Stephens et
al. 2001; Deser et al. 2002, Hartman dan
Wendler 2005; untuk referensi lebih lanjut
dan terperinci). Sehingga periode ini dapat
mewakili kondisi terkini dari perkembangan
kajian interaksi atmosfer dan lautan terutama
di Samudera Pasifik ekuator.
4.1.1 Analisis Regresi Empat Indeks Niño
terhadap El Niño Modoki Index
Analisis regresi antara indeks Niño
terhadap EMI pada kajian ini dilakukan untuk
menghasilkan koefisien determinasi (R2)
antara 4 indeks Niño terhadap EMI. Untuk
membandingkan fluktuasi sinyal anomali
SML EMI terhadap anomali SML 4 wilayah
Niño, dilakukan plot data deret waktu periode
1979–2010.
Analisis regresi tersebut menghasilkan
koefisien determinasi (R2) indeks Niño4
terhadap EMI 0.57, sedangkan dengan indeks
Niño yang lain hanya 0.07, 0.03, dan 0.23
untuk Niño1+2, Niño3, dan Niño3.4 (Gambar
14). Nilai R2 diuji pada selang kepercayaan
95%. Nilai p-value 0.00 membuktikan bahwa
hasil ini sangat signifikan pada selang
Gambar 14 Analisis regresi aSML EMI terhadap aSML 4 wilayah Niño.
14
kepercayaan 95%. Artinya, ada hubungan
yang erat antara EMI terutama terhadap
Niño4. Pola deret waktu wilayah Niño yang
mendekati pola anomali SML EMI adalah
Niño4.
Kemiripan pola antara anomali SML EMI
dan Niño4 yang ditunjukkan oleh Gambar 15c
berhubungan dengan letak Niño4 yang berada
tepat di Samudera Pasifik ekuator bagian
tengah dan termasuk dalam wilayah yang
menjadi dasar perhitungan indeks EMI.
Sehingga kejadian bertipe El Niño Modoki
juga sering disebut oleh para peneliti iklim
global sebagai El Niño Pasifik Tengah
(Central Pacific El Niño).
Berdasarkan hasil tersebut, maka ketika
menggunakan anomali SML wilayah Niño4
untuk mendefinisikan El Niño Konvensional
tidak hanya melihat indeks anomalinya saja
tetapi juga perlu melihat pola penghangatan
suhu muka lautnya karena berpeluang
mengarah pada pola penghangatan bertipe El
Niño Modoki terutama setelah tahun 1978.
Hasil tersebut semakin mempertegas kajian
Ashok dan Yamagata (2009) terkait
penggunaan Niño4 tersebut, terutama setelah
tahun 1978.

(a)
(c)
Gambar 15 Plot deret waktu aSML 4 wilayah Niño dan EMI periode 1979 – 2010.
4.1.2 Perbandingan Pola Osilasi Dominan
El Niño Modoki dan El Niño
Konvensional
Menelaah periodisitas deret waktu tidak
dapat dilakukan dalam kawasan (domain)
waktu, tetapi harus dalam kawasan (domain)
frekuensi melalui analisis spektral. Untuk itu
dilakukan analisis spektral dengan metode
Power Spectrum Density (PSD) pada
perangkat lunak Matlab terhadap aSML EMI
dan Niño periode 1979–2010. PSD sebagai
suatu cara untuk menganalisis sinyal fluktuasi
didasarkan pada asumsi bahwa suatu sinyal
fluktuasi dibangun dari gelombang sinus dan
cosinus dalam berbagai frekuensi. Analisis
PSD menghasilkan pola osilasi dominan suatu
data deret waktu.
Gambar 16 menunjukkan hasil analisis
PSD terhadap data aSML EMI dan Niño3.4
yang masing–masingnya mewakili kejadian El
Niño Modoki dan El Niño Konvensional.
Penentuan pola osilasi dominannya
berdasarkan pada puncak energi spektral
tertinggi masing–masing kejadian. Sehingga
diperoleh hasil bahwa pola osilasi dominan
paling kuat untuk Niño3.4 berada pada skala
periodisitas 48–62 bulanan (Gambar 16,
15
(b)
(d)
perhatikan puncak energi spektral untuk
warna coklat muda). Sedangkan energi
spektral paling kuat aSML EMI berada pada
skala periodisitas 62–94 bulanan (Gambar 16,
perhatikan puncak energi spektral untuk
warna biru tua).
Pola osilasi dominan El Niño Modoki
hampir mendekati pola dekadal sepuluh
tahunan. Kata "osilasi" disini digunakan untuk
menunjukkan adanya fluktuasi berulang data
deret waktu, terlepas dari apakah fluktuasi
tersebut berulang secara teratur atau tidak.
Sehingga dapat ditandai bahwa periode ulang
kejadian El Niño Konvensional adalah sekali
dalam skala waktu 4–5 tahunan. Sedangkan
kejadian El Niño Modoki dapat berulang
dalam skala waktu 5–8 tahunan. Berdasarkan
periode ulang kejadian El Niño Konvensional
terjadi sekali dalam skala waktu 4–5 tahunan,
maka kemungkinan kejadian berulangnya
dalam satu dekade adalah dua kali. Dengan
membagi deret waktu 1979–2010 menjadi tiga
periode waktu 10 tahunan, maka data aSML
Pasifik tropis periode 1979–1989, 1990–2000,
2001–2010 dapat menjelaskan perkembangan
kejadian El Niño selama tiga dekade tersebut.
 16

Gambar 17 menunjukkan bahwa periode kejadian El Niño Konvensional yang berlarut-

1979–1989 menunjukkan dua frekuensi sinyal
yang kuat dan dominan dari kejadian El Niño
Konvensional (warna coklat muda), ditandai
dengan 2 kejadian El Niño Konvensional yang
kuat pada tahun 1982 dan 1987. Pada periode
berikutnya tahun 1990–2000, pola osilasi
dominan El Niño Konvensional tidak dapat
terlihat dengan jelas. Walaupun pada periode
tersebut juga terdapat 2 kejadian El Niño
Konvensional yang kuat yaitu pada tahun
1991/92 dan 1997, namun data deret
waktunya menunjukkan pola yang tidak
menentu. Sebagaimana terlihat pada tahun
1991–1994 yang disebut sebagai suatu
larut. Hal ini disebabkan selama tahun
tersebut terjadi anomali penghangatan dari
kondisi normal suhu muka laut di wilayah
Samudera Pasifik Tropis bagian timur dan
tengah. Status aSML pada 1991–1994 dapat
dikatakan konsisten berada pada fase positif,
terutama pada tahun 1994. Kejadian
menghangatnya aSML Samudera Pasifik
Tropis dari kondisi normal (terutama pada
bagian tengah) pada tahun 1994 dapat
dijelaskan oleh El Niño Modoki. Karena
sinyal fase positif EMI pada tahun ini sangat
kuat (Gambar 17 warna biru tua).

Gambar 16 Periodisitas aSML Niño dan EMI 1979 – 2010.

Gambar 17 Plot deret waktu aSML EMI dan Niño3.4 periode 1979 – 2010.
 17

Berbeda dengan dua dekade sebelumnya
didominasi oleh frekuensi kejadian El Niño
Konvensional kuat dua kali per dekade, maka
sinyal frekuensinya untuk periode 2001–2010
mulai berubah. Hal ini dibuktikan oleh plot
deret waktu yang menunjukkan fluktuasi
sinyal aSML El Niño Konvensional (Gambar
18a) yang semakin sering mengarah ke fase
positif dalam waktu yang tidak menentu.
Sehingga periodisitas kejadian El Niño
Konvensional yang seharusnya terjadi setiap
4–5 tahunan cenderung berubah periode ulang
kejadiannya. Bersamaan dengan itu, pola
aSML El Niño Modoki yang tidak biasa
semakin sering muncul dan bertahan pada fase
positif (Gambar 19a).
Gambar 18b dan 19b, sumbu x merupakan
waktu kejadian sedangkan sumbu y
merupakan periode kejadian El Niño
(Konvensional dan Modoki). Spektrum warna
Wavelet yang semakin mengarah ke warna
merah pekat menunjukkan anomali suhu muka
laut yang semakin menghangat dan spektrum
warna Wavelet yang semakin mengarah ke
warna biru pekat menunjukkan anomali suhu
muka laut yang semakin mendingin. Spektrum
warna yang semakin merah tersebut
mengartikan bahwa aSML berada pada fase
positif di atas 0⁰C. Spektrum warna yang
semakin mengarah ke warna biru mengartikan
bahwa aSML berada pada fase negatif antara
di bawah 0⁰C.

Gambar 18 Analisis Wavelet El Niño Konvensional (Niño3.4) periode 1979–2010 (a) plot deret
waktu (b) spektrum kuasa Wavelet (c) spektrum Wavelet global (d) rata–rata varians.

Gambar 19 Analisis Wavelet El Niño Modoki (EMI) periode 1979–2010 (a) plot deret waktu (b)
spektrum kuasa Wavelet (c) spektrum Wavelet global (d) rata–rata varians.

