Variabilitas Cuaca dan Iklim di Indonesia

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

Selanjutnya menghitung anomali intensitas hujan yang terjadi
untuk bulan Januari sampai Juni tahun 2013 yang diperoleh dari
selisih antara intensitas hujan bulanan yang terjadi pada periode
tahun 2013 tersebut terhadap intensitas hujan bulanan
klimatogisnya, yang secara matematis seperti persamaan (1).

Xa (i) = X(i) - Xm (i) ................................ (1)
dimana i menunjukkan bulan (1, 2, ..., 6), Xa (i) merupakan data
anomali intensitas hujan untuk bulan i, X (i) adalah data intensitas
hujan dari bulan i, Xm (i) adalah data klimatologi intensitas hujan
bulanan untuk bulan i.

Selanjutnya dilakukan analisis terhadap pola anomali
intensitas hujan tersebut yang selanjutkan dikaitkan dengan
analisis kondisi dinamika atmosfer dan laut di sekitar wilayah
Indonesia berdasarkan data-data indeks global pada periode waktu
yang bersamaan.

3 HASIL DAN PEMBAHASAN
3.1 Hasil

Hasil pengolahan data penelitian diperoleh pola intensitas
hujan klimatologis bulanan berdasarkan data 1998-2008 untuk
Januari sampai Juni 2013 seperti yang terlihat pada Gambar 1.
Hasil ini menunjukkan karakteristik pola intensitas hujan
klimatologis selama bulan Januari sampai Juni di wilayah
Indonesia. Sedangkan hasil pengolahan data anomali intensitas
hujan selama bulan Januari sampai Juni tahun 2013 dapat dilihat
pada Gambar 2. Hasil ini menunjukkan besarnya penyimpangan
hujan dari kondisi klimatologisnya.

Gambar 1. Pola Intensitas hujan klimatologis (mm/jam) bulan
Januari sampai Juni di wilayah Indonesia

42

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

Gambar 2. Pola anomali intensitas hujan (mm/jam) di wilayah
Indonesia selama periode Januari sampai Juni 2013

3.2 Pembahasan
Berdasarkan hasil pola intensitas hujan klimatologis bulanan

untuk Januari sampai Juni seperti yang terlihat pada Gambar 1,
tampak adanya karakteristik pola intensitas hujan klimatologis
selama bulan Januari sampai Juni di wilayah Indonesia. Intensitas
hujan terbesar terjadi di Pulau Papua yang didominasi oleh rentang
nilai 0,6 mm/jam sampai 0,8 mm/jam. Pada rentang nilai yang
sama antara 0,6 mm/jam sampai 0,8 mm/jam juga terjadi hanya
untuk beberapa lokasi lainnya seperti Sumatera Selatan dan Jawa
Tengah untuk bulan Januari sampai Maret dan di Sulawesi Tengah
pada bulan April. Secara umum tampak sejak bulan April
intensitas hujan klimatologis wilayah Indonesia perlahan-lahan
mulai berkurang terutama di Bali, Nusa Tenggara dan Pulau Jawa.
Pada bulan Mei dan Juni tampak kondisi yang semakin kering dan
meluas ke sebagian besar wilayah Indonesia. Pada bulan Juni
tampak daerah paling kering di Indonesia terjadi di Pulau Bali,
Nusa Tenggara dan sebagian daerah Jawa Timur bagian timur
dimana intensitas hujan hanya sampai 0,1 mm/jam. Umumnya di
Jawa dan Sumatera intensitas hujan berkisar antara 0,2 mm/jam
sampai 0,3 mm/jam, sedangkan di Kalimantan, Sulawesi dan
Ambon sedikit lebih tinggi, yaitu antara 0,3 mm/jam sampai 0,4
mm/jam. Namun, di Papua, musim kering ini tampak memiliki
intensitas hujan yang paling tinggi dibanding daerah lainnya, yaitu
pada kisaran 0,5 mm/jam sampai 0,8 mm/jam.

Sedangkan hasil pola anomali intensitas hujan selama bulan
Januari sampai Juni tahun 2013 (Gambar 2) menunjukkan
umumnya untuk daratan di seluruh wilayah Indonesia selama
periode penelitian terjadi dominasi nilai anomali positif, artinya

43

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

intensitas hujan lebih tinggi dari kondisi klimatologis bulanannya,
kecuali untuk bulan Maret 2013 yang tampak di daerah daratan
mendekati kondisi klimatologis dan untuk perairan lebih kecil dari
klimatologisnya dimana ditunjukkan dengan anomali curah hujan
yang bernilai negatif. Pada bulan Januari 2013, tampak daerah di
selatan terutama Sumatera bagian selatan, Jawa, Bali, Nusa
Tenggara, Sulawesi bagian selatan dan Papua memiliki anomali
intensitas hujan positif dengan kisaran nilai 0,1 mm/jam sampai
0,3 mm/jam. Sedangkan daerah Sumatera di sekitar khatulistiwa,
Kalimantan Barat dan Kalimantan Selatan tampak intensitas
hujan lebih kecil dari klimatologisnya yaitu antara 0,5 mm/jam
sampai 0,1 mm/jam. Bulan Februari 2013, tampak anomali positif
intensitas hujan paling tinggi selama periode penelitian ini
terutama di Sumatera dan Kalimantan yang tampak didominasi
antara kisaran nilai 0,15 mm/jam sampai 0,5 mm/jam. Sedangkan
bulan Maret 2013, tampak merupakan anomali intensitas hujan
paling kecil selama periode penelitian baik untuk anomali positif
maupun anomali negatif bahkan di beberapa daerah tampak
kondisi normal, artinya mendekati kondisi intensitas hujan
klimatologis bulan Maret terutama bagian pantai barat Sumatera,
Jawa Tengah, Kalimantan, Sulawesi dan Ambon. Untuk bulan April
2013, tampak Sumatera, Bali dan Nusa Tenggara dalam kondisi
antara normal sampai 0,1 mm/jam di atas klimatologisnya,
sementara daerah lainnya tampak memiliki anomali intensitas
hujan yang lebih tinggi antara 0,1 mm/jam sampai 0,4 mm/jam
dari kondisi klimatologisnya. Bulan Mei 2013, hampir di seluruh
wilayah Indonesia tampak memiliki intensitas hujan yang lebih
tinggi dari klimatologisnya, kecuali sebagian daerah di sekitar
Sumatera Utara, Riau, Sumatera Barat dan Papua Timur bagian
utara yang tampak dalam kondisi normal. Namun pada bulan Juni
2013, anomali negatif dengan kisaran intensitas hujan antara 0,1
mm/jam di bawah klimatologis sampai sama dengan normal terjadi
di sebagian besar Sumatera, Kalimantan bagian barat sampai
tengah, Sulawesi bagian utara. Sedangkan sebagian daerah
lainnya tampak memiliki anomali positif dimana intensitas hujan
lebih tinggi antara 0,1 mm/jam sampai 0,2 mm/jam dari
klimatologisnya yaitu di sekitar Aceh, Sumatera Selatan,
Kalimantan Timur, Sulawesi Tengah, Sulawesi Selatan dan Ambon.
Sedangkan di Jawa, Bali, Nusa Tenggara dan Papua umumnya

44

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

lebih tinggi lagi yaitu sekitar 0,2 mm/jam sampai 0,5 mm/jam.
Pada umumnya peningkatan/penurunan intensitas hujan di

wilayah Indonesia berkaitan erat dengan fenomena El Nino dan
IOD positif/La Nina dan IOD negatif (Nicholls, 1981; Allan, 2000,
Saji et al, 1999; Webster et al, 1999; Saji dan Yamagata, 2003).
Berdasarkan data intensitas hujan satelit TRMM 3B43V7 tampak
nyata adanya anomali hujan di wilayah Indonesia pada tahun 2013
ini. Namun, berdasarkan kondisi di Samudera Pasifik
menggunakan data Indeks Nino 3.4 menunjukkan anomali SST di
daerah tersebut selama periode penelitian ini berada pada rentang
nilai -0,5°C sampai 0,5°C yang mengindikasikan ENSO masih
dalam kondisi normal sebagaimana yang tampak pada Gambar 3a.
Sedangkan di Samudera Hindia pada periode Januari sampai awal
Mei 2013 tampak indeks IOD kurang dari -0,5°C yang artinya IOD
juga dalam kondisi normal. Namun pada pertengahan Mei tampak
indeks IOD bernilai -0,61°C dan kecenderungan grafik yang
semakin menurun sampai dengan -0,63°C pada akhir Juli 2013
mengindikasikan tengah berlangsungnya fenomena IOD negatif.
IOD negatif ini berdampak peningkatan intensitas hujan di
sebagian wilayah Indonesia sebagaimana yang tampak pada
Gambar 3b.

Gambar 3. Deret waktu Indeks Nino 3.4 berdasarkan anomali SST
(a) dan Indeks IOD (b)

Berdasarkan analisis di atas tampak anomali positif
intensitas hujan yang sudah berlangsung sejak awal Januari
sedangkan di Samudera Pasifik kondisi ENSO dalam status normal
sedangkan di Samudera Hindia status IOD negatif baru pada
pertengahan Mei 2013. Sehingga perlu analisis lebih lanjut
bagaimana dinamika fisis atmosfer dan lautan di sekitar wilayah
Indonesia mempengaruhi distribusi hujan di wilayah Indonesia.

45

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

Hal ini dapat dijelaskan salah satunya dengan menggunakan
data anomali suhu permukaan lautan (SST) perairan Indonesia,
yang tentunya juga sangat dipengaruhi oleh sekitarnya yaitu
Samudera Hindia dan Samudera Pasifik. Pada Gambar 4 yang
menunjukkan bahwa selama periode penelitian ini tampak pola
anomali SST di perairan Indonesia pada umumnya bernilai positif
0,5°C sampai 1,5°C, yang artinya suhu di perairan Indonesia dalam
kondisi di atas normal atau lebih hangat dari kondisi normalnya.
Sedangkan suhu muka laut di Samudera Pasifik tengah dan timur
tampak lebih rendah dari pada perairan Indonesia dan Samudera
Pasifik bagian barat. Hal ini menyebabkan penguapan lebih banyak
terjadi di sekitar wilayah Indonesia sehingga meningkatkan
intensitas hujan di wilayah Indonesia.

Gambar 4. Anomali suhu permukaan laut (SST dalam °C) di perairan
wilayah Indonesia dan sekitarnya periode Januari
sampai Juni 2013

Demikian juga halnya tampak suhu muka laut (SST) di
Samudera Hindia bagian timur (sekitar pantai barat Sumatera)
yang juga lebih hangat dibanding Samudera Hindia bagian barat
(sekitar pantai timur Afrika). Akibatnya, terjadi pergerakan angin
dari Samudera Hindia bagian barat menuju Samudera Hindia
bagian timur atau menuju Indonesia. Kondisi ini juga akan
menyumbang uap air sehingga meningkatkan hujan di sebagian
wilayah Indonesia.