Analisis Wavelet pada Gambar 18b
menunjukkan bahwa kejadian El Niño
Konvensional tahun 1987 dan 1997
merupakan kejadian yang sangat kuat. Hal ini
diketahui dengan melihat warna merah pekat
pada spektrum kuasa Wavelet (Gambar 18b)
yang menandakan anomali suhu muka laut
berada pada skala positif kuat. Spektrum
Wavelet global (Gambar 18c) semakin
mempertegas bahwa osilasi dominan El Niño
Konvensional berada pada periodisitas ~48
bulanan. Hal ini terlihat dari puncaknya yang
berada di pertengahan skala 32–64 bulanan
dengan 48 bulanan sebagai nilai tengahnya.
Rata-rata varians merupakan suatu kisaran
nilai rata-rata data menyimpang dari kondisi
normalnya. Analisis variansi pada Gambar
18d dan 19d menunjukkan bahwa pada
periode 2000–an penghangatan Pasifik tropis
bertipe El Niño Modoki lebih berperan aktif
dibandingkan tipe El Niño Konvensional. Hal
ini dipertegas secara visualisasi dengan
analisis Wavelet spektrum kuasa (Gambar 18b
dan 19b) dimana pada periode tersebut
spektrum warna El Niño Modoki lebih
berwarna merah gelap. Ashok, Behera, dan
Yamagata (2007); Yeh et al (2009) telah
mengatakan bahwa kejadian El Niño Modoki
akan semakin lebih sering ditemukan pada
periode 2000–an seiring intensitas pemanasan
global yang terus meningkat.
Spektrum wavelet tersebut juga
menegaskan bahwa kejadian El Niño
Konvensional dan El Niño Modoki memiliki
ukuran sebaran data anomali SML yang
berbeda. Dengan melihat kondisi hangat yang
ditunjukkan oleh spektrum warrna merah,
anomali positif kuat SML Niño3.4 dapat
mencapai +4⁰C. Sedangkan anomali positif
kuat SML EMI hanya mencapai +1⁰C. Ukuran
sebaran data aSML El Niño Modoki yang
lebih rendah dibandingkan El Niño
Konvensional disebabkan oleh EMI sebagai
hasil formulasi tiga wilayah perhitungan yang
mencakup pola penghangatannya di sepanjang
Pasifik tropis.
Nilai ambang batas (threshold) untuk
menunjukkan fase kuat kedua kejadian
tersebut diperoleh dengan menghitung nilai
standar deviasi data deret waktu 1979–2010
dari masing–masing indeks. Untuk kejadian
El Niño Konvensional diperoleh threshold
aSML 0.93⁰C dan El Niño Modoki 0.53⁰C.
Menurut Ashok et al (2007), aSML
dikategorikan termasuk ke dalam fase El Niño
Modoki kuat ketika amplitudo indeksnya ≥
0.7σ, dengan σ adalah standar deviasi
musiman, sehingga berdasarkan ketentuan
18
tersebut diperoleh 0.50⁰C dan 0.54⁰C sebagai
threshold EMI untuk musim panas (boreal
summer) dan musim dingin (boreal winter).
Berdasarkan nilai ambang batas normal
anomali EMI, dapat diklasifikasikan bahwa
tahun–tahun 1982, 1987, 1991–1994, 1997,
2002, 2004, 2006, dan 2009 merupakan tahun
El Niño Konvensional. Diantara tahun-tahun
tersebut, fase terkuat terjadi pada 1982, 1987,
dan 1997. Tahun kejadian El Niño Modoki
adalah 1986, 1990,1991, 1992, 1994, 2002,
2004, dan 2009/2010 dengan fase kuat terjadi
pada tahun 1994, 2002, 2004, dan 2009/2010.
Periode tahun 2001–2010 menunjukkan
ketidakteraturan masing–masing pola sinyal
periodisitas, terutama El Niño Konvensional.
Fluktuasi sinyal aSML EMI positif semakin
meningkat hingga melampaui threshold
kondisi normal (0.53⁰C) pada tahun 2002,
2004, dan 2009/2010 (Gambar 17 warna biru).
Menurut Yeh et al. (2009), hal ini dipicu oleh
suhu bumi yang semakin menghangat terkait
pemanasan global.
4.1.3 Pola Penghangatan El Niño Modoki
Ashok et al. (2007) telah mendefinisikan
El Niño Modoki Index (EMI) sebagai suatu
indeks anomali gabungan dari 3 wilayah
perhitungan, yaitu wilayah Pasifik tropis
bagian tengah, timur, dan barat. Sesuai dengan
sifat aSML tripolarnya yang unik, maka
secara matematis EMI diformulasikan dengan
menggunakan istilah Box A, Box B, dan Box
C. Box A mewakili wilayah Pasifik tropis
bagian tengah (165⁰E–140⁰W, 10⁰S–10⁰N),
Box B mewakili wilayah Pasifik tropis bagian
timur (110⁰W–70⁰W, 15⁰S–5⁰N), dan Box C
mewakili wilayah Pasifik tropis bagian barat
(125⁰E–145⁰E, 10⁰S–20⁰N). Pada Gambar 20
terlihat bahwa pola sinyal penghangatan
ketiga wilayah perhitungan tidak selalu sama
pada setiap kejadian El Niño Modoki kuat.
Walaupun secara umum dikatakan bahwa
El Niño Modoki terjadi jika aSML wilayah
Pasifik tropis bagian tengah lebih hangat dari
kondisi normal dan diapit oleh kondisi yang
lebih dingin di sisi barat dan timurnya (Ashok
et al. 2007), bukan berarti bahwa aSML di
Pasifik tropis bagian barat dan timur akan
selalu berada pada fase negatif di setiap
kejadian bertipe El Niño Modoki.
Gambar 20 membuktikan bahwa setiap
kejadian El Niño Modoki memiliki pola
pendinginan di sisi barat dan timur Pasifik
tropis yang berbeda. Adakalanya Pasifik
tropis bagian tengah yang lebih hangat dari
normal diapit oleh kondisi anomali negatif di
sisi barat namun di sisi timur tetap positif

dengan anomali yang lebih rendah daripada di
bagian tengah. Seperti tahun 1991 dan 1994,
Pasifik tropis bagian tengah diapit oleh pasifik
timur yang juga menghangat tapi jika
keduanya dibandingkan maka kondisi bagian
tengah (Box A) jauh lebih hangat daripada di
bagian timur (Box B). Pada saat yang
bersamaan, kondisi di sisi barat Pasifik tropis
memang jauh lebih dingin bahkan mengarah
kepada anomali negatif (Box C).
Kekeringan yang terjadi di Indonesia pada
tahun 1994 dapat dijelaskan oleh kejadian El
Niño Modoki yang berada pada status positif
kuat, bahkan anomalinya mencapai > 0.7⁰C
pada Juli–September 1994. Setelah kejadian
tahun 1994, sinyal El Niño Modoki semakin
sering muncul pada dekade 2000–an, yaitu
2002, 2004, 2006, dan 2009/2010. Pada
tahun–tahun tersebut, aSML bulanan fase El
Niño Modoki melebihi threshold 0.53⁰C.
Berbeda dengan tahun 1991 dan 1994, El
Niño Modoki tahun 2002 dan 2004 juga
mempunyai pola tertentu. Suhu muka laut
Pasifik tropis bagian tengah menunjukkan
anomali positif (Gambar 19 box A) sedangkan
bagian timur dan barat (Gambar 20 box B dan
C) mengarah kepada anomali negatif. Secara
fisis berarti bahwa pada tahun 2004 ini, kolam
hangat benar–benar terpusat hanya di bagian
tengah Pasifik tropis saja sedangkan bagian
timur dan barat, keduanya cenderung lebih
dingin.
El Niño Modoki pada tahun 2002 berada
pada fase positif dengan skala yang tidak
terlalu tinggi namun durasi yang cukup
panjang. Tahun 2004, El Niño Modoki
Gambar 20 Plot deret waktu Box EMI periode 1979 – 2010.
19
memiliki peranan tersendiri dalam kaitannya
dengan keragaman iklim global. Kejadiannya
berlangsung dalam durasi yang cukup lama
yaitu mulai dari Juni 2004 hingga Maret 2005.
Berbeda dengan tahun 2004, El Niño Modoki
pada tahun 2009 terjadi relatif cukup singkat
namun anomali lebih tinggi dari yang
sebelumnya. Fase positif kuat pada tahun
2009 berlangsung dari bulan November
hingga Januari dengan anomali hampir
mencapai 1⁰C. Anomali mulai turun dan
melemah pada bulan Februari.
Mekanisme fisik yang terjadi ketika pola
El Niño Modoki terjadi adalah ketika suhu
muka laut Pasifik tengah menghangat, massa
udara diatasnya memuai dan dapat dengan
mudah cepat terangkat ke atas seiring dengan
tekanan udara yang rendah. Udara yang
membawa massa uap air mengalir dari
tekanan tinggi ke tekanan yang lebih rendah.
Wilayah Pasifik tropis bagian tengah yang
lebih hangat dan bertekanan rendah menarik
massa uap air dari Indonesia dan bagian timur
Pasifik tropis yang bertekanan lebih tinggi.
Dengan demikian, ada satu pusat konveksi
dan dua sumber konveksi yang terbentuk,
yaitu berasal dari massa uap air Indonesia dan
dari bagian timur Pasifik tropis. Proses ini
mengakibatkan awan-awan konvektif di
Indonesia yang berpotensi untuk berkembang
sebagai butir-butir hujan berpindah ke Pasifik
bagian tengah. Akibat perpindahan tersebut,
Indonesia kekurangan awan-awan hujan
sehingga menyebabkan peristiwa kekeringan
yang tidak bisa dihindari oleh Indonesia.

4.1.4 Fase Pertumbuhan El Niño Modoki
Komposit analisis dilakukan dengan
melihat kondisi rata-rata aSML EMI pada
kejadian El Niño Modoki kuat 1986/87,
1990/91, 1992/93, 1994/95, 2002/2003,
2004/2005, dan 2009/2010. Berdasarkan hasil
analisis komposit tujuh kejadian El Niño
Modoki yang muncul sejak periode 1979
hingga 2010, pola penghangatan SML El Niño
Modoki akan mulai terbentuk sekitar bulan
Maret atau April.
Gambar 21 Fase pertumbuhan El Niño
Modoki.
Secara umum dapat ditandai bahwa aSML
Pasifik Tropis bagian tengah berada pada
anomali hangat melebihi nilai threshold
(0.53⁰C) pada bulan Agustus hingga Januari
(Gambar 21). Artinya, fase pertumbuhan
dimulai sekitar bulan Maret atau April hingga
Januari dan dilanjutkan oleh fase
penurunannya dimulai Februari. SML EMI
akan mencapai puncak anomalinya pada
kisaran waktu bulan Agustus–Januari.
Anomali hangat biasanya konsisten berada
diatas nilai threshold sekitar Juli–Maret.
4.2 Perbandingan Pengaruh El Niño
Modoki dan El Niño Konvensional
Terhadap Curah Hujan Monsunal di
Indonesia
4.2.1 Curah Hujan Wilayah Kajian
Secara umum, pola curah hujan di
Indonesia terdiri dari tiga macam: monsunal,
ekuatorial, dan local (Aldrian dan Susanto
2003). Kajian ini mengambil pola curah hujan
monsunal untuk melihat pengaruh interaksi El
Niño Modoki terhadap perilaku curah hujan di
Indonesia. Karena sebagian besar wilayah
Indonesia mengalami pola curah hujan
monsunal. Jika curah hujan ini dibuat
grafiknya, maka nilai puncak maksimum
terjadi pada bulan Januari, dan nilai puncak
minimum terdapat pada bulan Juli. Indonesia
hanya mengenal dua musim yaitu musim
20
basah dan musim kering. Puncak musim hujan
umumnya terjadi pada Januari. Sementara itu,
puncak musim kemarau terjadi pada Juli.
Dengan demikian, musim basah dan musim
kering dapat dibedakan dengan jelas dan
pengaruh interaksi El Niño Modoki terhadap
perilaku curah hujan musimannya dapat
terlihat juga dengan jelas.
Gambar 22 Peta wilayah kajian bertipe
curah hujan monsunal.
Wilayah kajian yang dipilih (Gambar 22)
adalah beberapa wilayah yang memiliki pola
curah hujan monsunal di Indonesia, yaitu
Lampung (Pulau Sumatera), Indramayu (Jawa
Barat), Makassar (Sulawesi Selatan), dan
Banjar Baru (Kalimantan Selatan). Data curah
hujan yang digunakan adalah data rata-rata
curah hujan wilayah masing-masing dengan
resolusi temporal bulanan periode 1971–2000.
Menurut ketentuan klimatologis (Wiratmo
1998), kondisi normal mengacu pada nilai
rata-rata unsur klimatologi (seperti curah
hujan, suhu, tekanan, dan angin) dalam
periode tahunan. Dalam memilih panjang
periode yang sesuai agar mengandung
kecenderungan abad (secular trend), para ahli
iklim sepakat memilih periode 30 tahun untuk
menyatakan kondisi normal.
Tabel 3 Curah hujan normal wilayah kajian
Curah hujan normal
Wilayah Kajian Awal
mm/tahun
musim kering
Lampung 1853 Mei
Indramayu 1816 April
Sumbawa Besar 1221 April
Makassar 3272 April
Banjar Baru 2541 Juni
Tabel 3 memperlihatkan hasil perhitungan
rata-rata terhadap data curah hujan bulanan
per wilayah selama 1971–2000. Hasil tersebut
mewakili kondisi normal terhadap total curah