Berdasarkan data lainnya, yaitu pergerakan angin zonal pada
850 mb seperti yang tampak pada Gambar 5, menunjukkan bahwa
pada Januari 2013, wilayah Indonesia didominasi oleh angin
baratan yang bertiup dari Samudera Hindia dengan anomali

46

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

kecepatan 4 m/s sampai 8 m/s. Angin ini membawa banyak massa
uap air sehingga menyebabkan intensitas hujan yang tinggi di
wilayah Indonesia. Di bulan Februari 2013 masih tampak dominasi
angin baratan dengan anomali kecepatan angin yang sama dengan
Januari. Selain itu, tampak juga pergerakan angin timuran yang
bertiup dari Samudera Hindia dengan anomali kecepatan angin 2
m/s sampai 4 m/s. Hal ini menyebabkan terbentuknya daerah
pertemuan (konvergensi) yang mendukung banyaknya
pengangkatan massa udara, sehingga menghasilkan awan–awan
konvektif yang menyebabkan intensitas hujan tinggi di wilayah
Indonesia. Bulan Maret 2013 tampak angin baratan dari Samudera
Hindia tersebut bergerak ke timur terus berkembang ke arah timur
menuju Samudera Pasifik bagian barat daya. Sehingga tampak di
Indonesia angin cenderung mendekati kondisi normalnya, kecuali
di sekitar Papua yang tampak masih cukup tinggi dengan anomali
kecepatan angin 4 m/s sampai 8 m/s. Bulan April dan Mei 2013
tampak pergerakan angin zonal di 850 mb juga masih terlihat
dominan menuju wilayah Indonesia baik angin timuran dengan
anomali kecepatan 4 m/s sampai 8 m/s maupun angin baratan
dengan kecepatan yang sama menjadikan pertumbuhan awan-
awan konvektif tetap aktif di wilayah Indonesia.

Gambar 5. Anomali angin zonal pada 850 mb (m/s) di sekitar
wilayah Indonesia pada bulan Januari sampai Juni 2013

47

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

Sedangkan pada bulan Juni 2013 tampak angin baratan
masih menguasai wilayah Indonesia sedangkan angin timuran
tampak sebelum sampai di Papua berbelok dan berkembang ke
arah barat laut dan ke arah utara wilayah Indonesia. Sehingga
tampak bulan Juni hujan di sebagian daerah lebih mendekati
kondisi normal dan sebagian tampak masih di atas kondisi
klimatologisnya.

Untuk melihat gangguan tropis juga dapat digunakan data
MJO yang memiliki propagasi ke arah timur di sekitar daerah tropis
global dengan siklus 30 sampai 60 harian. Diagram fase MJO
tersebut dapat mengindikasikan aktivitas dan pergerakan MJO
dalam 8 fase (Madden and Julian, 1994; Zhang 2005; Lau, Waliser,
2005; Gottschalck and Wayne, 2012), seperti yang tampak pada
Gambar 6. Jika diagram MJO berada dalam lingkaran akan
mengindikasikan MJO tidak aktif, dimana amplitudonya kurang
dari 1. Secara umum wilayah Indonesia akan dipengaruhi oleh
kondisi MJO yang berada pada kawasan kontinen maritim (fase 4
dan fase 5), Samudera Hindia (fase 3) dan samudera Pasifik (fase
6).

Gambar 6. Diagram fase MJO
Kondisi MJO yang aktif dengan intensitas kuat, yaitu
berdasarkan nilai amplitudonya ini mengindikasikan banyaknya
awan-awan konvektif pada fase tersebut yang berpotensi besar
menjadikan hujan di permukaan. Pada Gambar 7 tampak sejak
bulan Januari 2013 dasarian I tampak MJO dalam kondisi aktif
atau dengan intensitas kuat berada di daerah fase 4 dan fase 5
atau kawasan kontinen maritim Indonesia yang selanjutnya

48

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

bergerak menuju Samudera Pasifik Barat atau fase 6 dan fase 7.
Pada bulan Februari dasarian II MJO aktif dengan intensitas kuat
sudah berada di fase 2 dan fase 3 atau daerah Samudera Hindia
dan dasarian III MJO terus bergerak ke timur menuju fase 3 dan
fase 4 atau kontinen maritim Indonesia. Bulan Maret 2013 tampak
di kontinen maritim Indonesia MJO tidak aktif sedangkan di Pasifik
Barat atau fase 6 dan fase 7 pada dasarian I tersebut tampak MJO
aktif dan dasarian II terus bergerak menuju Belahan Barat Bumi
dan Afrika atau fase 8 dan fase 1, dan akhirnya dasarian III
melemah. Pada bulan April 2013 dasarian I MJO mulai aktif di
Samudera Hindia atau fase 2 dan bergerak terus ke timur menuju
kontinen maritim Indonesia dan akhirnya pertengahan dasarian II
terus melemah sampai akhir bulan. Begitu juga pada bulan Mei
2013 dasarian I tampak kembali aktif dan menguat di Samudera
Hindia atau fase 2 dan fase 3. MJO pada dasarian II terus bergerak
aktif dengan intensitas kuat menuju kawasan kontinen maritim
Indonesia fase 4 dan akhirnya melemah sampai akhir bulan.
Sedangkan pada bulan Juni 2013 dasarian I tampak MJO yang
lemah dan MJO kembali aktif pada dasarian II di kawasan kontinen
maritim Indonesia atau fase 4 dan fase 5 yang selanjutnya MJO
terus bergerak ke timur menuju Pasifik Barat.

Gambar 7. Diagram fase perkembangan MJO selama Januari
sampai Juni 2013

Kondisi awan pada periode penelitian ini di atas wilayah yang
mencakup Indonesia (8°LU – 15°LS; 95°BT – 130°BT) dapat dilihat

49

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

dari data OLR seperti pada Gambar 8. Secara umum, nilai OLR
pada bulan Januari sampai Juni (grafik diarsir warna biru) relatif
rendah daripada klimatologisnya di wilayah Indonesia, kecuali
bulan Maret (grafik diarsir warna coklat) yang tampak di atas
klimatologisnya. Nilai OLR klimatologis (berdasarkan data periode
1979 - 1998) digambarkan dengan garis putus-putus. Nilai OLR
yang lebih rendah dari kondisi klimatologisnya tersebut
mengindikasikan tutupan awan konvektif yang cukup tebal di atas
wilayah Indonesia yang sangat berpotensi menjadikan intensitas
hujan yang tinggi di wilayah Indonesia. Hal ini dapat lebih
menjelaskan penyebab anomali hujan yang tinggi terjadi sepanjang
periode penelitian, kecuali bulan Maret 2013 yang tampak lebih
mendekati kondisi normalnya.

Gambar 8. Kondisi OLR pada Januari sampai Juni 2013 di atas
wilayah Indonesia

4 KESIMPULAN
Berdasarkan analisis yang telah dilakukan pada penelitian

ini dapat disimpulkan bahwa selama periode penelitian ini kondisi
ENSO di Samudera Pasifik berada dalam kondisi normal. Demikian
juga kondisi IOD di Samudera Hindia yang umumnya berada
dalam kondisi normal, kecuali mulai pertengahan Mei sampai akhir
Juni 2013 baru tampak berlangsung IOD negatif. Oleh karena itu,
anomali intensitas hujan pada Januari sampai Juni 2013 dimana
umumnya terjadi peningkatan intensitas hujan dari kondisi
klimatologisnya sampai mencapai 0,5 mm/jam adalah disebabkan
kenaikan suhu permukaan laut perairan (SST) di sekitar wilayah
Indonesia dan berlangsungnya MJO yang umumnya dalam kondisi
aktif dengan intensitas kuat di kawasan maritim kontinen
Indonesia. Hal ini juga sangat didukung oleh OLR yang rendah
kurang dari nilai OLR klimatologisnya yang mengindikasikan
tutupan awan konvektif yang cukup tebal di atas wilayah Indonesia

50

Anomali Hujan Indonesia Periode Januari Sampai Juni 2013 (Lely Q. Avia)

yang sangat berpotensi meningkatkan intensitas hujan di wilayah
Indonesia.

DAFTAR RUJUKAN
Allan R. 2000: ENSO and climatic variability in the past 150 years.

In ENSO: Multiscale Variability and Global and Regional
Impacts, Diaz H, Markgraf V (eds). Cambridge University
Press: Cambridge, 3–55
BMKG (Badan Meteorologi dan Geofisika), 2009: Prakiraan Musim
Hujan 2009/2010 di Indonesia.
BNPB (Badan Nasional Penanggulangan Bencana), 2013: Info
Bencana, Edisi Juli
Gottschalck J., and H. Wayne, 2012: Madden Julian Oscillation
Impacts, NOAA/NWS/NCEP Climate Prediction Center
Lau W.K.-M, D.E. Waliser (eds), 2005: Intraseasonal variability in
the atmosphere-ocean climate system. Springer-Praxis:
Heidelberg, Germany
Madden, R. A., and P. R. Julian, 1994: Observations of the 40-50-
day tropical oscillation - A review. Mon. Wea. Rev., 122, 814–
837
Mitchell, J.M., 1976: An Overview of Climatic Variability and Its
Causal Mechanisms, Quarternary Researck 6,481-493
NRC (National Research Council), 1995: Natural Climate Variability
on Decade-to-Century Time Scales, D.G. Martinson, K.
Bryan, M. Ghil, M.M. Hall, T.R. Karl, E.S. Sarachik, S.
Sorooshian, and L.D. Talley (eds.), National Academy Press,
Washington, D.C., 630 pp
NRC (National Research Council), 1998: Panel on Climate Variability
on Decade-to-Century Time Scales, Decade-to-Century-Scale
Climate Variability and Change : A Science Strategy
Saji, N.H., B. N. Goswami, P. N. Vinayachandran, and T. Yamagata,
1999: A dipole mode in the tropical Indian Ocean, Nature,
401, 360 – 363
Saji, N.H., T. Yamagata, 2003: Structure of SST and surface wind
variability during Indian Ocean Dipole Mode years: COADS
observations. J. Clim., 16, 2735–2751
Webster P, A. Moore, J. Ioschnigg, R. Leben, 1999: Coupled
oceanatmosphere dynamics in the Indian Ocean during
1997–1998. Nature, 401, 356–360
Wheeler M, J.L. McBride, 2005: Australian-Indonesian monsoon.
pp 125–174 in Intraseasonal variability in the atmosphere–
ocean climate system, Lau WKM, Waliser DE (eds). Springer-
Praxis: Heidelberg, Germany
Zhang, C., 2005: Madden–Julian Oscillation. Rev. Geophys., 43,
RG2003, doi:10.1029/2004RG000158

51

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

KARAKTERISTIK SUHU PERMUKAAN LAUT PERAIRAN
INDONESIA

Martono
Bidang Pemodelan Atmosfer LAPAN

e-mail: [email protected]

ABSTRAK
Suhu permukaan laut mempunyai peranan penting dalam
interaksi antara atmosfer dan laut. Peranan penting ini berkaitan
dengan pertukaran energi antara atmosfer dan laut. Tujuan
penelitian ini untuk mengetahui pola spasial dan temporal suhu
permukaan laut perairan Indonesia dan trennya. Data yang
digunakan dalam penelitian ini adalah data harian suhu
permukaan laut perairan Indonesia dari tahun 1984-2013.
Pengolahan data dilakukan dengan metode statistik. Hasil analisis
menunjukkan bahwa variasi bulanan suhu permukaan laut di
beberapa wilayah perairan Indonesia bervariasi. Namun, suhu
permukaan laut maksimum di perairan Indonesia terjadi pada saat
musim peralihan dan minimum terjadi pada saat musim timur.
Secara umum, suhu permukaan laut rata-rata tahunan perairan
Indonesia selalu hangat sepanjang tahun antara 28 °C – 29 °C.
Variasi antar tahunan suhu permukaan laut perairan Indonesia
mengalami tren kenaikan sebesar 0,02 °C per tahun.