Gambar 23 Pola osilasi dominan curah hujan monsunal wilayah kajian.
hujan tahunan dan waktu terjadinya
penurunan curah hujan yang menandai awal
musim kering. Pada kondisi normal, awal
terjadinya musim kering bervariasi di setiap
wilayah kajian. Namun secara umum terjadi
antara antara bulan April–Juni. Adapun
jumlah curah hujan normal per bulan setiap
wilayah kajian dan simpangan baku rata-rata
klimatologis 30 tahun dapat dilihat pada
bagian lampiran (lampiran 2).
Merujuk pada Irawan (2006), Irianto
(2003) juga telah melakukan perhitungan
kondisi normal curah hujan monsunal di
Indonesia namun dengan memanfaatkan data
curah hujan bulanan per provinsi selama
1970–1998. Setelah dibandingkan, kondisi
normal yang ditunjukkan oleh Tabel 3 tidak
menyimpang jauh dari hasil sebelumnya.
Walaupun begitu, nilai normal tersebut
berhubungan dengan ketidakpastian yang
bergantung pada jumlah tahun pengamatan.
Simpangan baku dari nilai rata-rata menurun
dengan bertambahnya waktu pengamatan.
Gambar 23 merupakan hasil analisis
Power Spectral density (PSD) terhadap curah
hujan wilayah kajian. Masing-masing wilayah
menunjukkan puncak energi spektral yang
berbeda-beda. Puncak energi spektral curah
hujan wilayah Indramayu (plot spektral ungu)
berada pada periode 15 bulanan (~1,5
tahunan). Sedangkan wilayah Makassar (plot
spektral merah) dan Lampung (plot spektral
biru gelap) berada pada periode yang sama,
yaitu 20 bulanan (~2 tahunan). Wilayah
Banjar Baru dan Sumbawa Besar juga
21
menunjukkan sinyal periodesitas yang
berbeda. Puncak energi spektral Banjar Baru
(plot spektral biru terang) pada periode 40
bulanan (~3,5 tahunan) dan Sumbawa Besar
(plot spektral hijau) pada periode 60 bulanan
(~5 tahunan). Namun, kelima curah hujan
wilayah kajian menunjukkan puncak energi
spektral tertinggi yang sama dan sinyal yang
lebih teratur ketika berada tepat pada periode
60 bulanan, kecuali untuk wilayah Lampung.
Artinya, selain wilayah Lampung, curah hujan
monsunal wilayah kajian memiliki pola osilasi
dominan yang kuat dan menunjukkan puncak
energi spektral yang sama tepat pada periode
~5 tahunan. Sehingga hasil analisis PSD ini
menunjukkan bahwa keragaman iklim global
antar tahunan (inter-annual variability) ikut
mempengaruhi curah hujan monsunal.
4.2.2 Perbandingan pengaruh El Niño
Modoki 1994 dan El Niño
Konvensional 1997 Terhadap curah
hujan wilayah kajian
Memanfaatkan data curah hujan bulanan
per wilayah periode 1970-2000 untuk
mengevaluasi penurunan persentase curah
hujan bertipe monsunal dari kondisi normal,
maka dilakukan perbandingan pada data curah
hujan tahun 1994 terhadap 1997. Tahun
tersebut dipilih karena kedua kasus anomali
SML pada tahun tersebut merupakan kasus El
Niño Modoki dan El Niño Konvensional.
Gambar 24 merepresentasikan kondisi
anomali curah hujan wilayah kajian pada saat
anomali suhu muka laut Pasifik tropis berada

pada fase positif. Fase positif yang tergambar
melalui plot garis berwarna biru tua menandai
suhu muka laut Pasifik tropis yang
menghangat, seperti yang terjadi pada 1994
dan 1997. Pada tahun tersebut, SML Pasifik
tropis menghangat dari keadaan normal.
Kondisi ini mempengaruhi curah hujan
monsunal di Indonesia. Hal ini terlihat dari
anomali curah hujan monsunal wilayah kajian
berada pada anomali negatif baik pada
kejadian bertipe El Niño Modoki 1994
(Gambar 24a) maupun El Niño Konvensional
1997 (Gambar 24b). Anomali negatif curah
hujan menunjukkan terjadinya penurunan
jumlah curah hujan. Akibat kedua tipe
kejadian El Niño ini, curah hujan di wilayah
Indonesia khususnya bertipe monsunal di
wilayah kajian pada umumnya mengalami
penurunan di bawah curah hujan normal.
a. El Niño Modoki 1994
b. El Niño Konvensional 1997
Gambar 24 Kondisi anomali curah hujan
wilayah kajian pada kejadian El
Niño Modoki 1994 dan El Niño
Konvensional 1997.
Berdasarkan diagram pada Gambar 25,
penurunan curah hujan terbesar terjadi di
Lampung dan Indramayu yang mencapai
~43% dan ~34% pada kasus El Niño
Konvensional 1997 lalu ~31% dan ~26% pada
kasus El Niño Modoki 1994. Sedangkan
persentase penurunan curah hujan tahunan
dari kondisi normal di wilayah Makassar dan
22
Banjar Baru tidak berbeda jauh antara tahun
1994 dan 1997. Perhitungan terhadap
penurunan curah hujan wilayah Sumbawa
Besar tidak karena adanya beberapa data
kosong pada tahun 1994 terutama pada musim
JJA. Sehingga walaupun dilakukan teknik
analisis komposit untuk mengisi data yang
kosong, maka tetap tidak akan mewakili
kisaran persentase penurunan yang layak
untuk diperbandingkan.
Secara umum penurunan curah hujan
tahunan pada kejadian El Niño Konvensional
1997 adalah sebesar ~33% sedangkan pada
kejadian El Niño Modoki 1994 hanya sebesar
~26%. Penurunan curah hujan tersebut lebih
besar pada kasus El Niño Konvensional 1997
daripada kasus El Niño Modoki 1994. Irawan
(2006) menyebutkan bahwa menurut hasil
kajian Irianto (2003) yang mengevaluasi
persentase penurunan curah hujan menurut
musim hujan dan musim kemarau yang
disebabkan oleh kejadian El Niño
Konvensional tahun 1982/83 dan 1997/98,
wilayah pulau Jawa dan Nusa Tenggara
mengalami penurunan jumlah curah hujan
yang mencapai 60% dari kondisi normalnya.
Gambar 25 Persentase penurunan total curah
hujan tahunan pada kejadian El
Niño Modoki 1994 dan El Niño
Konvensional 1997 terhadap
kondisi normal.
Gambar 26 menunjukkan perbandingan
distribusi spasial jumlah curah hujan tahunan
pada kejadian El Niño Modoki kuat 2002 dan
2004, El Niño Konvensional 2006, sedangkan
2007 untuk tahun normal. Analisis spasial ini
memperkuat hasil persentase di atas dimana
El Niño Konvensional lebih tinggi tingkat
penurunan terhadap curah hujan monsunal
daripada El Niño Modoki. Berdasarkan
penyebaran spektrum warnanya, curah hujan
wilayah Indonesia pada saat terjadinya El
Niño Modoki kuat menurun dari tahun normal
2007 namun tidak lebih besar daripada
penurunan El Niño Konvensional 2006.

(a) Tahun Normal 2007
(b) Tahun El Niño Biasa 2006
(c) Tahun El Niño Modoki 2004
(d) Tahun El Niño Modoki 2002
Gambar 26 Perbandingan analisis spasial
terhadap distribusi curah hujan
tahunan wilayah Indonesia tahun
El Niño Modoki kuat, El Niño
Konvensional, dan tahun normal.
23
Penurunan curah hujan pada El Niño
Konvensional lebih tinggi dibandingkan
dengan El Niño Modoki telihat dari spektrum
warna yang lebih gelap mengarah ke
hijau/kuning yang menunjukkan interval
2000-3000 mm/tahun (Gambar 26). Walaupun
begitu, baik El Niño Modoki maupun El Niño
Konvensioal memiliki karakteristik dan
intensitas yang berbeda-beda pada setiap
kejadiannya. Sehingga ada kemungkinan pada
periode mendatang dampak El Niño Modoki
dibandingkan El Niño Konvensional lebih
kuat dalam hal penurunan curah hujan
monsunal di Indonesia.
4.2.3 Analisis Regresi Anomali Curah
Hujan Wilayah Kajian Terhadap
Anomali SML EMI, Niño3.4, dan
Niño4
Korelasi merupakan teknik analisis yang
termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association)
mengenai ada dan tidaknya hubungan antara
dua fenomena atau lebih (Hasan 2003).
Keeratan hubungan ini dijelaskan melalui nilai
koefisien korelasi (r). Dengan menggunakan
periode data bulanan 1971–2000 dan
memisahkan antara musim basah (DJF),
musim kering (JJA) dan musim peralihan
(MAM dan SON), diperoleh koefisien
korelasi curah hujan per musim masing-
masing wilayah kajian.
Berdasarkan karakteristiknya, curah hujan
monsunal dapat dibagi menjadi empat musim,
yaitu: DJF, MAM, JJA, dan SON. DJF
merupakan musim basah dan terjadi sekitar
bulan Desember–Februari. JJA merupakan
musim kering dan terjadi sekitar bulan Juni–
Agustus. MAM merupakan musim peralihan
dari musim basah ke musim kering dan terjadi
sekitar bulan Maret–April. SON merupakan
peralihan dari musim kering ke musim basah
dan terjadi sekitar bulan September–
November.
Menurut Hendon (2003), korelasi curah
hujan di Indonesia terhadap El Niño
Konvensional lebih kuat pada musim kemarau
sedangkan pada musim hujan menunjukkan
korelasi yang lemah. Hasil pada Tabel 4
ternyata juga menunjukkan hal yang sama
antara pengaruh El Niño Modoki terhadap
curah hujan monsunal wilayah kajian. El Niño
Modoki berpengaruh lebih kuat pada musim
kering daripada musim basah. Sedangkan
pada musim peralihan, pengaruhnya lebih
kuat pada musim SON daripada musim
MAM.
 24

Tabel 4 Koefisien Korelasi anomali curah yang berbanding terbalik. Artinya, pada saat
hujan terhadap EMI (musiman: DJF, anomali SML El Niño Modoki meningkat,
MAM, JJA, SON) maka curah hujan wilayah Indonesia
EMI
khususnya yang bertipe monsunal akan turun,
Curah Hujan hal sebaliknya juga berlaku. Secara fisis dapat
DJF P-value MAM P-value diartikan bahwa ketika suhu muka laut di
Lampung 0.03 0.87 -0.24 0.21 wilayah pasifik tropis mulai menghangat dari
kondisi normalnya, maka wilayah Indonesia
Sumbawa Besar 0.34 0.07 -0.26 0.16
yang bertipe curah hujan monsunal akan
Makassar -0.15 0.44 0.03 0.88 mengalami penurunan curah hujan dari
Banjar Baru -0.32 0.09 0.17 0.36 kondisi normal yang terlihat jelas pada musim
JJA dan pengaruhnya semakin menguat pada
Indramayu 0.15 0.43 -0.29 0.12
musim SON ditandai dengan musim kering
EMI akan terasa sangat kering dan lebih lama
Curah Hujan
JJA P-value SON P-value daripada kondisi biasanya.
Sebagaimana penjelasan di atas, El Niño
Lampung -0.32 0.04 -0.24 0.20
Modoki memberikan pengaruh yang jelas
Sumbawa Besar -0.37 0.04 -0.50 0.01 terhadap penurunan curah hujan monsunal
Makassar -0.40 0.03 -0.62 0.00 pada musim JJA dan SON. Oleh karena itu,
Tabel 5 hanya membandingkan hubungan
Banjar Baru -0.47 0.01 -0.60 0.00
antara curah hujan monsunal di wilayah kajian
Indramayu -0.08 0.69 -0.41 0.03 terhadap anomali SML EMI, Niño3.4, dan
Niño4 pada musim JJA dan SON saja.
Oleh karena kajian ini menggunakan Koefisien korelasi pada musim DJF dan
selang kepercayaan 95%, jika P-value < 0.05 MAM dapat dilihat di bagian lampiran.
maka hubungan dikatakan signifikan. Hasil Koefisien korelasi pada Tabel 5 dapat
regresi pada Tabel 4 menunjukkan bahwa dijadikan acuan untuk menentukan anomali
koefisien korelasi masing-masing wilayah SML yang lebih baik (EMI, Niño3.4, atau
untuk musim kering JJA dan musim peralihan Niño4) digunakan sebagai prediktor perilaku
SON bernilai lebih tinggi dan signifikan curah hujan monsunal masing-masing wilayah
dibandingkan musim basah DJF dan musim kajian. Anomali SML wilayah Niño3.4 masih
peralihan MAM. Nilai signifikansi (P-value) sangat baik digunakan sebagai prediktor
musim DJF dan MAM jauh melebihi batas dalam menjelaskan perilaku curah hujan
0.05 sehingga dapat dikatakan bahwa El Niño monsunal di wilayah Lampung, Indramayu,
Modoki tidak memberikan pengaruh yang dan Banjar Baru. Hal tersebut berdasarkan
signifikan pada kedua musim tersebut. Hal ini pada hasil koefisien korelasi rata-rata dari
menunjukkan bahwa El Niño Modoki lebih kedua musim JJA dan SON antara anomali
memberikan pengaruh signifikan pada JJA curah hujan terhadap aSML Niño3.4 yang
dan SON daripada DJF dan MAM. lebih tinggi dan signifikan dibanding EMI dan
Berdasarkan nilai kritis pada Tabel 2, hasil Niño4. Nilai korelasi wilayah Lampung,
korelasi dikatakan signifikan jika koefisien Indramayu, dan Banjar Baru pada musim JJA:
korelasi Pearson (Pearson Coefficient -0.50, -0.72, -0.60 dan -0.51, -0.72, -0.53 pada
Correlation) > 0.31 (one-tailed test) pada musim SON. Walaupun begitu, ketika pola
selang kepercayaan 95% dengan N = 30 atau penghangatan Pasifik tropis mengarah pada El
df (N-2) = 28. N = 30 karena periode yang Niño Modoki maka untuk wilayah Banjar
diuji adalah kondisi musiman data 30 tahun Baru lebih baik menggunakan aSML EMI
(1971–2000). Sehingga menurut ketentuan sebagai prediktor. Karena pada kejadian
tersebut, El Niño Modoki memberikan bertipe El Niño Modoki (seperti 1994), curah
pengaruh yang jelas terhadap penurunan curah hujan Banjar Baru terpengaruh kuat dibanding
hujan di wilayah Sumbawa Besar, Makassar, wilayah kajian lainnya.
dan Banjar Baru pada musim JJA dan semakin Wilayah Sumbawa Besar lebih baik
kuat pengaruhnya pada musim SON. Wilayah menggunakan anomali EMI sebagai prediktor
Lampung hanya merasakan pengaruhnya curah hujannya karena anomali curah
dengan jelas pada musim JJA saja. Pengaruh hujannya terhadap EMI lebih tinggi dan
El Niño Modoki juga terasa di Indramayu signifikan dibandingkan dengan Niño3.4 dan
namun hanya pada musim SON. Niño4. Sedangkan wilayah Makassar lebih
Nilai korelasi negatif pada Tabel 4 dan baik menggunakan Niño4 sebagai prediktor
Tabel 5 mengindikasikan adanya hubungan untuk menjelaskan perilaku curah hujannya.
 25