Kata-kata kunci: karakteristik, suhu permukaan laut, perairan
Indonesia

ABSTRACT
Sea surface temperature has an important role in the interaction
between the atmosphere and the ocean. This important role with
regard to the exchange of energy between the atmosphere and the
ocean. The purpose of this research was to understand the
characteristics of sea surface temperature of Indonesian waters and
its trend. The data used in this research was the daily sea surface
temperature of Indonesian water from 1984 to 2013. Data was
processed by using statistical methods. The analysis showed that
the monthly variations of sea surface temperature in some of the
Indonesian water varies. However, the maximum sea surface
temperature of the Indonesian water occurs at the transition season
and the minimum occurs at the east monsoon. In general, the
annual of sea surface temperature of the Indonesian water was
always warm throughout the year between 28 °C – 29 °C. Inter-
annual variation of sea surface temperature the Indonesian water

52

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

has upward by the trend of 0.02 °C per year.

Key words: characteristics, sea surface temperature, Indonesian
waters

1 PENDAHULUAN
Laut mempunyai peranan penting terhadap iklim. Peranan

penting ini berkaitan dengan sifat-sifat fisis laut yaitu berupa
fluida, mempunyai kapasitas panas yang besar dan albedo yang
rendah. Dengan kapasitas panas yang besar, laut menyerap bagian
terbesar radiasi matahari yang mencapai permukaan bumi dan
merupakan tandon panas yang besar (Prawirowardoyo, 1996).
Suhu permukaan laut mempunyai peranan penting tidak hanya
dalam masalah laut saja, tetapi juga dalam masalah atmosfer.

Beberapa peneliti telah mengemukakan betapa pentingnya
peran laut terhadap iklim seperti Desr dkk (2010); Haroon dan Afzal
(2012) yang menjelaskan peran suhu permukaan laut terhadap
iklim dan variabilitasnya. Suhu permukaan laut yang bervariasi ini
ternyata berdampak besar dalam interaksi antara atmosfer dan
laut (Shenoi dkk, 2009). Selain itu, menurut Anding dan Kauth
(1970); Reynolds dkk, (2007) pengetahuan distribusi suhu
permukaan laut diperlukan dalam estimasi pertukaran energi
antara atmosfer dan laut. Sebagai pengontrol aliran panas,
momentum, garam serta gas antara laut dan atmosfer, maka suhu
permukaan laut selalu menjadi topik yang menarik (Emery, 2003).

Berdasarkan hal di atas, terlihat bahwa suhu permukaan
laut mempunyai peranan yang sangat penting dalam interaksi
antara atmosfer dan laut. Oleh karena itu, pengetahuan dan
pemahaman mengenai variabilitas suhu permukaan laut perairan
Indonesia sangat diperlukan, mengingat wilayah perairan
Indonesia terletak di antara samudera Hindia dan samudera
Pasifik.

2 DATA DAN METODOLOGI
2.1 Data

Data yang digunakan dalam penelitian ini adalah suhu
permukaan laut harian wilayah perairan Indonesia dari 6° LU-11°
LS dan 95° BT-141° BT selama 30 tahun dari 1984-2013. Data ini

53

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

mempunyai resolusi spasial 0,25° x 0,25° yang diperoleh dari
Physical Oceanography Distributed Active Archive Center (PODAAC
NASA) dengan alamat http://podaac.jpl.nasa.gov.

2.2 Metodologi
Pengolahan data suhu permukaan laut dilakukan dengan

menggunakan metode statistik. Data harian dirata-ratakan untuk
memperoleh data bulanan. Data bulanan dirata-ratakan dalam
rentang waktu 30 tahun sehingga diperoleh data klimatologi
bulanan.

3 HASIL DAN PEMBAHASAN
3.1 Hasil

Distribusi suhu permukaan laut rata-rata bulan Januari,
Februari, Maret dan April di wilayah perairan laut Indonesia
diperlihatkan pada Gambar 1. Distribusi suhu permukaan laut
bulanan di masing-masing wilayah perairan Indonesia bervariasi.
Bulan Januari hingga Maret suhu permukaan di Laut Cina
Selatan, Laut Natuna, Selat Karimata dan Laut Halmahera lebih
dingin daripada perairan lainnya, sebaliknya di bulan Mei lebih
hangat. Secara keseluruhan, suhu permukaan laut perairan
Indonesia sekitar 28,54 °C, 28,48 °C, 28,78 °C dan 29,19 °C untuk
masing-masing bulan Januari, Februari, Maret dan April.

Distribusi suhu permukaan laut rata-rata bulan Mei, Juni,
Juli dan Agustus di wilayah perairan laut Indonesia diperlihatkan
pada Gambar 2. Pada bulan-bulan ini terjadi pergeseran pola, yaitu
suhu permukaan laut di wilayah Indonesia bagian selatan lebih
dingin dan sebaliknya di wilayah bagian utara lebih hangat. Dari
bulan Juni hingga Agustus suhu permukaan di perairan selatan
Jawa, Laut Banda sampai Laut Arafura sangat dingin mencapai 25
°C. Suhu permukaan perairan Indonesia bulan Mei, Juni, Juli dan
Agustus berturut-turut sekitar 29,20 °C, 28,77 °C, 28,19 °C dan
27,94 °C.

54

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

a) b)

c) d)

Gambar 1. Distribusi suhu permukaan laut bulan Januari (a),
Februari (b), Maret (c) dan April (d)

a) b)

c) d)

Gambar 2. Distribusi suhu permukaan laut bulan Mei (a), Juni (b),
Juli (c) dan Agustus (d)

Untuk bulan September, Oktober, November dan Desember
distribusi suhu permukaan laut rata-rata di wilayah perairan laut
Indonesia diperlihatkan pada Gambar 3. Terlihat bahwa pada
bulan September dan Oktober masih mempunyai kesamaan
dengan bulan Juli dan Agustus yaitu bagian utara wilayah
Indonesia lebih hangat. Dari bulan November terjadi pergeseran
pola, yaitu suhu permukaan di Laut Cina Selatan dan barat
Sumatra lebih dingin. Sementara itu, perairan dalam Indonesia
mengalami kenaikan. Dengan demikian, suhu permukaan laut
perairan Indonesia pada bulan September, Oktober, November dan

55

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

Desember berubah menjadi 28,11 °C, 28,58 °C, 28,97 °C dan 28,87
°C.

a) b)

c) d)

Gambar 3. Distribusi suhu permukaan laut bulan September (a),
Oktober (b), November (c) dan Desember (d)

Pola suhu permukaan laut rata-rata bulanan dalam rentang
waktu 1984-2013 di perairan barat Sumatra, Laut Cina Selatan
serta Laut Natuna dan Selat Karimata diperlihatkan pada Gambar
4. Suhu permukaan Laut Cina Selatan, Laut Natuna dan Selat
Karimata mempunyai pola yang sama. Suhu maksimum terjadi
pada bulan Mei, sedangkan suhu minimum terjadi pada bulan
Februari. Suhu maksimum di perairan barat Sumatra terjadi pada
bulan Mei dan minimum terjadi pada bulan Oktober.

Gambar 5 memperlihatkan pola suhu permukaan di Laut
Jawa, Laut Flores dan Selat Makassar rata-rata bulanan dalam
rentang waktu 1984-2013. Hasil pengamatan menunjukkan bahwa
ketiga perairan memiliki variasi suhu permukaan laut dengan pola
yang sama yaitu dua puncak maksimum dan satu puncak
minimum. Puncak maksimum pertama di Laut Jawa dan Selat
Makassar terjadi pada bulan Mei, sedangkan di Laut Flores terjadi
pada bulan April. Puncak maksimum kedua terjadi pada bulan
yang sama yaitu bulan November. Puncak minimum terjadi pada
bulan yang sama juga yaitu bulan Agustus.

56

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

Suhu (OC) 32 LCS
30 N-K
28 BS
26
24

1 2 3 4 5 6 7 8 9 10 11 12

Bulan

Gambar 4. Pola variasi bulanan suhu permukaan laut (LCS=Laut
Cina selatan, N-K=Laut Natuna dan Selat Karimata,
BS=perairan barat Sumatra)

Suhu (OC) 30 LJ
29 LF
28 SM
27
26

1 2 3 4 5 6 7 8 9 10 11 12

Bulan

Gambar 5. Pola variasi bulanan suhu permukaan laut (LJ = Laut
Jawa, LF = Laut Flores, SM = Selat Makassar)

Berdasarkan pengamatan suhu permukaan laut bulanan
dari 1984-2013 di Laut Sulawesi, perairan utara Papua dan Laut
Banda, diperoleh bahwa terdapat kesamaan pola antara Laut
Sulawesi dengan perairan utara Papua, yaitu pada bulan Mei
merupakan suhu maksimum dan pada bulan Februari terjadi
puncak minimum. Sedangkan di Laut Banda memiliki pola yang
berbeda, yaitu puncak maksimum terjadi pada bulan November
dan puncak minimum terjadi pada bulan Agustus. Pola variasi
ketiga lokasi tersebut diperlihatkan pada Gambar 6.

57

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

Suhu Permukaan 30 LS
(OC) UP
28 LB

26

24
1 2 3 4 5 6 7 8 9 10 11 12
Bulan

Gambar 6. Pola variasi bulanan suhu permukaan laut (LS=Laut
Sulawesi, UP=perairan utara Papua, LB=Laut Banda)

Pola suhu permukaan laut rata-rata bulanan dalam rentang
waktu 1984-2013 di perairan selatan Jawa, selatan Bali hingga
Nusa Tenggara Timur dan Laut Arafura diperlihatkan pada Gambar
7. Variasi suhu permukaan laut di ketiga perairan ini mempunyai
pola yang sama dengan satu puncak maksimum dan satu puncak
minimum. Suhu puncak maksimum di Laut Arafura dan selatan
Bali hingga Nusa Tenggara Timur terjadi pada bulan Desember,
sedangkan di perairan selatan Jawa terjadi pada bulan April. Suhu
puncak minimum terjadi pada bulan yang sama, yaitu Agustus.

Suhu Permukaan 30 LA
(OC) 28 SJ
26 SB-NTT
24
22

1 2 3 4 5 6 7 8 9 10 11 12

Bulan

Gambar 7. Pola variasi bulanan suhu permukaan laut (LA=Laut
Arafura, SJ=periran selatan Jawa, SB-NTT=perairan
selatan Bali hingga Nusa Tenggara Timur)

Variasi antar tahunan suhu permukaan laut dalam rentang
waktu 1984-2013 di wilayah perairan Indonesia diperlihatkan pada
Gambar 8. Anomali suhu permukaan laut dari tahun 1984-1997
menunjukkan fluktuasi dengan anomali negatif, dan sebaliknya
dari tahun 1997-2013 menunjukkan anomali positif. Dari tahun

58

Anomali (OC) Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

1999-2004 mengalami fluktuasi yang paling rendah. Namun, rata-
rata selama 30 tahun terakhir suhu permukaan laut perairan
Indonesia mengalami tren kenaikan sebesar 0,02 OC.

0.6
0.4
0.2
-1E-15

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
-0.2
-0.4
-0.6

Tahun 1984-2013

Gambar 8. Variasi antar tahunan suhu permukaan laut perairan
Indonesia

3.2 PEMBAHASAN
Berdasarkan hasil di atas diketahui bahwa suhu permukaan

laut di masing-masing perairan Indonesia mempunyai pola variasi
bulanan yang berbeda-beda. Perbedaan pola ini disebabkan oleh
distribusi wilayah Indonesia yang berupa kepulauan dan posisi
geografis yang terletak di antara benua Asia dan benua Australia
serta Samudera Hindia dan Samudera Pasifik. Karena terletak di
wilayah tropis, secara umum suhu permukaan laut perairan
Indonesia hangat sepanjang tahun berkisar antara 28 °C – 29 °C.

Faktor utama yang menentukan suhu permukaan laut
adalah jumlah radiasi matahari yang diterima oleh laut. Selain itu,
suhu permukaan laut juga dipengaruhi oleh gerakan massa air dari
perairan sekitarnya dan gerakan vertikal massa air laut. Faktor
pengaruh radiasi matahari terlihat dengan jelas bahwa pada saat
posisi matahari berada di utara ekuator, maka suhu permukaan
laut perairan Indonesia bagian tengah hingga utara lebih hangat
daripada bagian selatan. Sebaliknya, pada saat posisi matahari
berada di selatan ekuator, maka suhu permukaan laut perairan
Indonesia bagian selatan lebih hangat.

Faktor pengaruh gerakan massa air dari perairan sekitarnya
terhadap suhu permukaan laut terjadi di perairan barat Sumatra
dan perairan utara Papua. Hal ini berkaitan dengan pergerakan
arus balik ekuator yang terjadi di Samudera Hindia tropis dan arus

59

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

ekuator utara yang terjadi di Samudera Pasifik tropis. Hampir
sepanjang tahun arus balik ekuator di Samudera Hindia tropis
bergerak ke arah timur. Gerakan arus balik ekuator ini terhalang
oleh Pulau Sumatra, sehingga sumber massa air di perairan barat
Sumatra berasal dari arus balik ekuator. Arus balik ekuator ini
mempunyai suhu permukaan yang hangat. Oleh karena itu, suhu
permukaan laut perairan barat Sumatra selalu hangat sepanjang
tahun.

Arus ekuator utara di Samudera Pasifik tropis hampir
sepanjang tahun bergerak ke arah barat. Gerakan arus ini
terhalang oleh gugusan Benua Maritim Indonesia, benua Australia
dan Filipina. Akibat gerakannya terhalang maka terjadi
penumpukan massa air di perairan barat Samudra Pasifik.
Penumpukan massa air ini berasal dari massa air permukaan laut
yang mempunyai suhu hangat. Maka di perairan barat Samudera
Pasifik dikenal adanya kolam panas. Karena sumber massa air di
perairan utara Papua berasal dari barat Samudera Pasifik, maka
suhu permukaan laut di perairan ini selalu hangat sepanjang
tahun.

Faktor pengaruh gerakan vertikal massa air terhadap suhu
permukaan laut terjadi di perairan selatan Jawa hingga Nusa
Tenggara Timur serta Laut Banda dan sekitarnya. Antara bulan
Juli, Agustus dan September, suhu permukaan laut di perairan
tersebut cukup dingin. Suhu permukaan laut yang cukup dingin
ini disebabkan proses upwelling. Upwelling adalah proses penaikan
massa air dari lapisan bawah ke permukaan. Massa air yang naik
ini mempunyai suhu yang dingin, salinitas tinggi, dan kaya akan
zat-zat hara.

Rata-rata tahunan suhu permukaan laut perairan Indonesia
selama 30 tahun secara umum mengalami kenaikan. Kenaikan
suhu permukaan laut ini merupakan bagian dari pemanasan
global yang disebabkan oleh meningkatnya konsentrasi gas-gas
rumah kaca terutama yang dihasilkan akibat aktivitas manusia.
Sejak awal revolusi industri yang dimulai sekitar tahun 1850
jumlah gas rumah kaca yang diemisikan ke atmosfer mulai
meningkat (Buchdahl dkk, 2002).

60

Karakteristik Suhu Permukaan Laut Perairan Indonesia (Martono)

4 KESIMPULAN
Variasi bulanan suhu permukaan laut di beberapa wilayah

perairan Indonesia berbeda-beda. Perbedaan ini dipengaruhi oleh
letak geografis dan distribusi wilayah Indonesia. Kedua faktor ini
mempengaruhi jumlah radiasi matahari yang diterima laut dan
gerakan sumber massa airnya. Karena terletak di daerah tropis
maka suhu permukaan laut perairan Indonesia hampir selalu
hangat sepanjang tahun dengan kisaran antara 28 °C – 29 °C.
Variasi antar tahunan, suhu permukaan laut perairan Indonesia
mengalami tren kenaikan. Dalam 30 tahun terakhir kondisi suhu
permukaan laut perairan Indonesia mengalami kenaikan sekitar ±
0,02 °C.

Ucapan terima kasih
Ucapan terima kasih ditujukan kepada Physical Oceanography
Distributed Active Archive Center (PODAAC NASA) yang telah
mengizinkan penulis mengunduh data.

DAFTAR RUJUKAN
Anding, D., R. Kauth, 1970: Estimation of Sea Surface Temperature

from Space, Remote Sensing of Environment 1
Buchdahl, J., R. Twigg, and L. Cresswel, 2002: Global Warming “

Fact Sheet Series for Key Stage 2 & 3”. Atmosphere, Climate
& Environment Information Programme, Manchester,
United of Kingdom
Deser, C., A.S. Phillips, M.A. Alexander, 2010: Twentieth century
tropical sea surface temperature revisited. Geophysical
Research Lettesr, 37, L10701, doi:10.1029/ 2010GL043321
Emery, W.J, 2003: Sea Surface Temperature, Elsevier Science Ltd.
Haroon, M.A., and M. Afza, 2012: Spatial and Temporal Variability
of Sea Surface Temperature of the Arabian Sea over the Past
142 Years. Pakistan Journal of Meteorology, 9, Issue 17
Prawirowardoyo, S., 1996: Meteorologi. Penerbit ITB, 107 pp
Reynolds, R.W., T.M. Smith, C. Liu, D.B. Chelton, K.S. Casey, M.G.
Schlax, 2007: Daily High Resolution Blended Analysis for
Sea Surface Temperature, Journal of Climate, 20
Shenoi, S.S.C., N. Nasnodkar, G. Rajesh, K. J. Joseph, I. Suresh,
A.M. Almeida, 2009: On the diurnal ranges of Sea Surface
Temperature (SST) in the north Indian Ocean, J. Earth Syst.
Sci., 118 (5), 483–496

61

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

PENENTUAN AWAL MUSIM HUJAN, KEMARAU DAN
TRANSISI DI YOGYAKARTA DAN KAWASAN SEKITARNYA

BERBASIS DATA INDEKS MONSUN GLOBAL

Eddy Hermawan1 dan Naziah Madani2
1 Peneliti Pusat Sains dan Teknologi Atmosfer (PSTA) LAPAN

Jalan Dr. Djundjunan No. 133, Bandung 40173
e-mail: [email protected]

2 Geofisika dan Meteorologi (GFM), IPB, Bogor
e-mail: [email protected]

ABSTRAK
Paper ini utamanya membahas peran data Monsun indeks global,
yakni ISMI (Indian Summer Monsoon Index), WNPMI (Western North
Pacific Monsoon Index), dan AUSMI (Australian Monsoon Index)
dalam penentuan awal musim hujan, kemarau, dan transisi di
Yogyakarta dan kawasan sekitarnya. Hal ini dilakukan mengingat
Yogyakarta telah ditetapkan oleh Dewan Ketahanan Pangan
Nasional (DKPN) sebagai satu dari sebelas kawasan sentra
produksi tanaman pangan di Pulau Jawa. Satu masalah yang
dihadapi adalah penerapan pola kalender tanam (katam) yang
sangat dipengaruhi oleh pola curah hujan musiman yang ada di
Yogyakarta. Berbasis hasil analisis data curah hujan rata-rata
bulanan yang di-ekstrak dari satelit TRMM (Tropical Rainfall
Measuring Mission) versi 3B42 periode Januari 1998 hingga
Desember 2008 dan juga data indeks Monsun global pada periode
yang sama, diperoleh korelasi antara dua jenis data di atas dalam
satu bentuk persamaan regresi ganda (multivariate regression).
Hasil analisis lebih lanjut menggunakan teknik komposit
(composite technique), diperoleh adanya gambaran yang jelas/tegas
datangnya awal musim hujan, kemarau, dan transisi di
Yogyakarta. Hasil ini ternyata tidak jauh berbeda ketika
dibandingkan dengan Kabupaten Kutai Kartanegara, Provinsi
Kalimantan Timur menggunakan teknik analisis yang sama. Kedua
kawasan tersebut terlihat bertipe curah hujan Monsunal dengan
puncak curah hujan terjadi di bulan Januari (musim hujan) dan
Agustus (musim kemarau). Sedikit perbedaan terlihat pada bulan
April dan Oktober yang tidak lain merupakan akhir dari musim
hujan dan kemarau.

Kata-kata kunci: penentuan awal musim, TRMM, indeks Monsun
global.

62

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

ABSTRACT
This paper mainly discusses the role of data Monsoon global index,
the ISMI (Indian Summer Monsoon Index), WNPMI (Western North
Pacific Monsoon Index), and AUSMI (Australian Monsoon Index) in
the initial determination of the rainy season, drought, and
transitions in Yogyakarta and surrounding areas. This research is
done considering Yogyakarta has been established by the National
Food Security Council (NFSC) as one of the eleven food crop
production centers in Java. One problem encountered is the
application of a planting calendar (katam) is strongly influenced by
seasonal rainfall patterns in Yogyakarta. Based on the results of the
analysis of rainfall data on average monthly in-extracts from the
TRMM satellite (Tropical Rainfall Measuring Mission) version 3B42
period January 1998 to December 2008 and also the global
monsoon index data over the same period, obtained by the
correlation between the two types of data at the top in the form of
multiple regression equations (multivariate regression). The results
of further analysis using the technique of composite (composite
technique), obtained a picture of a clear/ decisive early arrival of
the rainy season, drought, and transitions in Yogyakarta. This
result was not much different compared to the Kutai regency, East
Kalimantan Province using the same analytic techniques. Both the
visible region of type monsoonal rainfall with peak rainfall occurs
in January (rainy season) and August (dry season). Slight
differences seen in April and October are none other than the end
of the rainy and dry seasons.

Key words: determination of the beginning of season, TRMM, the
global Monsoon index

1 PENDAHULUAN
Ide dasar atau gagasan utama atau motivasi kuat

dilakukannya penelitian ini adalah adanya satu kebutuhan
nasional (national needs) akan pentingnya pemantauan terus
menerus terjadinya dampak perubahan iklim global terhadap
sektor pertanian di beberapa wilayah Indonesia, khususnya di
sentra produksi tanaman pangan. Dampak tersebut dapat
diantisipasi bilamana dapat ditentukan bila datangnya awal musim
hujan, kemarau, dan transisi yang tidak hanya tepat waktu,
namun juga tepat sasaran. Sebagai salah satu kawasan sentra
produksi tanaman pangan di Pulau Jawa, maka penerapan pola
kalender tanam (katam) yang tepat waktu dan tepat sasaran,
khususnya untuk D.I. Yogyakarta amatlah sangat dibutuhkan.

63

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Ini sejalan dengan salah satu agenda workshop yang
dilakukan oleh Balai Pengkajian Teknologi Pertanian (BPTP),
Kementerian Pertanian, Yogyakarta tanggal 10 Juli 2014 dengan
tema “Evaluasi Penerapan Kalender Tanam Terpadu sebagai Dasar
Rekomendasi Teknologi Padi, Jagung dan Kedelai”, sebagai salah
satu upaya mengantisipasi datangnya musim kemarau atau
musim basah panjang di Yogyakarta dan kawasan sekitarnya
(http://yogya.litbang.deptan.go.id/ind/index.php?option=com_co
ntent&view=article&id=983:evaluasi-penerapan-kalender-tanam-
terpadu-sebagai-dasar-rekomendasi-teknologi-padi-jagung-dan-
kedelai&catid=4:info-aktual&Itemid=5).