Tabel 5 Koefisien Korelasi anomali curah hujan terhadap EMI, Niño3.4, dan Niño4 (musiman:
JJA dan SON)
JJA
Curah Hujan
EMI P-value Niño3.4 P-value Niño4 P-value
Lampung -0.32 0.04 -0.50 0.01 -0.57 0.00
Sumbawa Besar -0.37 0.04 -0.21 0.27 -0.23 0.22
Makassar -0.40 0.03 -0.65 0.00 -0.61 0.00
Banjar Baru -0.47 0.01 -0.72 0.00 -0.63 0.00
Indramayu -0.08 0.69 -0.60 0.00 -0.49 0.01

SON
Curah Hujan
EMI P-value Niño3.4 P-value Niño4 P-value
Lampung -0.24 0.20 -0.51 0.00 -0.47 0.01
Sumbawa Besar -0.50 0.01 -0.21 0.26 -0.38 0.04
Makassar -0.62 0.00 -0.76 0.00 -0.85 0.00
Banjar Baru -0.60 0.00 -0.72 0.00 -0.74 0.00
Indramayu -0.41 0.03 -0.53 0.00 -0.54 0.00

4.3 Pola Interaksi El Niño Modoki EMI tersebut dapat digunakan sebagai
Terhadap Perilaku Curah Hujan prediktor untuk memperkirakan kondisi hujan
Monsunal di Indonesia monsunal satu bulan ke depan.
4.3.1 Analisis Korelasi Silang El Niño
Modoki Terhadap Anomali Curah Tabel 6 Korelasi Silang: Series Pair EMI with
Hujan Wilayah Kajian Banjar Baru
Lag Cross Correlation Std. Errora
Analisis korelasi silang (cross correlation) 0 –.572 .204
pada Gambar 27 mengambil kejadian El Niño 1 –.544 .209
Modoki 1994 terhadap anomali curah hujan 2 –.421 .213
Banjar Baru. Karena pada kajian ini Banjar 3 –259 .218
Baru memiliki koefisien korelasi yang 4 –.153 .224
tertinggi terhadap EMI diantara anomali curah
hujan wilayah lainnya. Hal ini berdasar pada
perhitungan nilai korelasi rata-rata kedua
musim JJA dan SON dibanding empat
wilayah kajian lainnya. Asumsi yang
digunakan adalah terjadi penurunan curah
hujan monsunal di wilayah kajian setelah pola
penghangatan El Niño Modoki yang hanya
terkonsentrasi di Pasifik tropis terbentuk.
Kriteria pemilihan indikator jeda waktu
tersebut adalah nilai korelasi yang tertinggi
selama periode pengujian dan diutamakan
yang berada di sekitar dan setelah lag nol.
Hasil analisis korelasi silang pada Tabel 6 Gambar 27 Jeda waktu (lag time) curah hujan
menunjukkan bahwa jeda waktu (lag time) Banjar Baru terhadap EMI 1994.
antara fase hangat EMI dan perubahan curah
hujan monsunal berkisar 0 hingga 1 bulanan. Hasil yang ditampilkan hanya korelasi
Hasil ini ditunjukkan oleh koefisien korelasi silang EMI dengan indeks anomali curah
silang tertinggi berada pada lag 0 hingga 1 hujan Banjar Baru (Gambar 27). Walaupun
bulanan. Jeda waktu hingga satu bulanan tidak semua ditampilkan, hasil yang sama juga
berarti bahwa El Niño Modoki dapat ditunjukkan oleh anomali curah hujan wilayah
mempengaruhi curah hujan monsunal hingga kajian lainnya pada tahun kejadian El Niño
satu bulan berikutnya. Sehingga infromasi Modoki.

4.3.2 Analisis Hovmoller Curah Hujan
Wilayah Kajian
Ernest Hovmoller (1949) telah
menemukan diagram Hovmoller untuk
mempermudah cara menafsirkan plot transek
lintang atau bujur suatu wilayah terhadap data
deret waktu. Plot Hovmoller digunakan secara
luas dalam oseanografi dan meteorologi. Pada
kajian ini digunakan untuk membandingkan
bagaimana fitur seperti curah hujan spasial
bergerak terhadap waktu pada tahun kejadian
El Niño Modoki terhadap kondisi normal.
Gambar 28 menunjukkan perbandingan secara
spasial kejadian El Niño Modoki tahun
2004/05 terhadap tahun normal 2007/08
menggunakan analisis spasial Hovmoller.
Awal musim kering ditandai dengan curah
hujan bulanan < 150 mm. Batas 150 mm
berasal berdasarkan kriteria BMKG dalam
menentukan batas antara musim kemarau dan
musim hujan yaitu jumlah curah hujan per
dasarian (decad) adalah 50 mm. Jika jumlah
curah hujan 1 dasarian dan dasarian
berikutnya kurang dari 50 mm, musim
kemarau tiba. Sedangkan jika jumlah curah
hujan 1 dasarian dan dasarian berikutnya sama
dengan atau lebih 50 mm, maka mulai musim
hujan. Menurut Aldrian dan Susanto (2003),
secara umum pengaruh El Niño terhadap
wilayah Indonesia akan mulai terasa pada
bulan April.
a. Sumbawa Besar
b. Banjar Baru
26
Gambar 28 menunjukan distribusi spasial
curah hujan wilayah kajian bervariasi terhadap
waktu. Sumbu vertikal menunjukkan waktu
(bulan) dan sumbu horizontal mewakili letak
bujur wilayah kajian. Sedangkan letak lintang
masing-masing wilayah kajian dapat dilihat
pada bagian scripting language GrADS 2.0
(lampiran 7).
Berdasarkan Gambar 28a, curah hujan
wilayah Sumbawa Besar (117⁰–118⁰BT)
biasanya akan mulai menurun sekitar bulan
Mei atau Juni (awal musim kering) pada tahun
normal 2007. Namun pada tahun El Niño
Modoki 2004 mengalami kemajuan terhadap
waktu penurunan curah hujan (awal musim
kering) menjadi sekitar bulan Maret atau
April. Wilayah Banjar Baru (114⁰–115⁰BT)
dan Makassar (119⁰–120⁰BT) biasanya akan
memasuki musim kering sekitar bulan Juni
atau Juli (Gambar 28b dan 28c). Namun pada
saat El Niño Modoki terjadi, penurunan curah
hujan terjadi lebih awal yaitu dimulai sekitar
April atau Mei. Sehingga berdasarkan pola
tersebut, El Niño Modoki dapat menyebabkan
kemajuan awal musim kering sekitar satu
bulan dari kondisi normalnya. Hal ini
diindikasikan dengan penurunan curah hujan
melewati batas normalnya pada bulan
tersebut.

c. Makassar
d. Lampung
e. Indramayu
Gambar 28 Analisis spasial Hovmoller dengan GrADS 2.0 terhadap wilayah kajian tahun El Niño
Modoki kuat dibandingkan dengan tahun normal.
Analisis spasial Hovmoller pada Gambar
28d dan 28e menunjukkan hasil yang berbeda
antara kejadian El Niño Modoki tahun 2004
terhadap tahun normal 2007 untuk wilayah
Lampung (104⁰–106⁰BT) dan Indramayu
(107⁰–109⁰BT). Curah hujan kedua wilayah
tersebut akan mulai menurun sekitar bulan
Juni sebagai awal musim kering pada tahun
normal. Pada tahun El Niño Modoki tidak
terjadi perubahan pola terhadap waktu
penurunan curah hujan wilayahnya. Sehingga
hasil ini dapat memperkuat pernyataan bahwa
kejadian bertipe El Niño Modoki tidak
memberikan pengaruh yang signifikan
terhadap perubahan pola curah hujan di
Lampung dan Indramayu terhadap waktu.
Bahkan antara tahun El Niño Modoki dan
27
tahun normal tidak menunjukkan adanya
pergeseran waktu penurunan curah hujan.
Hasil analisis komposit terhadap tujuh
kejadian El Niño Modoki menunjukkan fase
hangat suhu muka lautnya akan mulai naik
sekitar bulan Maret atau April. Menurut hasil
analisis spasial Hovmoller, secara umum
curah hujan monsunal di Indonesia akan mulai
mengalami penurunan pada tahun normal
sekitar bulan Mei atau Juni. Namun, pada
tahun kejadian El Niño Modoki penurunan
terjadi lebih awal yaitu sekitar bulan April
atau Mei. Maka hal ini sesuai dengan hasil
analisis korelasi silang yang mengindikasikan
bahwa jeda waktu antara penurunan curah
hujan terhadap fase hangat El Niño Modoki
adalah pada kisaran waktu satu bulanan.