Makalah ini merupakan pengembangan makalah sebelumnya
dengan judul “Pengembangan Model Curah Hujan Yogyakarta
Berbasis Hasil Analisis Data Indeks Monsun Global” (Hermawan et
al., 2011). Jika pada makalah sebelumnya difokuskan kepada
terbangunnya satu model curah hujan, maka pada makalah ini
analisis difokuskan kepada penentuan awal musim, baik musim
hujan, kemarau, juga transisi yang terjadi di Yogyakarta.

Walaupun Yogyakarta didominasi pengaruh Monsun, namun
tidak berarti kawasan ini mudah ditentukan pola curah hujan
musimannya. Ini dapat dipahami mengingat Yogyakarta terletak di
selatan Pulau Jawa, sehingga diduga pengaruh Monsun Australia
relatif lebih dominan. Sebenarnya tidak hanya pengaruh Monsun
yang bersirkulasi meridional (Utara-Selatan), perilaku curah hujan
Yogyakarta juga dipengaruhi oleh berbagai fenomena global,
khususnya yang bersirkulasi zonal (Barat-Timur), seperti
fenomena El-Niño, La-Nina, Dipole Mode, dan Madden-Julian
Oscillation (MJO). Kombinasi kedua sirkulasi di atas (zonal dan
meridional) ditambah dengan hadirnya kondisi lokal setempat
menyebabkan analisis perilaku anomali curah hujan yang terjadi
di Yogyakarta semakin kompleks dan rumit.

Pemahaman tentang mekanisme terjadinya Monsun dan juga
dampak yang ditimbulkannya terhadap perilaku curah hujan di
Yogyakarta belum banyak dikaji orang. Pokok permasalahan yang
dihadapi adalah belum adanya satu indeks Monsun yang benar-
benar sesuai untuk kawasan Indonesia (khususnya Yogyakarta),
padahal ini amat sangat diperlukan.

Belum lagi masalah interkoneksi/telekoneksi/interaksi yang
terjadi antara indeks Monsun Asia dan Australia. Oleh karena itu,

64

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

tujuan utama penulisan makalah ini selain menganalisis perilaku
anomali curah hujan yang terjadi di Yogyakarta akibat interkoneksi
antara indeks Monsun Asia dan Monsun Australia yang masing-
masing diwakili oleh ISMI (Indian Summer Monsoon Index), WNPMI
(Western North Pacific Monsoon Index) dan AUSMI (Australian
Monsoon Index), namun juga penentuan awal musim hujan,
kemarau, dan transisi yang terjadi di Yogyakarta.

2 LANDASAN TEORI
Dengan asumsi bahwa curah hujan yang terjadi atau turun

di suatu wilayah dipengaruhi oleh iklim global, khususnya
fenomena Monsun yang memang dominan untuk sebagian besar
kawasan Indonesia, maka besarnya curah hujan yang turun di
satu kawasan tertentu dapat disederhanakan menjadi:

Anomali Curah Hujan = fungsi (Monsun) ...……… (1)

Yang perlu diingat adalah adanya keterkaitan (interaksi) yang
erat antara indeks Monsun Asia yang masing-masing diwakili oleh
ISMI dan WNPMI dan indeks Monsun Australia yang diwakili
AUSMI. Kejadian ekstrim kering tahun 1997, terjadi akibat
kuatnya indeks Monsun Australia yang tidak diredam oleh indeks
Monsun Asia. Namun, sebaliknya kejadian esktrem basah tahun
1998, terjadi akibat indeks Asia yang tidak diredam oleh indeks
Monsun Australia. Di tahun-tahun normal, terlihat bahwa kedua
indeks tersebut umumnya tidak saling menguatkan, juga tidak
saling melemahkan, sehingga tidak ada satu kekuatan yang
dianggap lebih dominan.

Untuk mengkaji dinamika Monsun baik masa lalu, masa kini
dan masa yang akan datang diperlukan adanya satu indeks yang
kemudian dikenal sebagai indeks Monsun (Monsoon Index). Paling
tidak, ada lima indeks Monsun global yang beredar saat. Mereka
adalah Webster and Yang Monsoon Index (WYMI), Indian Summer
Monsoon Index (ISMI), Western North Pacific Monsoon Index
(WNPMI), Regional Monsoon Index (RMI), dan Australian Monsoon
Index (AUSMI). Kelima Monsun index di atas dapat dilihat pada
Tabel 1.

65

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Tabel 1. Berbagai macam indeks Monsoon global

Index (Sumber:
WY
http://climate.snu.ac.kr/2005_new/main.php?id=res_
IMI
2007&pp=monsoon/monsoon_2007)
WPEM
I Region Reference Focus
RM2
U850(0-20N 40- Webster and Broad scale
AUSMI
110E)-U200(0-20N Yang 1992 South Asian

40-110E) monsoon
U850(5-15N 40- Wang and Fan Indian summer

80E)-U850(20-30N 1999 monsoon

60-90E)

U850(5-15N 100- Wang and Fan Western Pacific-
130E)-U850(20-30N 1999 East Asian

110-140E) monsoon

U200(42-52N 110- Lau et al. 2000 Regional Scale
150E)-U200(27-37N East Asian

110-150E) monsoon

U850(0-10S 120- Mcbride et al. Australian

150E) 1995 summer
monsoon

Dari Tabel 1 terlihat bahwa penentuan satu indeks Monsun
umumnya melibatkan dua aspek penting, yakni perilaku angin
zonal (Barat-Timur, dilambangkan dengan huruf U) di dua lapisan
atmosfer utama, masing-masing 850 dan 200 hPa (sekitar 1,45 dan
11,67 km di atas permukaan laut), walaupun dengan wilayah fokus
lokasi pengamatan yang berbeda pula. Demikian pula kumpulan
indeks tersebut dihasilkan oleh pakar yang berbeda dan tahun
yang berbeda pula. Masalahnya adalah mana diantara indeks-
indeks tersebut yang nantinya sesuai dengan kondisi wilayah kita,
khususnya perilaku curah hujan yang terjadi di Yogyakarta dan
kawasan sekitarnya.

Diantara kelima indeks Monsun di atas, pada penelitian ini
difokuskan kepada perilaku indeks Monsun Asia yang masing-
masing diwakili ISMI dan WNPMI, dan indeks Monsun Australia
yang diwakili AUSMI yang dianggap memiliki pengaruh yang
signifikan terhadap perilaku curah hujan di Indonesia, khususnya
Yogyakarta dengan rincian sebagai berikut:

1. ISMI (Indian Summer Monsoon Index) dan WNPMI
(Western North Pacific Monsoon Index) sebagaimana dijelaskan oleh
Wang and Fan (1999) dan Wang et al., (2001), memiliki

66

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

formula/rumusan sebagai berikut:
ISMI Index = U850(40BT-80BT,5LU-15LU) - U850 (70BT-

90BT, 20LU-30LU) dan
WNPMI Index = U850(100BT-130BT,5LU-15LU) - U850

(110BT-140BT, 20LU-30LU)
Perbedaan kedua indeks di atas nampak jelas seperti nampak

pada Gambar 1.

Gambar 1. Kawasan kajian ISMI dan WNPMI (Sumber:
http://apdrc.soest.hawaii.edu/projects/monsoon/def-
asmidx.gif)

2. Indeks Monsun Australia yang lebih dikenal dengan
istilah AUSMI (Australian Monsoon Index) sebagaimana dijelas
Kajikawa et.al, 2010) memiliki formula/rumusan sebagai berikut:
AUSMI Index = U850(110BT-130BT,15LS-5LS). Untuk lebih
jelasnya dapat dilihat pada Gambar 2 berikut.

67

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Gambar 2. Kawasan kajian AUSMI
(Sumber:

http:/apdrc.soest.hawaii.edu/projects/monsoon/def-

ausmidx.gif)

3 DATA DAN METODOLOGI

Data utama yang digunakan dalam penelitian ini adalah data

curah hujan di atas Yogyakarta rata-rata bulanan (monthly)

terhitung sejak tahun 1998 hingga 2008 (sekitar 10 tahun) hasil

estimasi data satelit TRMM (Tropical Rainfall Measuring Mission)

versi 3B42. Data TRMM tersebut kemudian diubah menjadi dalam

bentuk indeks disesuaikan dengan data Monsun yang juga dalam

bentuk indeks.

Data indeks Monsun yang dimaksud adalah data indeks

Monsun Asia (diwakili oleh ISMI dan WNPMI), dan Monsun

Australia (diwakili oleh AUSMI) rata-rata bulanan periode 1948-

2008 yang diunduh dari

http://apdrc.soest.hawaii.edu/projects/monsoon/seasonal-

monidx.html.

Teknik/metode analisis yang kami gunakan utamanya

memakai analisis spektral, meliputi teknik wavelet (WL) dan Fast

Fourier Transform (FFT) untuk mengetahui osilasi (periodisitas)

dominan yang dihasilkan dari data TRMM dan indeks Monsun.

Sedangkan untuk mengetahui model regresi ganda yang dihasilkan

dari kedua data di atas (TRMM dan indeks Monsun), digunakanlah

software SPSS.

68

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Untuk proses pembelajaran model, digunakanlah analisis
jangka pendek yang didefinisikan dari tahun 1998 hingga 2008.
Pemilihan periode data tersebut disesuaikan dengan periode data
TRMM yang memang ada sejak 1998 hingga 2008. Dari model yang
didapat, maka diterapkanlah untuk analisis jangka panjang, yakni
sejak 1948 hingga 2000. Data tersebut disesuaikan dengan periode
data indeks Monsun global yang memang ada sejak tahun 1948.

Langkah akhir, digunakan analisis komposit (composite
technique analysis) untuk mengkaji perilaku anomali curah hujan
bulanan, sehingga dapat ditentukan awal musim hujan, kemarau
dan transisi.
4 HASIL DAN PEMBAHASAN

Berikut ditampilkan hasil analisis spektral data anomali
curah hujan Yogyakarta dengan data indeks Monsun global,
masing-masing diwakili ISMI, WNPMI dan AUSMI rata-rata
bulanan periode 1998-2008 menggunakan teknik FFT (Fast Fourier
Transform) seperti nampak pada Gambar 3.

Gambar 3. Grafik Hasil Analisis FFT antara ISMI, WNPMI, dan
AUSMI terhadap perilaku anomali curah hujan
Yogyakarta periode 1998-2008.

Dari Gambar 3 di atas, jelas nampak terlihat bahwa hampir
69

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

semua parameter yang ditinjau memiliki osilasi dominan yang
sama, yakni di sekitar dua belas bulanan yang dikenal dengan
istilah Annual Oscillation (AO). Sementara ada juga yang sekitar
enam bulanan, dikenal dengan istilah Semi Annual Oscillation
(SAO) yang diindikasikan dengan garis merah, yakni AUSMI.

Analisis lebih lanjut menggunakan teknik regresi ganda
(multivariate regression) diperoleh satu bentuk persamaan (yang
kemudian didefinisikan sebagai model) dengan formula sebagai
berikut:
∆CH (Yogyakarta) = 0.320 [AUSMI] – 0.239 [ISMI] – 0.127

[WNPMI] + 0.379 ……………….……… (2)
dimana ∆=anomali curah hujan yang diturunkan dari data satelit
TRMM rata-rata bulanan.