Arti fisisnya adalah pada saat SML Niño
Modoki sudah mulai merangkak naik menuju
fase positif, maka selang satu bulan setelahnya
diikuti oleh penurunan curah hujan monsunal
di Indonesia. Waktu yang bisa dikatakan tidak
terlalu lama ini kemungkinan terkait dengan
kolam hangat pada El Niño Modoki hanya
terbentuk di Pasifik tropis bagian tengah. Jadi
jarak perjalanan massa udara yang membawa
awan konvektif dari Indonesia dan wilayah
sekitar Pasifik timur ke Pasifik tropis bagian
tengah lebih dekat dibandingkan terhadap
kejadian El Niño Konvensional yang kolam
hangatnya menjalar di sepanjang Pasifik tropis
timur hingga tengah.
BAB V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
El Niño Modoki berbeda dengan El Niño
Konvensional, baik dari karakteristik spasial
dan temporalnya. Karakteristik spasial
dibedakan oleh formulasi indeks aSML yang
berdasarkan pada pola penghangatan
keduanya dan karakteristik temporal
dibedakan oleh pola osilasi dominan
keduanya. El Niño Modoki memiliki siklus 5–
8 tahunan, sedangkan El Niño Konvensional
hanya 4–5 tahunan. Pola penghangatan Niño4
memiliki keterkaitan dan kemiripan dengan
pola penghangatan EMI. Hasil analisis
komposit tujuh kejadian bertipe El Niño
Modoki periode 1979-2010 memperkirakan
bahwa anomali hangat akan konsisten berada
diatas nilai threshold sekitar Juli–Maret. Fase
pertumbuhan mulai sekitar bulan Maret atau
April hingga Januari kemudian mulai turun
pada Februari. Puncak anomalinya terjadi
pada bulan Agustus–Januari.
Berdasarkan hasil analisis penurunan
curah hujan tahunan rata-rata kelima wilayah
kajian diperoleh persentase penurunan curah
hujan dari kondisi normal yaitu ~26% dan
~33% terhadap kejadian El Niño Modoki
1994 dan El Niño Konvensional 1997.
Menurut hasil analisis regresi periode 1971-
2000, El Niño Modoki memberikan pengaruh
yang jelas terhadap penurunan curah hujan di
wilayah Sumbawa Besar, Makassar, dan
Banjar Baru pada musim JJA dan semakin
kuat pengaruhnya pada musim SON. Wilayah
Lampung hanya merasakan pengaruhnya
dengan jelas pada musim JJA saja. El Niño
Modoki juga mempengaruhi curah hujan
Indramayu namun hanya pada musim SON.
Berdasarkan koefisien korelasi rata-rata
dari kedua musim JJA dan SON, anomali
28
SML wilayah Niño3.4 masih sangat baik
digunakan sebagai prediktor dalam
menjelaskan perilaku curah hujan monsunal
untuk wilayah Lampung, Indramayu, dan
Banjar Baru. Walaupun begitu, ketika pola
penghangatan Pasifik tropis mengarah pada El
Niño Modoki maka untuk wilayah Banjar
Baru lebih baik menggunakan anomali SML
EMI sebagai prediktor. Wilayah Sumbawa
Besar lebih baik menggunakan anomali EMI
sebagai prediktor curah hujannya. Sedangkan
wilayah Makassar lebih baik menggunakan
Niño4 sebagai prediktor untuk menjelaskan
perilaku curah hujannya.
Pola interaksi digambarkan berdasarkan
sudut pandang temporal dan spasial perilaku
curah hujan monsunal wilayah kajian terhadap
El Niño Modoki. Analisis temporal terhadap
jeda waktu (lag time) penurunan curah hujan
monsunal terhadap fase hangat EMI adalah
pada kisaran waktu satu bulanan. Analisis
spasial Hovmoller di wilayah kajian
menunjukkan penurunan curah hujan untuk
awal musim kering (JJA) pada tahun normal
terjadi sekitar bulan Mei atau Juni, namun
pada tahun El Niño Modoki terjadi lebih awal
sekitar bulan April atau Mei. Hal ini terlihat
jelas di wilayah Banjar Baru, Makassar,
Sumbawa Besar. Sedangkan Lampung dan
Indramayu memiliki pola yang sama, terjadi
penurunan curah hujan dimulai sekitar bulan
Juni baik pada tahun normal maupun El Niño
Modoki.
5.2 Saran
Saran untuk penelitian selanjutnya, untuk
menjelaskan distribusi curah hujan wilayah
dengan analisis spasial Hovmoller sebaiknya
menggunakan interval lintang suatu wilayah
karena pada penelitian ini hanya mengacu
pada satu titik lintang saja yaitu dengan
mengambil nilai tengah pada interval lintang
wilayah kajian. Selain itu, dalam menentukan
jeda waktu (lag time) antara penurunan curah
hujan terhadap fase positif EMI sebaiknya
dilakukan juga analisis terhadap berbagai
karakteristik curah hujan, seperti perubahan
awal musim hujan, panjang musim hujan dan
frekuensi hari basah/kering. Penelitian
selanjutnya diharapkan dapat memodelkan
secara statistik antara curah hujan monsunal
wilayah kajian terhadap anomali SML
berdasarkan koefisien korelasi tertinggi dan
signifikan yang telah dihasilkan pada
penelitian ini.

DAFTAR PUSTAKA
Aldrian E, Susanto RD. Identification of
Three Dominant Rainfall Regions within
Indonesia and Their Relationship to Sea
Surface Temperature. Int J Clim 2003;
23: 1435–1452.
Ashok K, Behera SK, Rao SA, Weng H, dan
Yamagata T. 2007. El Niño Modoki and
Its Teleconnection. J Geophys Res 112:
C11007. doi:10.1029/2006JC003798.
Ashok K., Yamagata T. 2009. The El Niño
with A Difference. Nature 461:481–484.
As-syakur AR. 2010. Pola Spasial Pengaruh
Kejadian La Nina terhadap Curah Hujan
di Indonesia Tahun 1998/1999;
Observasi Menggunakan Data TRMM
Multisatellite Precipitation Analysis
(TMPA) 3B43. Journal of Ocean
Science: In Press.
[BMKG] Badan Meteorologi Klimatologi dan
Geofisika. 2011.
http://www.bmkg.go.id/Bmkg_Pusat/Dat
aDokumen/Update_Niño_040411.pdf
[6 April 2011].
Chang CWJ, Hsu HH, Wu CR, Sheu WJ.
2008. Interannual Mode of Sea Level in
the South China Sea and the Roles of El
Niño and El Niño Modoki. Geophysical
Research Letters, 35(3): 1-5.
Coughlan M, Jones DA, Plummer N, Watkins
AB, Trewin BC, Dawkins SS. 2004.
Impacts of the 2002–03 El Niño on
Australian climate. In: Plummer N,
Flannery M, Mullen C, Trewin B,
Watkins A, Wright W, Powell T, Power
S (eds) DroughtCom Workshop,
Improving the Communication of
Climate Information, Vol II, Extended
Abstracts, 22–23 July 2003, Melbourne,
Bureau of Meteorology, Commonwealth
of Australia.
Gall MD. 2001. Figuring out the Importance
of Research Results: Statistical
Significance versus Practical
Significance.
www.uoregon.edu/~mgall/statistical_sig
nificance_v.htm. [20 April 2011]
Ghozali I. 2005. Aplikasi Analisis
Multivariate dengan Program SPSS Ed
ke-3. Semarang: Badan Penerbit
Universitas Diponegoro.
Hamada JI, Yamanaka MD, Matsumoto J,
Fukao S, Winarso PA, Sribimawati T.
2002. Spatial and Temporal Variations
of the Rainy Season over Indonesia and
their Link to ENSO. Journal of the
29
Meteorological Society of Japan 80:
285-310.
Hasan, MI. 2003. Pokok–Pokok Materi
Statistik 2 (Statistik Iterensif). Ed Ke-2.
Jakarta: Bumi Aksara.
Hendon HH. 2003. Indonesian rainfall
variability: impacts of ENSO and local
air–sea interaction. Journal of Climate
16:1775–1790.
Hermawan E. 2003. The Characteristics of
Indian Ocean Dipole Mode
Premiliminary Study of the Monsoon
Variability in the Western Part of
Indonesian Region. Jurnal Sains
Dirgantara: Vol. 1 No. 1 Des 2003.
Irawan B. 2006. Fenomena Anomali Iklim El
Niño dan La Nina: Kecenderungan
Jangka Panjang dan Pengaruhnya
terhadap Produksi Pangan. Forum
Penelitian Agro Ekonomi, Vol.24
No.1:28–45.
[IRI]. International Research for Climate and
Society. 2011. Monitoring ENSO: The
Niño Regions.
http://iri.columbia.edu/climate/ENSO/ba
ckground/monitoring.html
[11 April 2011].
[JAMSTEC]. Japan Agency for Marine-Earth
Science and Technology. 2011. El Niño
Modoki Index Monthly Data.
http://www.jamstec.go.jp/frcgc/research/
d1/iod/DATA/emi.monthly.txt
[11 Maret 2011]
Juanda B. 2009. Ekonometrika: Pemodelan
dan Pendugaan. Bogor: IPB Press.
Lee T, McPhaden MJ. 2010. Increasing
Intensity of El Niño in the Central-
Equatorial Pacific. Geophysical
Research Letters, 37(14):1-5.
doi:10.1029/2010GL044007.
Makridarkis S, and Wheelwright SC. 1989.
Metode dan Aplikasi Peramalan Jilid
Satu. Edisi Kedua. Jakarta: Erlangga.
Mulyana. 2004. Analisis Spektral untuk
Menelaah Periodisitas Tersembunyi dari
Data Deret Waktu. Bandung: Statistika
FMIPA Universitas Padjadjaran.
Nazir M. 1988. Metode Penelitian. Jakarta:
Ghalia Indonesia.
[NASA]. National Aeronautics and Space
Administration. Data TRMM 3B43.
ftp://disc2.nascom.nasa.gov/data/TRMM
/Gridded/3B43_V6 [13 Maret 2011]
[NASA]. National Aeronautics and Space
Administration. Hovmoller Diagram.
http://disc.sci.gsfc.nasa.gov/oceancolor/a
dditional/science-
 30

focus/locus/Giovanni_NEO_cookbook_ Yamagata T. 2004. Mock El Niño: Culprit

Gulf_Stream.shtml#lat [18 Mei 2011] behind Heat Wave, Floods.
[NASDA]. National Space Development http://www.japantimes.co.jp/cgi–
Agency. 2001. TRMM Data Users bin/getarticle.pl5?nn20040724f3.htm
Handbook. Earth Observation Center [22 April 2011].
Japan: NASDA. Yeh SW, Kug JS, Dewitte B. 2009. El Niño in
[NOAA] National Oceanic and Atmospheric A Changing Climate. Nature 461:
Administration. Gets U.S. Consensus for 511−514.
El Niño/La Niña Iindex Definitions. Yu JY, Kim ST. 2010. Three Evolution
http://www.noaanews.noaa.gov/stories/s Patterns of Central-Pacific El Niño.
2095.htm [14 Mei 2011] Geophysical Research Letters: 1-18. [In
[NOAA]. National Oceanic and Atmospheric Press].
Administration. 2003. Plot time series
Niño3 - Niño3.4 1950-1979.
http://www.cgd.ucar.edu/cas/papers/cliv
ar97/fig_1.html [14 Mei 2011].
[NOAA]. National Oceanic and Atmospheric
Administration. 2011. Data SSTA Niño.
http://www.cpc.noaa.gov/data/indices/SS
Toi.indices. [11 Maret 2011]
Persson A. 2005. Early Operational Numerical
Weather Prediction Outside the USA
Part I: Internationalism and Engineering
NWP in Sweden 1952–69. Meteor Appl
12:135–159.
Purwandani et al. 1998. Prediksi Curah Hujan
dan Pengaruh ENSO dengan Model
Numerik Probabilitas Distribusi Gamma.
Jurnal IPTEK Iklim dan Cuaca 02:107–
117.
Ramage CS. 1968. Role of A Tropical
‘‘Maritime Continent’’ in The
Atmospheric Circulation. Mon Wea Rev
96: 365–369.
Tang, YY. 2009. Wavelet Theory Approach to
Pattern Recognition 2nd Edition.
Singapore: World Scientific Publishing
Co. Pte. Ltd.
Trenberth KE. 1997. The Definition of El
Niño. Bull Amer Meteor Soc 78:2771–
2777.
Trenberth KE, Stepaniak DP, Hurrell JW,
Fiorino M. 2001. Indices of El Niño
Evolution, J Climate 14:1697–1701.
Trenberth KE, Caron JM, Stepaniak DP,
Worley S. 2002. The Evolution of ENSO
and Global Atmospheric Temperatures.
Journal of Geophysics 107: 4065,
doi:10.1029/2000JD000298.
Weng HY, Ashok K, Behera SK, Rao AS,
Yamagata T. 2007. Impacts of Recent El
Niño Modoki on Dry/Wet Conditions in
the Pacific Rim during Boreal Summer.
J Climate Dynamics 29:113–129.
Wiratmo J. Sudah Benarkah Pemahan Anda
tentang La Niña dan El Niño?. 1998.
Bandung: Penerbit ITB.
LAMPIRAN
 32