Dari formula di atas, terlihat jelas bahwa anomali curah
hujan di atas Yogyakarta dominannya dikuasai oleh fenomena
Monsun Australia, yakni AUSMI. Namun, harus diingat bahwa
Monsun Australia tidaklah berdiri sendiri. Monsun ini diduga
diredam kekuatannya dengan hadirnya Monsun Asia, yakni ISMI
dan WNPMI. Untuk mengetahui hubungan keeratan yang terjadi
antara data indeks curah hujan TRMM dengan indeks Monsun di
atas, maka dilakukanlah analisis korelasi ganda menggunakan
SPSS yang hasilnya sebagai berikut.

70

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Gambar 4. Diagram dependent variable curah hujan Yogyakarta.
Dengan nilai koefisien korelasi squared sebesar 0,84, dapat

dijelaskan bahwa kondisi curah hujan di Yogyakarta dipengaruhi
kuat oleh Monsun. Hal ini juga dibuktikan dengan karakteristik
osilasi yang sama antara curah hujan Yogyakarta dengan osilasi
indeks Monsun global.

Dengan formula di atas, maka diperoleh nilai anomali curah
hujan Yogyakarta yang merupakan hasil penurunan data indeks
Monsun global yang memang dimulai sejak tahun 1948 hingga
2009 sebagaimana ditunjukkan pada Gambar 5. Satu hal yang
perlu diketahui adalah analisis dibuat per sepuluh tahunan agar
analisis dapat dengan mudah dilakukan. Bisa saja digabung, tetapi
akan terjadi penumpukan data yang relatif sangat rapat sehingga
sulit untuk dianalisis.

71

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Gambar 5. Time-series anomali curah hujan Yogyakarta per sepuluh

tahun periode Januari 1949-Desember 2008 hasil
penurunan dari data indeks Monsun global yang masing-
masing diwakili ISMI, WNPMI, dan AUSMI

72

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Dari Gambar 5 terlihat adanya satu pola keteraturan yang
jelas/tegas yang seakan membentuk satu pola sinusoidal yang
hampir mendekati sempurna. Ini memang satu ciri indikasi adanya
pengaruh Monsun yang dominan yang terjadi di Yogyakarta dan
kawasan sekitarnya. Dari Gambar 5 tersebut terlihat jelas adanya
anomali positif yang dianggap dapat mewakili kondisi basah
(musim hujan) dan anomali negatif yang dianggap dapat mewakili
kondisi kering (musim kemarau).

Juga terlihat dengan jelas, umumnya Januari merupakan
puncak musim hujan, sementara Juli puncak musim kemarau. Hal
ini juga dibuktikan dengan hasil analisis data observasi curah
hujan observasi (in-situ) rata-rata bulanan per sepuluh tahunan
terhitung sejak 1970 hingga 2012 yang diperoleh dari stasiun
BMKG Yogyakarta seperti nampak pada Gambar 6.

Gambar 6. Pola curah hujan Yogyakarta per 10 tahunan, masing-
masing 1970-1979, 1980-1989, diakhiri dengan 2010-
2012.

Dari Gambar 6 di atas, terlihat jelas adanya pola curah hujan
Monsunal yang tegas/jelas yang terjadi di Yogyakarta. Puncak
curah hujan maksimum umumnya terjadi selama Desember-
Januari-Februari (DJF) dan puncak minimum terjadi selama Juni-
Juli-Agustus (JJA). Ada saatnya curah hujan mencapai 400
mm/bulan, yakni sepanjang tahun 1980-1989, terutama pada
bulan Februari (lihat Gambar 6).

Namun, ada kalanya minimum (sekitar 250 mm/bulan),
walaupun pada periode yang sama, seperti yang terjadi selama

73

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

2010-2012. Ini dapat dimengerti, mengingat adanya perbedaan
akumulasi curah hujan yang diperoleh, masing-masing sepuluh
dan tiga tahun, yakni (1980-1989) dan (2010-2012).

Untuk membuktikan apakah masing-masing parameter ISMI,
WNPMI dan AUSMI berosilasi sempurna satu tahunan, dapat
dilihat pada Gambar 7.

Gambar 7. Analisis wavelet data ISMI, WNPMI dan AUSMI periode
1948-2009

Gambar 7 menjelaskan hasil analisis wavelet, dimana sumbu
y menyatakan periodisitas yang dihasilkan, dan sumbu x
menyatakan waktu pengamatan. Sementara garis putus-putus
menyatakan tingkat kepercayaan/kenyataan (significancy).
Artinya, bilamana garis lancip panel kanan melebihi garis putus-
putus, maka sudah dianggap signifikan (nyata), begitupun
sebaliknya.

Memang, seakan terlihat memiliki pola dan kekuatan energi
spektral yang sama (12 bulanan), dikenal dengan istilah AO
(Annual Oscillation), tetapi antara ISMI atau WNPMI ternyata
memiliki periodisitas yang sedikit berbeda dengan AUSMI. Tidak
hanya fase nya yang berbeda, namun juga AUSMI menampakkan
adanya osilasi 6 bulanan yang dikenal dengan istilah SAO (Semi
Annual Oscillation) sebagaimana terlihat pada Gambar 7 di atas
yang dinyatakan dengan adanya periode 6 bulanan.

74

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Terkait dengan tujuan utama penulisan makalah ini, yakni
ditentukannya awal musim hujan, kemarau, dan transisi, maka
berikut disajikan satu teknik analisis lain, dikenal sebagai teknik
komposit (composite technique analysis) dengan cara membuat
analisis rata-rata bulanan untuk bulan yang sama namun tahun
berbeda. Teknik ini mirip dengan teknik Hövmöller yang biasa
dikenal selama ini sebagaimana terlihat pada Gambar 8.

Gambar 8. Transpose bar data curah hujan anomali yang terjadi di

Yogyakarta selama 60 tahun pengamatan periode
Januari 1948 hingga Desember 2008 menggunakan
teknik komposit untuk bulan-bulan Januari, Februari,
Maret, April, Mei dan Juni (panel atas), dilanjutkan
dengan bulan Juli, Agustus, September, Oktober,

November dan Desember (panel bawah)

75

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Dari Gambar 8 jelas terlihat bahwa musim hujan (ditandai
dengan nilai anomali yang positif, di sebelah kanan) dimulai sejak
Januari hingga Maret. Sementara April, walaupun nilai anomalinya
masih positif, namun sudah mulai sedikit berkurang. Sejak bulan
Mei, pola anomali curah hujan yang dihasilkan mulai berubah yang
semula positif lambat laun berubah menjadi negatif. Ini
mengindikasikan jika bulan Mei sebenarnya merupakan awal
musim transisi (perubahan atau pergeseran dari musim hujan ke
musim kemarau).

Pada bulan Juni awal musim transisi sepenuhnya dimulai
yang ditandai dengan nilai anomali curah hujan yang keseluruhan
negatif. Ini terus berlanjut hingga bulan September. Sementara
bulan Oktober walaupun nilai anomali curah hujan masih negatif,
namun sudah mulai berkurang. Ini mengindikasikan jika bulan
Oktober musim transisi kedua (dari musim kemarau ke musim
hujan). Ini sangat jelas terlihat di bulan November. Namun, secara
keseluruhan nampak jelas jika bulan Desember sebenarnya awal
musim hujan secara total dimulai.
Jika pola curah hujan Monsunal nampak jelas di Yogyakarta,
apakah hal ini berlaku sama untuk kawasan lain di Indonesia.
Untuk itu, berikut disajikan perilaku anomali curah hujan yang
terjadi di Kabupaten Kutai Kartanegara, Provinsi Kalimantan
Timur, sebagaimana ditunjukkan pada Gambar 9.

76

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

Gambar 9. Sama dengan Gambar 8, tetapi untuk Kabupaten Kutai
Kartanegara, Kalimantan Timur (Sumber: Hermawan,
2012)

Dari Gambar 9 di atas jelas terlihat seakan kedua gambar
memiliki pola curah hujan yang hampir sama atau mendekati
sama, yakni sama-sama memiliki bulan basah (ditandai dengan
anomali positif) selama empat bulan (Januari-April) dan bulan
kering/kemarau (ditandai dengan anomali negatif) selama lima
bulan (Juni-Oktober) dengan transisi pertama dan kedua yang
terjadi bulan Mei dan November. Yang berbeda adalah jika akhir
musim hujan di Yogyakarta terjadi pada bulan April, justru pada
bulan tersebut Kabupaten Kutai Kartanegara masih relatif basah.
Begitupun, jika akhir musim kemarau di Yogyakarta terjadi pada
bulan Oktober, justru pada bulan tersebut Kutai Kartanegara
musim kemarau masih berlanjut. Sebagai catatan dapat
disampaikan bahwa model curah hujan yang dihasilkan untuk
Kabupaten Kutai Kartanegara adalah:
∆CH (Kutai Kartanegara) = - 7.9 ISMI - 12.5 WNPMI - 7.0

AUSMI - 85.0 ………..………… (3)
5 KESIMPULAN

Dengan demikian, dapat disimpulkan bahwa penentuan
model anomali curah hujan yang terjadi di Yogyakarta dapat

77

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

dilakukan melalui analisis regresi ganda (multivariate regression)
yang diturunkan dari data indeks Monsun global, masing-masing
diwakili oleh ISMI, WNPMI dan AUSMI dan dikalibrasi dengan
anomali curah hujan hasil observasi satelit TRMM.

Walaupun model yang diperoleh masih relatif sederhana,
tetapi telah dimasukkan proses interaksi atau interkoneksi atau
telekoneksi antara indeks Monsun Asia (ISMI dan WNPMI) dan
indeks Monsun Australia (AUSMI). Dari model pendugaan curah
hujan yang didapat, diketahui parameter AUSMI lah yang relatif
paling dominan. Hal ini diduga terkait posisi Yogyakarta di selatan
P. Jawa yang relatif dekat Australia.

Dengan memanfaatkan data curah hujan bulanan periode
1998-2008 sebanyak kurang lebih 11 tahun pengamatan,
diperoleh informasi tentang penentuan awal musim hujan,
kemarau, dan transisi yang terjadi di Yogyakarta dan kawasan
sekitarnya. Hasil ini ternyata tidak jauh berbeda dengan
Kabupaten Kutai Kartanegara, Kalimantan Timur, walaupun ada
sedikit perbedaan pada bulan April dan Oktober yang merupakan
akhir musim hujan dan kemarau.

Ucapan Terima Kasih
Ucapan terima kasih ditujukan kepada semua pihak yang telah
membantu dalam penelitian ini, terutama kepada pihak Pimpinan
PSTA LAPAN. Ini adalah bagian dari hasil Riset In House T.A. 2011
dengan judul “Kriteria Awal Musim/Onset Monsun di Indonesia
Berbasis Observasi Radar dan Satelit” dan juga Riset IPKPP 2012
dengan judul “Peringatan Dini Datangnya Musim Kemarau/Hujan
Berbasis Hasil Analisis Data EAR, WPR, dan Satelit untuk
Ketahanan Pangan di Daerah Kalimantaan Timur” dengan Peneliti
Utama Eddy Hermawan.

DAFTAR RUJUKAN
Hermawan, E., E.A., Senitawati, dan T. Harjana, 2011:

Pengembangan Model Curah Hujan Yogyakarta Berbasis
Hasil Analisis Data Indeks Monsun Global, Prosiding
Seminar Nasional Penelitian, Pendidikan dan Penerapan
MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, F-77-
87
Hermawan, E., 2012: Perilaku Curah Hujan Kabupaten Kutai
Berbasis Hasil Analisis Data Indeks Monsun Global Terkait

78

Penentuan Awal Musim di Yogyakarta Berbasis Indeks Monsun (Eddy Hermawan)

dengan Program Food dan Rice Estate di Provinsi
Kalimantan Timur, dipresentasikan pada acara Seminar
Ilmiah Nasional “Penelitian Masalah Lingkungan di
Indonesia ke 8”, 12 Juli 2012 di Fakultas Teknik Sipil dan
Lingkungan, UGM, Yogyakarta
Kajikawa, Y., B. Wang and J. Yang, 2010: A multi-time scale
Australian Monsoon Index, Int. J. Climatol, 30, 1114-1120
Wang, B., and Z. Fan, 1999: Choice of South Asian Summer
Monsoon Indices. Bull. Amer. Meteor. Soc., 80, 629–638
Wang, B., R. Wu., K.M. Lau, 2001: Interannual Variability of Asian
Summer Monsoon: Contrast between the Indian and
Western North Pacific-East Asian Monsoons. J. Climate, 14,
4073-4090
http://yogya.litbang.deptan.go.id/ind/index.php?option=com_con
tent&view=article&id=983:evaluasi-penerapan-kalender-
tanam-terpadu-sebagai-dasar-rekomendasi-teknologi-padi-
jagung-dan-kedelai&catid=4:info-aktual&Itemid=5 [diakses
tanggal 13 September 2014 pukul 16:35 WIB]
http://climate.snu.ac.kr/2005_new/main.php?id=res_2007&pp=
monsoon/monsoon_2007 [diakses pada tanggal 14
September 2014 pukul 06:56 WIB]
http://apdrc.soest.hawaii.edu/projects/monsoon/def-asmidx.gif
[diakses tanggal 14 September 2014 pukul 07:41 WIB]
http://apdrc.soest.hawaii.edu/projects/monsoon/def-ausmidx.gif
[diakses tanggal 14 September 2014 pukul 07:45 WIB]
http://apdrc.soest.hawaii.edu/projects/monsoon/seasonal-
monidx.html [diakses tanggal 14 September 2014 pukul
07:54 WIB]

79

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

KARAKTERISTIK CURAH HUJAN DIURNAL LUARAN
MODEL WEATHER RESEARCH FORECASTING (WRF) DI

WILAYAH INDONESIA

Iis Sofiati, Didi Satiadi, Farid Lasmono, Halimurrahman, Suaydhi
Pusat Sains dan Teknologi Atmosfer-LAPAN
Jl. Dr. Junjunan 133, Bandung 40173
e-mail: [email protected]

ABSTRAK
Penelitian ini menganalisis curah hujan diurnal berbasis model,
dan tujuan penelitian ini adalah mengetahui kinerja model cuaca
numerik Weather Research Forecasting (WRF) di wilayah
Indonesia. Data yang digunakan dalam penelitian ini adalah data
luaran model WRF yang telah di running untuk tahun 2013
dengan resolusi 50 km. Data untuk proses simulasi WRF meliputi
inisialisasi parameter dan pemotongan wilayah kajian, dan
wilayah kajian difokuskan di wilayah Indonesia dan sekitarnya
pada posisi (10°LS-10°LU, 95°-145°BT). Berdasarkan hasil
terlihat bahwa distribusi spasial curah hujan diurnal pada setiap
bulan dicirikan oleh adanya peningkatan intensitas curah hujan
maksimum pada malam hari (pukul 23.00), sedangkan curah
hujan dengan intensitas sedang mulai terjadi sekitar pukul 14.00.
Analisis spektrum terhadap pola curah hujan diurnal di beberapa
daerah di Indonesia menunjukkan pola yang berbeda-beda. Hasil
analisis dari rata-rata zonal menunjukkan adanya pergeseran
curah hujan maksimum menuju arah tenggara (southeastward)
pada posisi 114°BT pada bulan Maret sampai posisi 127°BT pada
bulan Desember. Pemanfaatan WRF sebagai alat untuk
melakukan prediksi cuaca jangka pendek cukup informatif dalam
merepresentasikan curah hujan diurnal.

Kata-kata kunci: Curah hujan, diurnal, WRF, rata-rata zonal,
rata-rata meridional.

ABSTRACT
This study analyzed the diurnal rainfall based model, and the
purpose of this study was to determine the performance of
numerical weather models Weather Research Forecasting (WRF)
in Indonesia. The data used in this study was the output data of
WRF models that have been running since 2013 with a resolution
of 50 km. Data for WRF simulation process includes initialization

80

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

parameters and cutting study area, and study area focused on
Indonesian territory (10°LS-10°LU, 95°-145°BT). Based on the
results, it showed that the spatial distribution of diurnal rainfall
in every month characterized by an increase in the maximum
rainfall intensity in the evening (at 23.00), while the rainfall with
moderate intensity started to happen around 14.00. Spectrum
analysis of the diurnal rainfall patterns in some areas in Indonesia
showed different patterns. The results of zonal mean analysis
indicates the maximum rainfall shifts toward southeastward on
the position 114°E in March up to 127°E in December. WRF
utilization as a tool to predict short-term weather is quite
informative in representing the diurnal rainfall.

Key words: Rainfall, diurnal, WRF, zonal mean, meridional
mean.

1 PENDAHULUAN
Curah hujan merupakan salah satu unsur iklim yang paling

banyak dipelajari di Indonesia, karena memiliki tingkat
keanekaragaman yang sangat tinggi baik temporal (waktu)
maupun spasial (lokasi). Salah satu faktor penting dalam proses
terjadinya hujan di pulau-pulau di Indonesia yang berdampak
pada pola curah hujan setiap daerah di Indonesia adalah siklus
diurnal. Siklus hujan harian merupakan komponen penting dari
iklim tropis dan salah satu komponen utama dari variasi
atmosfer. Karakteristik siklus hujan harian dipengaruhi oleh sifat
fisik darat-laut, siklus siang-malam dan posisi daratan-lautan
(Pandawana, 2012). Aktivitas konvektif di daerah tropis
merupakan salah satu penggerak sirkulasi atmosfer melalui
penyerapan dan pelepasan panas laten dalam jumlah yang sangat
besar. Karena tidak ada gangguan baroklinik skala sinoptik yang
menyebabkan curah hujan di extratropiks, siklus konveksi
diurnal dan variasi regionalnya menjadi penting di daerah tropis.
Benua Maritim Indonesia khususnya, memiliki lingkungan yang
unik, di mana kegiatan konvektif menyebabkan munculnya
parameter atmosfer dalam berbagai skala waktu dan ruang yang
dapat mempengaruhi iklim pada skala global (Ramage 1968).

WRF merupakan salah satu model regional yang saat ini
banyak dikembangkan oleh kalangan meteorologis. WRF dapat
memodelkan kondisi atmosfer di suatu wilayah sehingga dapat

81

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

membantu para pengguna dalam mempelajari suatu kejadian
meteorologi dengan lebih baik (Fadholi dkk., 2011). Hal terpenting
dalam prediksi cuaca yaitu keakuratan. Pengujian luaran model
WRF dilakukan melalui pendekatan terhadap nilai inisial.
Etherton dan Santos (2008), melakukan kombinasi dalam hal
inisialisasi dalam proses prakiraan cuaca yaitu menggunakan
Prediction system (LAPS) dan North American Mesoscale model
(NAM/Eta model) yang dijalankan pada waktu yang berbeda
06.00 dan 18.00 UTC. Berdasarkan hasil kombinasi inisialisasi
dengan WRF ternyata kombinasi WRF dengan LAPS memiliki
akurasi yang baik untuk kondisi suhu 2 m, titik embun, angin 10
m dan tekanan permukaan laut bahkan sangat baik untuk curah
hujan. Penelitian yang dilakukan Skok et al., (2010), menegaskan
kembali bahwa hasil luaran curah hujan model WRF mampu
menggambarkan dengan baik kondisi curah hujan ketika
hasilnya dibandingkan dengan luaran TRMM-3B42 untuk
wilayah kajian Samudera Pasifik pada lokasi lintang menengah
dari tahun 1998-2008. Meskipun dalam penelitian tersebut curah
hujan hasil luaran model WRF lebih tinggi dibandingkan TRMM.

Untuk mengetahui karakteristik curah hujan diurnal di
wilayah Indonesia, dalam penelitian ini dikaji dan dianalisis
curah hujan diurnal hasil simulasi luaran model cuaca numerik
Weather Research Forecasting (WRF), dalam rangka mengetahui
kinerja dari model tersebut.

2 DATA DAN METODOLOGI
Data yang digunakan dalam penelitian ini adalah data

luaran model WRF hasil simulasi untuk tahun 2013 dengan
resolusi 50 km, dan data TRMM 3B42-V7. Data untuk proses
simulasi WRF meliputi inisialisasi parameter dan pemotongan
wilayah kajian, dan wilayah kajian difokuskan kepada wilayah
Indonesia yang terletak pada koordinat (10°LS-10°LU, 95°-
145°BT). Untuk mewakili setiap musim, pemetaan dilakukan
pada bulan Desember, Maret, Juni, September (pukul 00.00
sampai 24.00). Analisis selanjutnya dibuat rata-rata lintang
(meridional, 10°LS-10°LU) dan rata-rata bujur (zonal, 95°-
145°BT) terhadap waktu dalam bentuk spasial dan spektrum.
Sebagai tahapan validasi dilakukan analisis perbandingan

82

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

terhadap data TRMM 3B42-V7 pada lokasi koordinat dan waktu
yang sama. Konfigurasi simulasi model dapat dilihat pada Tabel
1.

Tabel 1. Konfigurasi simulasi WRF.

Parameter Global

Model Weather Research

Forecasting (WRF)
Domain Indonesia
Resolusi 50 km

Time step Jam-an

Kendali - Topografi, albedo, roughness, rsmin,
soil, vegetasi.
- Meteorologi dari Global Forecast
System (GFS)-NOAA.
Kondisi awal Restart untuk 24 jam-an

Skema konveksi Arakawa
Waktu simulasi Januari- Desember 2013

3 HASIL DAN PEMBAHASAN
Gambar 1 menunjukkan distribusi spasial curah hujan

jam-an luaran WRF-50 km pada jam 01.00 sampai dengan jam
24.00, pada tanggal 15 Desember 2013 di wilayah Indonesia
(gambar ditampilkan setiap 6-jam). Berdasarkan hasil terlihat
bahwa distribusi spasial curah hujan diurnal pada setiap bulan
dicirikan oleh adanya peningkatan intensitas curah hujan
maksimum pada malam hari (pukul 21.00), sedangkan curah
hujan dengan intensitas sedang mulai terjadi sekitar pukul 14.00.
Curah hujan dengan intensitas tinggi terjadi di sekitar Samudera
Indonesia sebelah barat daya Indonesia, perairan laut Jawa
sebelah barat, Jawa, Sulawesi Tenggara, dan Papua sebelah
barat.

83

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

03.00 09.00

15.00 21.00

Gambar 1. Distribusi spasial curah hujan jam-an luaran WRF-50
km pada jam 01.00 (a), 06.00 (b), 18.00 (c), dan 24.00
(d), pada tanggal 15 Desember 2013 di wilayah
Indonesia.