Lampiran 1 Data insitu curah hujan bulanan wilayah kajian periode 1971–2000

Banjar
Tahun Bulan EMI Lampung Sumbawa Besar Makassar Indramayu
Baru
1971 1 -0.658 271 181 550 371 420
2 -0.283 256 128 619 291 361
3 -0.488 181 3 728 294 115
4 -0.384 133 63 56 264 211
5 -0.109 67 117 121 186 97
6 -0.033 80 2 268 134 74
7 -0.174 53 3 63 107 65
8 -0.224 64 12 62 67 21
9 -0.543 74 36 77 82 3
10 -0.132 120 43 287 158 93
11 -0.142 171 17 221 231 277
12 -0.085 224 211 817 356 281
1972 1 -0.336 253 62 874 371 471
2 -0.224 256 237 504 291 118
3 -0.132 215 119 390 294 408
4 0.102 167 42 183 264 112
5 0.208 122 16 34 186 124
6 -0.034 101 29 5 134 1
7 -0.213 83 20 0 107 0
8 -0.388 82 12 10 67 1
9 -0.155 78 36 0 82 0
10 0.208 115 52 1 158 0
11 0.051 157 33 71 231 53
12 0.023 224 219 434 356 188
1973 1 0.294 253 425 546 371 182
2 0.400 256 219 256 291 232
3 0.502 215 4 284 294 220
4 0.280 164 129 256 264 98
5 0.250 133 205 247 186 127
6 -0.113 112 27 101 134 93
7 -0.182 150 23 87 107 49
8 -0.418 225 3 22 67 28
9 -0.608 221 25 311 82 91
10 -0.740 204 62 114 158 61
11 -0.962 157 55 889 231 170
12 -1.191 189 139 739 356 248
1974 1 -0.965 153 346 402 153 458
2 -0.648 115 255 806 320 259
3 -0.692 81 241 512 214 151
 33

4 -0.461 106 65 103 159 84

5 -0.566 102 40 104 110 88
6 -0.489 109 27 20 76 28
7 -0.591 104 3 140 136 50
8 -0.442 103 44 7 24 103
9 -0.475 87 42 142 123 80
10 -0.351 103 123 237 253 142
11 -0.367 145 125 411 370 197
12 -0.227 234 172 658 425 196
1975 1 -0.065 269 177 511 442 211
2 0.104 314 438 368 218 205
3 -0.375 246 331 561 518 200
4 -0.545 262 214 372 254 165
5 -0.507 273 112 110 114 141
6 -0.362 373 6 54 139 72
7 -0.828 297 1 190 200 21
8 -1.026 198 12 47 129 9
9 -1.178 89 24 97 178 50
10 -1.105 115 182 338 190 167
11 -0.948 157 85 500 302 183
12 -0.833 224 32 580 431 141
1976 1 -0.832 253 227 890 475 503
2 -0.586 256 66 696 306 203
3 -0.262 215 312 336 186 339
4 -0.321 167 59 25 139 85
5 -0.443 122 17 57 87 26
6 -0.504 101 8 67 160 6
7 -0.689 83 20 0 54 1
8 -0.654 82 12 0 66 0
9 -0.159 78 36 0 13 4
10 -0.079 115 4 166 400 40
11 0.001 157 282 198 372 137
12 -0.226 224 41 449 274 129
1977 1 -0.162 253 185 1068 348 436
2 -0.063 256 192 1155 425 394
3 -0.006 215 239 355 348 419
4 0.048 166 13 442 334 125
5 -0.003 121 17 106 93 30
6 0.124 100 5 152 171 108
7 0.417 83 20 0 29 5
8 0.598 82 6 55 40 0
9 0.751 78 36 0 13 2
10 0.742 115 58 0 24 2
 34

11 0.735 157 56 249 238 72

12 0.900 190 445 394 294 319
1978 1 0.487 219 323 529 215 313
2 0.459 223 357 457 263 244
3 0.209 226 165 426 391 136
4 0.171 178 101 220 273 118
5 0.172 179 47 249 215 61
6 0.003 182 203 193 186 127
7 -0.091 174 6 208 207 59
8 0.063 141 12 36 104 161
9 -0.115 138 36 101 96 61
10 0.003 162 36 70 155 64
11 -0.031 223 256 277 131 135
12 -0.225 253 167 634 361 155
1979 1 0.003 306 323 889 389 293
2 0.127 224 246 650 492 134
3 0.168 182 234 458 297 188
4 0.012 114 48 267 214 121
5 -0.262 102 160 182 186 154
6 -0.270 82 41 82 233 42
7 -0.137 64 20 4 35 2
8 -0.210 83 12 0 24 11
9 -0.431 78 36 26 96 66
10 -0.113 115 10 31 25 67
11 -0.018 149 161 201 236 103
12 0.345 216 186 583 240 183
1980 1 0.484 251 494 654 431 369
2 0.616 262 244 557 270 187
3 0.389 221 266 323 135 116
4 0.320 167 84 227 191 98
5 0.230 122 53 96 160 32
6 0.222 101 27 19 114 15
7 0.311 83 1 0 62 21
8 -0.058 82 12 17 20 32
9 0.004 78 36 0 40 3
10 0.275 115 21 76 153 77
11 0.338 157 137 217 131 152
12 0.269 224 218 832 439 262
1981 1 0.352 253 253 640 285 565
2 0.064 265 358 557 271 76
3 0.148 249 22 309 233 158
4 -0.144 201 94 140 447 103
5 -0.288 196 21 149 177 60
 35

6 -0.461 143 2 44 82 30
7 -0.516 125 87 140 230 46
8 -0.235 75 1 10 29
9 -0.114 78 43 23 84 58
10 -0.091 115 40 49 97 27
11 -0.048 167 161 378 250 205
12 0.036 252 13 682 359 200
1982 1 -0.152 345 377 735 383 381
2 -0.087 394 12 475 360 180
3 0.295 344 19 498 392 163
4 0.480 240 43 156 204 102
5 0.422 128 53 72 206 8
6 0.584 72 13 6 62 40
7 0.328 23 20 0 11 1
8 0.158 11 12 0 40 1
9 -0.058 13 36 1 23 1
10 0.165 40 52 0 45 6
11 -0.304 131 17 46 103 37
12 -0.635 226 9 390 485 126
1983 1 -0.477 293 348 295 348 284
2 -0.389 260 236 152 211 158
3 -0.563 226 218 118 172 155
4 -0.986 157 205 119 57 98
5 -1.076 106 146 67 354 91
6 -1.440 71 27 172 244 56
7 -1.529 54 20 4 116 19
8 -1.292 40 12 0 13 6
9 -1.181 43 36 2 32 17
10 -1.049 99 101 191 243 168
11 -0.902 218 423 641 452 166
12 -0.618 310 116 543 286 114
1984 1 -0.505 435 29 547 455 274
2 -0.436 422 497 677 241 261
3 -0.559 418 147 522 271 194
4 -0.692 276 46 250 392 223
5 -0.424 200 24 195 318 145
6 -0.192 127 3 55 86 34
7 -0.142 90 9 56 204 31
8 -0.302 107 12 4 128 69
9 -0.197 109 62 178 110 59
10 -0.386 190 20 29 154 167
11 -0.679 246 17 305 218 156
12 -0.779 297 124 687 390 135
 36

1985 1 -0.218 225 63 456 453 225

2 -0.266 214 222 376 178 118
3 -0.562 199 139 517 212 127
4 -0.411 207 148 248 175 133
5 -0.179 167 2 151 190 95
6 -0.098 81 1 71 99 84
7 0.196 89 6 97 95 174
8 0.258 66 12 9 154 10
9 0.215 130 3 6 32 47
10 0.118 148 56 25 151 129
11 0.117 179 76 497 163 74
12 -0.009 202 195 335 182 281
1986 1 -0.161 238 426 1075 357 206
2 -0.137 231 465 501 237 136
3 -0.051 225 264 525 374 110
4 0.040 156 105 212 317 186
5 -0.016 126 53 47 70 65
6 0.276 58 45 110 162 57
7 0.164 74 8 28 100 37
8 0.281 114 12 0 11 8
9 0.532 114 36 1 101 79
10 0.340 195 27 92 119 43
11 0.420 219 16 321 301 218
12 0.326 298 63 177 130 198
1987 1 0.320 269 282 863 314 158
2 0.410 256 285 474 230 235
3 0.305 215 163 412 422 112
4 -0.088 207 19 111 207 88
5 -0.098 162 93 54 198 48
6 0.259 141 42 18 61 21
7 0.183 83 20 0 38 4
8 0.193 82 12 0 51 2
9 0.216 78 36 0 14 18
10 0.231 115 52 0 116 5
11 0.356 157 47 119 107 103
12 0.238 267 179 1160 414 233
1988 1 0.315 280 233 526 457 211
2 0.248 249 148 1054 350 156
3 0.036 175 399 412 396 108
4 -0.180 117 95 185 321 34
5 -0.329 122 9 141 180 65
6 -0.114 69 2 27 65 94
7 -0.326 74 20 43 151 27
 37

8 -0.418 43 18 44 221 8
9 -0.526 49 26 74 127 18
10 -1.039 66 18 103 262 115
11 -1.169 106 143 329 290 177
12 -0.940 209 43 721 433 349
1989 1 -1.304 243 175 671 291 125
2 -1.289 257 197 668 478 346
3 -0.979 188 211 183 438 287
4 -0.813 140 253 504 307 156
5 -0.376 88 15 51 222 137
6 -0.524 50 95 78 199 119
7 -0.494 60 7 50 185 56
8 -0.487 57 11 30 90 13
9 -0.217 66 36 18 72 1
10 -0.235 80 21 66 189 37
11 -0.024 94 17 220 201 126
12 0.137 167 215 498 411 145
1990 1 0.222 278 46 999 307 296
2 0.079 305 8 317 323 100
3 0.273 229 165 334 204 160
4 0.114 120 186 140 283 101
5 0.113 71 34 399 235 55
6 0.059 101 27 11 75 26
7 0.373 64 20 19 144 34
8 0.384 85 2 3 76 48
9 0.442 72 36 0 38 14
10 0.666 99 19 98 118 2
11 0.648 142 27 98 69 33
12 0.738 231 286 740 462 199
1991 1 0.716 233 215 911 487 193
2 0.574 201 444 469 197 274
3 0.464 97 76 141 360 120
4 0.754 56 147 232 169 164
5 0.556 17 53 120 171 64
6 0.482 0 14 0 35 11
7 0.268 0 13 5 13 2
8 0.552 1 12 0 1 0
9 0.478 3 36 0 41 8
10 0.753 139 52 20 75 10
11 0.577 212 24 84 119 152
12 0.660 302 64 353 253 267
1992 1 0.387 255 156 477 244 134
2 0.396 256 499 256 191 208
 38

3 0.253 215 37 489 362 152

4 -0.013 167 131 259 416 161
5 -0.058 122 53 98 270 113
6 0.162 101 27 95 140 74
7 0.537 83 1 20 84 15
8 0.288 82 1 1 31 16
9 0.359 77 17 52 142 60
10 0.213 114 53 87 68 112
11 0.327 156 36 191 160 132
12 0.403 230 8 304 440 296
1993 1 0.458 231 188 604 316 321
2 0.254 239 227 466 241 310
3 0.100 220 151 185 210 134
4 0.158 179 49 335 229 135
5 0.091 101 17 155 302 111
6 0.118 32 22 67 120 58
7 0.283 20 20 6 84 3
8 0.295 31 12 0 14 8
9 0.414 29 36 2 0 4
10 0.381 51 17 35 227 17
11 0.369 80 42 157 168 109
12 0.394 193 276 844 213 169
1994 1 0.189 255 199 680 350 327
2 0.098 297 182 501 232 103
3 0.336 203 377 516 213 220
4 0.450 118 25 74 252 143
5 0.391 35 2 102 177 4
6 0.494 10 27 10 165 55
7 0.782 1 20 0 83 27
8 1.086 0 12 0 14 4
9 0.769 6 36 0 0 18
10 0.610 11 52 12 52 4
11 0.642 92 64 170 162 85
12 0.514 178 391 261 314 132
1995 1 0.454 241 243 932 443 380
2 0.518 281 318 703 248 286
3 0.708 237 89 546 260 214
4 0.685 199 154 352 385 120
5 0.567 118 38 271 188 92
6 0.418 162 8 169 228 130
7 0.196 142 1 115 72 55
8 0.150 131 12 0 99 0
9 0.066 68 36 4 254 17
 39

10 -0.144 185 29 84 152 70

11 -0.265 203 151 398 388 292
12 -0.178 226 145 602 446 178
1996 1 -0.203 154 156 632 384 365
2 -0.259 152 246 1305 413 171
3 -0.312 132 147 179 201 213
4 0.033 96 158 178 372 131
5 -0.158 61 1 91 152 27
6 0.114 39 27 15 111 41
7 -0.153 57 20 50 203 27
8 -0.325 117 4 8 125 38
9 -0.241 135 36 31 37 11
10 -0.109 153 91 279 300 160
11 0.063 126 151 2010 248 178
12 0.233 137 145 1269 345 107
1997 1 0.262 166 257 588 437 536
2 0.129 170 342 820 261 157
3 -0.118 163 25 283 94 63
4 0.097 142 60 141 359 171
5 -0.125 99 73 39 162 25
6 -0.576 71 1 13 61 13
7 -0.495 11 20 14 20 4
8 -0.513 7 12 0 0 4
9 -0.461 3 36 0 0 18
10 -0.666 9 52 2 39 64
11 -0.566 73 29 57 94 24
12 -0.983 126 275 308 452 231
1998 1 -0.504 255 18 103 290 45
2 -0.533 323 264 87 162 232
3 -0.758 315 195 187 172 110
4 -0.966 255 119 422 310 136
5 -1.022 169 54 240 242 128
6 -1.070 157 5 145 260 91
7 -1.186 142 127 316 162 81
8 -1.287 125 12 71 195 29
9 -1.075 119 80 70 265 36
10 -1.177 144 86 240 203 136
11 -1.178 173 13 542 370 359
12 -1.208 230 297 789 385 163
1999 1 -1.308 213 263 1125 489 195
2 -1.469 241 298 916 362 129
3 -1.224 188 23 434 207 129
4 -0.711 183 149 412 195 167
 40

5 -0.699 104 6 128 93 74

6 -0.566 102 18 73 96 43
7 -0.553 47 24 107 84 36
8 -0.586 65 16 4 51 11
9 -0.399 75 36 43 92 3
10 -0.492 98 82 318 310 109
11 -0.581 156 17 307 234 226
12 -0.798 211 182 927 350 187
2000 1 -0.927 264 230 701 379 348
2 -1.246 256 263 841 282 59
3 -1.148 215 165 293 457 91
4 -1.171 167 104 235 175 155
5 -0.838 122 53 127 136 81
6 -0.303 101 27 210 175 73
7 -0.146 83 20 28 89 12
8 -0.218 82 12 0 76 4
9 -0.267 78 36 17 27 5
10 -0.334 115 52 220 146 96
11 -0.350 157 92 405 350 200
12 -0.675 199 167 358 403 173

Lampiran 2 Curah hujan normal wilayah kajian periode 1971–2000

Sumbawa
Bulan Lampung Makassar Banjar Baru Indramayu
Besar
Rata2 Std Rata2 Std Rata2 Std Rata2 Std Rata2 Std
Januari 274 66 230 120 682 241 371 89 307 130
Februari 268 107 263 127 589 281 291 88 201 85
Maret 227 81 165 111 382 148 294 113 177 87
April 150 69 104 62 229 120 264 96 131 41
Mei 124 68 53 51 133 82 186 71 79 43
Juni 92 82 27 38 78 71 134 64 57 37
Juli 87 84 20 26 60 77 107 67 32 35
Agustus 71 53 12 7 14 21 67 60 22 35
September 89 70 36 12 43 70 82 68 28 29
Oktober 75 45 52 37 109 106 158 95 73 57
November 181 88 92 95 350 366 231 105 151 78
Desember 217 57 167 109 602 259 356 94 199 64

Persamaan Anomali:
 41

Lampiran 3 Koefisien korelasi musimam anomali curah hujan wilayah kajian terhadap El Niño
Modoki Index (EMI) periode 1971–2000

DJF
Rainfall
EMI P-value Niño3.4 P-value Niño4 P-value
Lampung 0.03 0.87 0.12 0.54 0.10 0.62
Sumbawa Besar 0.34 0.07 0.12 0.53 0.24 0.20
Makassar -0.15 0.44 0.08 0.68 -0.41 0.02
Banjar Baru -0.32 0.09 0.14 0.47 -0.34 0.07
Indramayu 0.15 0.43 0.21 0.27 -0.09 0.62
MAM
Rainfall
EMI P-value Niño3.4 P-value Niño4 P-value
Lampung -0.24 0.21 0.09 0.63 -0.09 0.65
Sumbawa Besar -0.26 0.16 0.01 0.98 -0.07 0.70
Makassar 0.03 0.88 -0.18 0.33 -0.20 0.28
Banjar Baru 0.17 0.36 0.22 0.24 0.17 0.38
Indramayu -0.29 0.12 -0.15 0.45 -0.32 0.09
JJA
Rainfall
EMI P-value Niño3.4 P-value Niño4 P-value
Lampung -0.32 0.09 -0.50 0.01 -0.57 0.00
Sumbawa Besar -0.37 0.04 -0.21 0.27 -0.23 0.22
Makassar -0.40 0.03 -0.65 0.00 -0.61 0.00
Banjar Baru -0.47 0.01 -0.72 0.00 -0.63 0.00
Indramayu -0.08 0.69 -0.60 0.00 -0.49 0.01
SON
Rainfall
EMI P-value Niño3.4 P-value Niño4 P-value
Lampung -0.24 0.20 -0.51 0.00 -0.47 0.01
Sumbawa Besar -0.50 0.01 -0.21 0.26 -0.38 0.04
Makassar -0.62 0.00 -0.76 0.00 -0.85 0.00
Banjar Baru -0.60 0.00 -0.72 0.00 -0.74 0.00
Indramayu -0.41 0.03 -0.53 0.00 -0.54 0.00

Lampiran 4 Plot deret waktu 3 box EMI periode 1971–2010

 42

Lampiran 5 Plot aSML EMI 7 kejadian Modoki kuat periode 1979–2010

x = waktu (bulan)
y = ASML EMI (degC)

Lampiran 6 Script untuk pengolahan data menggunakan perangkat lunak Matlab R2008a

%====================================================================
% Program membaca data ASML Niño dan EMI dengan metode PSD
% Periode 1979-2010
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%====================================================================
% load data dari excel
 43

%====================================================================
data=xlsread('Niño-emi',2,'L9:P381');
[m,n]=size(data);
t=48:length(data);
y=data;
[spec,f]= fftrl(y,t);
spec=real(spec).^2+imag(spec).^2; %rms frekuensi
f=1./f;
figure;semilogx(f,spec);grid on;
h= legend('EMI','NIÑO1+2','NIÑO3','NIÑO4','NIÑO3.4',5);
set (gca,'xtick',[0 1 6 7 8 9 11 14 18 22 28 34 46 62 94 124 190 300 400]);
xlabel('Period (month)','fontweight','bold','fontsize',16);
ylabel('Spectral Energy (degC/Hz)','fontweight','bold','fontsize',16);
title('Power Spectral Density (PSD) ASML NIÑO Period 1979 -
2010','fontweight','bold','fontsize',16);
% end of code

%====================================================================
% Program membaca data bulanan anomali curah hujan dengan metode PSD
% Periode 1971-2000
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%====================================================================
% load data dari excel
%====================================================================
data=xlsread('curahujan',2,'F2:J361');
[m,n]=size(data);
t=24:length(data);
y=data;
[spec,f]= fftrl(y,t);
spec=real(spec).^2+imag(spec).^2; %rms frekuensi
f=1./f;
figure;semilogx(f,spec);grid on;
h= legend('Lampung','Sumbawa Besar','Makassar','Banjar Baru','Indramayu',5);
set (gca,'xtick',[ 6 7 8 9 10 12 14 16 20 24]);
xlabel('Period (month)','fontweight','bold','fontsize',14);
ylabel('Energy Spectral (mm/Hz)','fontweight','bold','fontsize',14);
title('Power Spectral Density (PSD) CH Monsunal Periode 1971-
2000','fontweight','bold','fontsize',14);
% end of code

%====================================================================
% Program membaca data bulanan deret waktu Niño3.4 dan EMI
% Periode 1979-2010
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%====================================================================
% load data dari excel
%====================================================================
y=xlsread('Niño-emi',1,'I9:J381');
x=1:length(y);
plot(x,y);
xlabel('Time (Month)','fontweight','bold','fontsize',16);
ylabel('ASML (degC)','fontweight','bold','fontsize',16);
h= legend('EMI','NIÑO3.4',10)
set(gca,'xtick',[1 25 49 73 97 121 145 169 193 217 241 265 289 313 337 361 385]);
 44

set(gca,'xticklabel',{'Augst-79' 'Augst-81' 'Augst-83' 'Augst-85' 'Augst-87' 'Augst-89' 'Augst-91'

'Augst-93' 'Augst-95' 'Augst-97' 'Augst-99' 'Augst-01' 'Augst-03' 'Augst-05' 'Augst-07' 'Augst-09'
'Augst-10'},'fontweight','bold','fontsize',7);
title('El Niño Modoki Index (EMI) & NIÑO3.4 Augst 1979 - Augst
2010','fontweight','bold','fontsize',18)
% end of code

%====================================================================
% Program Membaca Data ASML Niño dan EMI dengan metode Wavelet
% Periode 1979-2010
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%====================================================================
% load data dari excel
%====================================================================
% WAVETEST Example Matlab script for WAVELET, using NIÑO3 SML dataset
% See "http://paos.colorado.edu/research/Wavelets/"
% Written January 1998 by C. Torrence
% Modified Oct 1999, changed Global Wavelet Spectrum (GWS) to be sideways,
% changed all "log" to "log2", changed logarithmic axis on GWS to a normal
% axis.
% normalize by standard deviation (not necessary, but makes it easier
% to compare with plot on Interactive Wavelet page, at
% "http://paos.colorado.edu/research/Wavelets/plot/"
% Modified by Ela Hasri Windari on July 17, 2011

% ------------------------ loading data ------------------------ %

load 'emi01790810.txt' ; % input SML time series
emi = emi01790810;
% computation -------------------------------------------------- %
variance = std(emi)^2;
emi = (emi-mean(emi))/sqrt(variance) ;

n = length(emi);
dt = 0.25 ;
time = [0:length(emi)-1]*dt + 1972.0 ; % construct time array
xlim = [1971,2000]; % plotting range
pad = 1; % pad the time series with zeroes (recommended)
dj = 0.25; % this will do 4 sub-octaves per octave
s0 = 2*dt; % this says start at a scale of 6 months
j1 = 7/dj; % this says do 7 powers-of-two with dj sub-octaves each
lag1 = 0.72; % lag-1 autocorrelation for red noise background
mother = 'Morlet';

% Wavelet transform:
[wave,period,scale,coi] = Wavelet(emi,dt,pad,dj,s0,j1,mother);
power = (abs(wave)).^2 ; % compute Wavelet power spectrum

% Significance levels: (variance=1 for the normalized SML)