Dengan melakukan pengolahan data rata-rata lintang
(meridional, 10°LS-10°LU) dan rata-rata bujur (zonal, 95°-
145°BT) didapatkan hasil distribusi spasial curah hujan secara
spasial seperti pada Gambar 2 (a dan c), serta secara spektrum
(Gambar 2 b dan 2 d). Berdasarkan rata-rata lintang baik secara
spasial maupun secara spektrum, terlihat bahwa pada bulan
Desember distribusi spasial curah hujan dengan intensitas
maksimum terjadi pada malam hari pada posisi (125-127)°BT
sebesar 10 mm/hari, sebaliknya pada waktu yang sama
intensitas minimum terjadi pada posisi (106-107)°BT sebesar 0,2
mm/hari.

84

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

(a) (b)

(c) (d)

Gambar 2. Curah hujan rata-rata lintang (90-140)°BT terhadap

waktu (a), deret waktu curah hujan rata-rata lintang (b),
curah hujan rata-rata bujur (6°LU-12°LS) terhadap

waktu (c), dan deret waktu curah hujan rata-rata bujur

(d) pada tanggal 15 Desember 2013.

Dengan melakukan pengolahan data rata-rata lintang
(meridional, 10°LS-10°LU) dan rata-rata bujur (zonal, 95°-
145°BT) didapatkan hasil distribusi spasial curah hujan secara
spasial seperti pada Gambar 2 (a dan c), serta secara spektrum
(Gambar 2 b dan 2 d). Berdasarkan rata-rata lintang baik secara
spasial maupun secara spektrum, terlihat bahwa pada bulan
Desember distribusi spasial curah hujan dengan intensitas
maksimum terjadi pada malam hari pada posisi (125-127)°BT
sebesar 10 mm/hari, sebaliknya pada waktu yang sama
intensitas minimum terjadi pada posisi (106-107)°BT sebesar 0,2
mm/hari. Pada posisi yang sama intensitas curah hujan pada
pagi sampai sekitar jam 06.00 bernilai kecil atau tidak ada hujan
sama sekali. Hujan terjadi setiap jam, berangsur naik, sampai
mencapai nilai maksimum pada malam hari. Untuk analisis rata-

85

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

rata bujur (95°-145°BT) didapatkan hasil seperti yang terlihat
pada Gambar 2c dan 2d. Berdasarkan hasil terlihat bahwa secara
spasial curah hujan dengan intensitas tinggi terjadi rata-rata
pada malam hari, dan berada pada posisi (4-5)°LS dan (3-5)°LU,
dan terjadi peningkatan curah hujan dari mulai pukul 16.00.
Analisis secara spektrum curah hujan dengan intensitas tertinggi
terjadi pada posisi (4,3)°LS sebesar 7,6 mm/hari dan pada posisi
(4,5)°LU sebesar 7,3 mm/hari.

(a) (b)

(c) (d)

Gambar 3. Distribusi spasial curah hujan luaran WRF-50 km pada
jam 03.00 (a), 06.00 (b), 18.00 (c), 24.00 (d), pada
tanggal 15 Maret 2013 yang mewakili musim transisi
hujan-kemarau di wilayah Indonesia.

Distribusi spasial curah hujan luaran WRF-50 km yang
dianalisis secara jam-an untuk bulan Maret ditunjukkan pada
Gambar 3 (a-d). Seperti pada bulan Desember intensitas curah
hujan semakin meningkat dan menyebar lebih luas untuk setiap
jam, dimulai pada pukul 16.00 sampai 24.00.

86

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

(a) (b)

(c) (d)

Gambar 4. Curah hujan rata-rata lintang (90-140)°BT terhadap

waktu (a), deret waktu curah hujan rata-rata lintang (b),

curah hujan rata-rata bujur (6°LU-12°LS) terhadap
waktu (c), dan deret waktu curah hujan rata-rata bujur

(d) pada tanggal 15 Maret 2013.

Pada bulan Maret hujan terjadi di sebagian besar wilayah
Sumatera, kecuali Sumatera Utara, Kalimantan, Jawa, Sulawesi
Tenggara, dan Papua. Wilayah barat Indonesia terlihat lebih
basah dibandingkan dengan wilayah timur. Analisis rata-rata
lintang baik secara spasial maupun spektrum menunjukkan
curah hujan dengan intensitas tinggi atau maksimum terjadi
pada malam hari pada posisi 113°BT sebesar 8,6 mm/hari dan
minimum terjadi pada posisi 125°BT sebesar 0,3 mm/hari
(Gambar 4a dan 4b). Sedangkan untuk rata-rata bujur baik
secara spasial maupun spektrum menunjukkan curah hujan
maksimum terjadi pada posisi 8°LS sebesar 5,5 mm/hari dan
minimum terjadi pada posisi 10°LS sebesar 0,2 mm/hari seperti
yang terlihat pada Gambar 4a dan 4d.

87

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

(a) (b)

(c) (d)

Gambar 5. Distribusi spasial curah hujan luaran WRF-50 km
pada jam 01.00 (a), 06.00 (b), 18.00 (c), dan 24.00 (d)
pada tanggal 15 Juni 2013 yang mewakili musim
kemarau di wilayah Indonesia.

Kondisi pada musim kering yang diwakili bulan Juni seperti
yang terlihat pada Gambar 5, sebaran curah hujan terlihat luas
dengan intensitas tinggi di wilayah Indonesia bagian timur
terutama di wilayah kepulauan Maluku. Secara diurnal intensitas
curah hujan tertinggi masih pada malam hari seperti yang terjadi
pada bulan Desember dan Maret. Seperti sebaran curah hujan
diurnal yang dijelaskan di atas, untuk rata-rata lintang secara
spasial intensitas curah hujan tertinggi terjadi pada pukul 24.00
pada posisi (135-139)°BT, dan dari analisis spektrum nilainya
berkisar (12-14) mm/hari. Pada saat yang sama terjadi curah
hujan dengan intensitas yang kecil pada posisi (118-120)°BT
(terlihat pada Gambar 6 a dan b). Dari analisis ini terlihat jelas
bahwa pada bulan Juni, curah hujan dengan intensitas tinggi
terjadi di wilayah Indonesia bagian timur. Kejadian hujan rata-

88

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

rata dimulai pada sore hari atau sekitar pukul 16.00, dan terus
menerus terjadi sampai mencapai puncaknya pada malam hari.

Pada Gambar 6 (c dan d) ditampilkan hasil analisis rata-rata
bujur secara spasial dan spektrum, dimana secara spasial dapat
dilihat curah hujan dengan intensitas tinggi terjadi masih pada
malam hari pada posisi (6-8)°LS dan (5-8)°LU, sekitar 9 mm/hari.
Seperti yang terjadi pada bulan Desember, pada bulan Juni
terjadi curah hujan dengan intensitas tinggi, tetapi pada posisi
(7,1)°LS dan pada posisi (7,5)°LU sekitar 9 mm/hari.

(a) (b)

(c) (d)

Gambar 6. Curah hujan rata-rata lintang (90-140)°BT terhadap
waktu (a), deret waktu curah hujan rata-rata lintang (b),
curah hujan rata-rata bujur (6°LU-12°LS) terhadap
waktu (c), dan deret waktu curah hujan rata-rata bujur
(d) pada tanggal 15 Juni 2013.

Distribusi curah hujan diurnal pada bulan September
terlihat lebih merata atau hujan terjadi hampir di seluruh wilayah
Indonesia, kecuali Sumatera Utara, Jawa bagian timur, NTB, dan
NTT, tetapi dengan intensitas yang lebih kecil dibandingkan bulan
Desember (gambar tidak ditampilkan karena keterbatasan
halaman). Secara diurnal, intensitas curah hujan semakin
bertambah dari mulai sore hari sekitar pukul 16.00 sampai

89

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

malam hari. Hal tersebut diikuti dengan sebaran curah hujan
secara spasial makin bertambah untuk setiap jam. Curah hujan
dengan intensitas tinggi terjadi di wilayah Sumatera bagian barat,
Kalimantan bagian barat, Sulawesi, kepulauan Maluku, dan
Papua. Analisis yang sama untuk rata-rata lintang dan bujur
pada bulan September (gambar tidak ditampilkan). Berdasarkan
hasil untuk rata-rata lintang secara spasial, curah hujan dengan
intensitas maksimum masih terjadi pada malam hari, sedangkan
mulai terjadinya pada pukul 14.00. Curah hujan dengan
intensitas tinggi terjadi pada posisi 117°BT dengan nilai kisaran
sebesar 7,5 mm/hari.

Sebagai tahapan validasi dilakukan analisis perbandingan
pola akumulasi curah hujan yang dihasilkan dari simulasi model
WRF terhadap data TRMM 3B42-V7 seperti yang ditunjukkan
pada Gambar 7.

(a) (b)

(c) (d)

Gambar 7. Distribusi spasial akumulasi curah hujan luaran WRF-
50 km pada jam 06.00 (a) dan 12.00 (c), serta hasil dari
TRMM 3B42-V7 pada jam 06.00 (b), dan 12.00 (d), pada

tanggal 15 Desember 2013.

90

Curah Hujan Diurnal Luaran Model WRF Wilayah Indonesia (Iis Sofiati)

Berdasarkan hasil terlihat bahwa pola distribusi akumulasi
curah hujan yang dihasilkan dari luaran WRF dan TRMM
mempunyai pola yang hampir sama. Pada jam 03.00 akumulasi
curah hujan tersebar di kepulauan Riau Sumatera, Samudera
Indonesia bagian selatan, Laut Jawa, Selat Makasar, Samudera
Pasifik bagian utara Papua, Laut Banda, dan Papua bagian
selatan (gambar tidak ditampilkan). Pada lokasi tersebut,
terdapat perbedaan intensitas curah hujan yang terjadi, dimana
intensitas luaran WRF lebih kecil (sekitar 6 mm untuk jam 00.00
sampai jam 03.00) dibandingkan dengan TRMM (sekitar 12 mm
untuk jam yang sama). Pada jam 06.00 distribusi akumulasi
curah hujan terjadi di Sumatera Selatan, Kalimantan Barat dan
Selatan, Jawa Timur, sebagian Samudera Indonesia bagian
selatan, Laut Jawa bagian timur, Sulawesi Tengah, Laut Banda,
dan Papua bagian selatan seperti yang ditunjukkan oleh Gambar
7. Sedangkan pada jam 12.00 distribusi akumulasi curah hujan
luaran WRF lebih tersebar dengan intensitas yang lebih besar
dibandingkan dengan TRMM, terjadi di Sumatera Utara dan
Kepulauan Riau, Samudera Indonesia bagian selatan,
Kalimantan Tengah dan Barat, Jawa Timur, Laut Jawa, sebagian
besar Sulawesi, Samudera Pasifik bagian utara Papua, dan Papua
bagian selatan.

Untuk validasi pada bulan Juni, luaran model WRF dan
TRMM dianalisis pada jam 06.00 dan 18.00 seperti yang terlihat
pada Gambar 8. Pada jam 06.00 curah hujan terjadi di Samudera
Indonesia bagian selatan, Kalimantan Barat, Jawa Timur,
sebagian Laut Jawa, Sulawesi Utara, Samudera Pasifik bagian
utara Papua, Laut Banda dan sekitarnya, serta Papua bagian
selatan. Sedangkan pada jam 18.00 curah hujan terjadi di
Samudera Indonesia bagian selatan, Kalimantan Barat, Jawa,
sebagian Laut Jawa, Sulawesi Utara dan Tengah, Samudera
Pasifik bagian utara Papua, Laut Banda, dan Papua bagian
selatan. Wilayah timur terlihat lebih basah dibandingkan dengan
wilayah barat.

91