[signif,fft_theor] = wave_signif(1.0,dt,scale,0,lag1,-1,-1,mother);
sig95 = (signif')*(ones(1,n)); % expand signif --> (J+1)x(N) array
sig95 = power ./ sig95 ; % where ratio > 1, power is significant

% Global Wavelet spectrum & significance levels:

global_ws = variance*(sum(power')/n); % time-average over all times
dof = n - scale; % the -scale corrects for padding at edges
global_signif = wave_signif(variance,dt,scale,1,lag1,-1,dof,mother);
 45

% Scale-average between El Niño periods of 5--15 years

avg = find((scale >= 4) & (scale < 15));
Cdelta = 0.776; % this is for the MORLET Wavelet
scale_avg = (scale')*(ones(1,n)); % expand scale --> (J+1)x(N) array
scale_avg = power ./ scale_avg; % [Eqn(24)]
scale_avg = variance*dj*dt/Cdelta*sum(scale_avg(avg,:)); % [Eqn(24)]
scaleavg_signif = wave_signif(variance,dt,scale,2,lag1,-1,[2,7.9],mother);

whos
%------------------------------------------------------ Plotting
%--- Plot time series
subplot('position',[0.1 0.75 0.65 0.20])
plot(time,emi)
grid
set(gca,'XLim',xlim(:))
%set(gca,'XTickLabel',a)
xlabel('Time (year)','fontweight','bold','fontsize',12);
ylabel('ASML (degC)','fontweight','bold','fontsize',12)
title('a) Time Series El-Niño Modoki Index Period 1971 - 2000','fontweight','bold','fontsize',14)
hold off

%--- Contour plot Wavelet power spectrum

subplot('position',[0.1 0.37 0.65 0.28])
levels = [0.0625,0.125,0.25,0.5,1,2,4,8,16] ;
Yticks = 2.^(fix(log2(min(period))):fix(log2(max(period))));
% contour(time,log2(period),log2(power),log2(levels)); %*** or use 'contourfill'
[C,h]=contourf(time,log2(period),log2(power),log2(levels)); %*** or use 'contourfill'
colormap
colorbar
%imagesc(time,log2(period),log2(power)); %*** uncomment for 'image' plot
xlabel('Time (year)','fontweight','bold','fontsize',12)
ylabel('Period (year)','fontweight','bold','fontsize',12)
title('b) EMI ASML Wavelet Power Spektrum','fontweight','bold','fontsize',14)
set(gca,'XLim',xlim(:))
set(gca,'YLim',log2([min(period),max(period)]), ...
'YDir','reverse', ...
'YTick',log2(Yticks(:)), ...
'YTickLabel',Yticks)
% 95% significance contour, levels at -99 (fake) and 1 (95% signif)
hold on
contour(time,log2(period),sig95,[-99,1],'k');
hold on
% cone-of-influence, anything "below" is dubious
plot(time,log2(coi),'k')
hold off

%--- Plot global Wavelet spectrum

subplot('position',[0.77 0.37 0.2 0.28])
plot(global_ws,log2(period))
grid
hold on
plot(global_signif,log2(period),'--')
grid
hold off
xlabel('Power (degC^2)','fontweight','bold','fontsize',12)
Yticks = 2.^(fix(log2(min(period))):fix(log2(max(period))));
title('c) Global Wavelet Spektrum','fontweight','bold','fontsize',14)
 46

set(gca,'YLim',log2([min(period),max(period)]), ...
'YDir','reverse', ...
'YTick',log2(Yticks(:)), ...
'YTickLabel',Yticks)
set(gca,'XLim',[0,1.25*max(global_ws)])

%--- Plot 30--60 days scale-average time series

subplot('position',[0.08 0.07 0.56 0.18])
plot(time,scale_avg)
grid
set(gca,'XLim',xlim(:))
xlabel('Time (year)','fontweight','bold','fontsize',12)
ylabel('Rata-rata varians','fontweight','bold','fontsize',12)
title('d) 4-15 Scale-average Time Series','fontweight','bold','fontsize',14)
hold on
plot(xlim,scaleavg_signif+[0,0],'--')
hold off
% end of code

%====================================================================
% Program Membaca Data bulanan deret waktu ASML 3 Box EMI dengan metode PSD
% Periode 1971-2010
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%====================================================================
% load data dari excel
%====================================================================
y=xlsread('dmi_emi',6,'L2:N477');
x=1:length(y);
bar(x,y);
xlabel('Time (month)','fontweight','bold','fontsize',12);
ylabel('ASML (degC)','fontweight','bold','fontsize',12);
h= legend('Box A','Box B','Box C',10)
set(gca,'xtick',[1 49 97 145 193 241 289 337 385 433 469]);
set(gca,'xticklabel',{'71' '75' '79' '83' '87' '91' '95' '99' '03' '07' '10'},'fontweight','bold','fontsize',8);
title('El Niño Modoki Index in its 3 Boxes Formula','fontweight','bold','fontsize',12)
% end of code

%====================================================================
% Program Membaca Data aSML EMI komposit 7 kejadian Modoki kuat Periode 1979-2010
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%====================================================================
% load data dari excel
%====================================================================
y=xlsread('dmi_emi',6,'I2:I25');
x=1:length(y);
bar(x,y);
xlabel('Time (month)','fontweight','bold','fontsize',12);
ylabel('ASML (degC)','fontweight','bold','fontsize',12);
h= legend('EMI',10)
set(gca,'xtick',[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24]);
set(gca,'xticklabel',{'Jan' 'Feb' 'Mar' 'Apr' 'May' 'Jun' 'Jul' 'Agst' 'Sept' 'Oct' 'Nov' 'Dec' 'Jan' 'Feb'
'Mar' 'Apr' 'May' 'Jun' 'Jul' 'Agst' 'Sept' 'Oct' 'Nov' 'Dec'},'fontweight','bold','fontsize',8);
title('Composites of ASML EMI for Strong El Niño Modoki','fontweight','bold','fontsize',12)
% end of code
 47

Lampiran 7 Script untuk pengolahan data menggunakan GrADS 2.0

%====================================================================
% Scripting Language untuk Curah Hujan Tahunan (Tahun 2002)
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
%set t 1 : Januari 1998
%set t 49 60 : Januari 2002 – Desember 2002
%====================================================================
'reinit'
'open 3B43_accum.ctl'
'set grads off'
'set timelab off'
'set lat -10 10'
'set lon 90 145'
'set grads off'
'set timelab off'
'set gxout shaded'
'set csmooth on'
'set t 49 60'
'd r'
'cbarn'
'draw title TRMM3B43 Total CH (mm) Tahun 2002'
'printim C:\2002.gif gif white'
'c'

%====================================================================
%Scripting Language untuk diagram Hovmoller (Tahun 2004/2005)
% Oleh: Ela Hasri Windari
% Departemen Geofisika dan Meteorologi
% Institut Pertanian Bogor
¾ Lampung : 103°40''–105°50''BT, 3°45''–6°45''LS (http://www.lampung.go.id 2011)
¾ Indramayu : 107°52'' –108°36'' BT, 6°15'' –6°40''LS (http://www.indramayukab.go.id 2011)
¾ Makassar : 119°25''BT, 5°8''LS (http://www.makassarkota.go.id 2011)
¾ Banjar Baru : 03°27''–03°29''LS,114°45''–114°45''BT(http://www.banjarbarukota.go.id2011)
¾ Sumbawa Besar : 116° 42''–118° 22'' BT, 8°8''–9°7'' LS (http://sumbawakab.go.id 2011)
%====================================================================
'reinit'
'open 3B43_accum.ctl'
'set grads off'
'set timelab off'
'set lat -6.50'
'set lon 105.00 110.00'
'set grads off'
'set timelab off'
'set gxout shaded'
'set mpdset hires'
'set csmooth on'
'set t 73 96'
'd r'
'cbarn'
'draw title CH Bulanan TRMM3B43 Indramayu 2004-2005'
'draw ylab month'
'set font 0'
'set strsiz 0.15'
'draw string 10.2 0.30 mm/bulan'
'draw string 6 0.75 longitude'
 48

'printim C:\gif\indramayu.gif white'

'c'
'set grads off'
'set timelab off'
'set lat -3.28'
'set lon 114.00 119.00'
'set t 73 96'
'd r'
'cbarn'
'draw title CH TRMM3B43 Bulanan Banjarbaru 2004-2005'
'draw ylab month'
'set font 0'
'set strsiz 0.15'
'draw string 10.2 0.30 mm/bulan'
'draw string 6 0.75 longitude'
'printim C:\gif\banjarmasin.gif white'
'c'
'set grads off'
'set timelab off'
'set lat -8.20'
'set lon 115.00 120.00'
'set t 73 96'
'd r'
'cbarn'
'draw title CH TRMM3B43 Bulanan Sumbawa Besar 2004-2005'
'draw ylab month'
'set font 0'
'set strsiz 0.15'
'draw string 10.2 0.30 mm/bulan'
'draw string 6 0.75 longitude'
'printim C:\gif\sumbawa.gif white'
'c'
'set grads off'
'set timelab off'
'set lat -5.00'
'set lon 102.00 107.00'
'set t 73 96'
'd r'
'cbarn'
'draw title CH TRMM3B43 Bulanan Lampung 2004-2005'
'draw ylab month'
'set font 0'
'set strsiz 0.15'
'draw string 10.2 0.30 mm/bulan'
'draw string 6 0.75 longitude'
'printim C:\gif\lampung.gif white'
'c'
'set grads off'
'set timelab off'
'set lat -5.06'
'set lon 115.00 120.00'
'set t 73 96'
'd r'
'cbarn'
'draw title CH TRMM3B43 Bulanan Makassar 2004-2005'
'draw ylab month'
'set font 0'
'set strsiz 0.15'
 49

'draw string 10.2 0.30 mm/bulan'

'draw string 6 0.75 longitude'
'printim C:\gif\hasan.gif white'
'c'

Lampiran 8 Distribusi spasial Hovmoller curah hujan wilayah kajian pada tahun kejadian El
Niño Modoki 2002/03 dan 2009/10
 50

Lampiran 9 Hasil korelasi silang El Niño Modoki Index (EMI) dengan anomali curah hujan
wilayah kajian Periode 1994 -1995.

-2 -.177 .213
-1 -.095 .209
0 -.038 .204
1 -.006 .209
2 .066 .213
3 .065 .218
a. Based on the assumption that the series are not
cross correlated and that one of the series is white
noise.

Cross Correlations
Series Pair:Banjar_Baru with EMI
Lag Cross Correlation Std. Errora
-3 -.259 .218
-2 -.421 .213
-1 -.544 .209
0 -.572 .204
1 -.519 .209
2 -.369 .213
3 -.368 .218
Cross Correlations
a. Based on the assumption that the series are not
cross correlated and that one of the series is white Series Pair:EMI with Sumbawa_Besar
noise. Lag Cross Correlation Std. Errora
-3 .029 .218
-2 .094 .213
-1 .106 .209
0 .075 .204
1 .011 .209
2 .039 .213
3 .148 .218
a. Based on the assumption that the series are not
cross correlated and that one of the series is white
noise.

Cross Correlations
Cross Correlations Series Pair:EMI with Lampung
Series Pair:EMI with Makassar Lag Cross Correlation Std. Errora
Lag Cross Correlation Std. Errora -3 -.561 .218
-3 -.331 .218
 51

-2 -.665 .213
-1 -.646 .209
0 -.588 .204
1 -.440 .209
2 -.283 .213
3 -.110 .218
a. Based on the assumption that the series are not
cross correlated and that one of the series is white
noise.

Cross Correlations
Series Pair:EMI with Indramayu
Lag Cross Correlation Std. Errora
-3 -.058 .218
-2 -.250 .213
-1 -.357 .209
0 -.241 .204
1 -.195 .209
2 -.173 .213
3 -.165 .218
a. Based on the assumption that the series are not
cross correlated and that one of the series is white
noise.