Faktor Osean – Atmosfer untuk Memprediksi Titik Panas (Hostspot) di Wilayah Asia Tenggara Bagian Selatan

Authors

  • Santriwati Santriwati Hasanuddin University
  • Halmar Halide Departmen Geofisika, FMIPA, Universitas Hasanuddin, Makassar, Indonesia
  • Hasanuddin Hasanuddin Departmen Geofisika, FMIPA, Universitas Hasanuddin, Makassar, Indonesia

DOI:

https://doi.org/10.20956/geocelebes.v5i2.13454

Keywords:

Asia Tenggara bagian Selatan, osean-atmosfer, pemodelan prediksi, Titik Panas, verifikasi prediksi

Abstract

Penelitian ini bertujuan untuk membuat pemodelan prediksi titik panas (hotspot) di wilayah Asia Tenggara bagian Selatan dengan sejumlah prediktor signifikan menggunakan Model Multiple Regression (MR) dan untuk melakukan verifikasi prediksi model tersebut. Data yang digunakan dalam penelitian ini yaitu data observasi titik panas (hotspot) di Wilayah Indonesia yakni di Pulau Kalimantan dan Sumatera dan di Wilayah Semenanjung Malaysia serta Sabah-Sarawak. Kemudian data indeks El Nino Southern Oscillation (ENSO), Madden-Julian Oscillation (MJO), Indian Ocean Dipole (IOD) dan Monsun selama 6 tahun mulai dari tahun 2013 hingga 2018 sebagai data prediktor. Metode yang digunakan yaitu Model Multiple Regression dengan Metode Regresi Stepwise dan verifikasi skill model prediksi yang digunakan yaitu Korelasi Pearson dan RMSE. Berdasarkan hasil pemodelan dan verifikasi prediksi terbaiknya, diperoleh nilai Korelasi Pearson sebesar 0,698 dan nilai RMSE-nya sebanyak 908 hotspot. Untuk model prediksi di wilayah Sumatera oleh 7 prediktor signifikan yang terkait dengan kejadian hotspot yaitu, IOD 0 (IOD pada bulan munculnya hotspot), MJO 0, MJO 9, MJO 10, Mons 1, MJO 8, dan MJO 5. Untuk wilayah Kalimantan nilai Korelasi Pearson sebesar 0,795 dan nilai RMSE-nya sebanyak 1150 hotspot oleh 4 prediktor signifikan, MJO 9 (MJO pada 9 bulan sebelum munculnya hotspot), Mons 1, Mons 0, dan ENSO 3. Untuk wilayah Semenanjung Malaysia diperoleh nilai Korelasi Pearson sebesar 0,145 dan nilai RMSE-nya sebanyak 135 hotspot oleh 2 prediktor signifikan, Mons 2 (Mons pada 2 bulan sebelum munculnya hotspot) dan MJO 0. Kemudian untuk wilayah Sabah dan Sarawak diperoleh nilai Korelasi Pearson sebesar 0,242 dan nilai RMSE-nya sebanyak 113 hotspot oleh 2 prediktor signifikan, IOD 2 (IOD pada 2 bulan sebelum munculnya hotspot) dan MJO 0. Untuk wilayah Sumatera prediktor yang paling berpengaruh yaitu IOD 0, yakni fenomena IOD khususnya fenomena IOD (+) penyebab terjadinya musim kering ini beberapa kali terjadi di wilayah Pulau Sumatera karena letaknya berdekatan langsung dengan Samudera Hindia sehingga iklimnya juga dipengaruhi oleh lautan di dekatnya. Untuk fenomena MJO dan Monsun yang paling berpengaruh di Wilayah Kalimantan (MJO 9), Semenanjung Malaysia (Mons 2) serta Sabah - Sarawak (MJO 0). Kedua fenomena tersebut secara periodik selalu melintas di ketiga wilayah tadi khususnya berkontribusi pada bulan-bulan terjadinya musim kering, sehingga diindikasikan dapat mempengaruhi munculnya hotspot.

Downloads

Download data is not yet available.

References

Arini, E.Y. 2014. Simulasi Curah Hujan Kalimantan Menggunakan Region-al Climate Model 4 (REGCM4) Saat El Nino Southern Oscillation (ENSO). Skripsi, Bogor: Institut Pertanian Bogor.

ASMC, 2020. http://asmc.asean.org/asmc- haze-hotspot-monthly/. Diakses pada 9 Maret 2020.

Bappenas. 2016. Grand Design Pencegahan Kebakaran Hutan Kebun dan Lahan. Jakarta: Bappenas.

Blegur, T.Y., Daka, S., Fuadz, M., Liliana, R.R. dan Wicaksono, M.C.W. 2019. Buletin Informasi Meteorologi Edisi V Bulan Mei 2019. Alor: Stamet Mali.

BMKG. 2017. BULETIN Cuaca dan Iklim Maritim. Jakarta: BMKG Maritim.

BNPB. 2013. Rencana Kontinjensi Nasional Menghadapi Ancaman Benana Asap Akibat Kebakaran Hutan dan Lahan. Jakarta: BNPB.

Chang, C-P., Wang, Z., McBride, J. and Liu, C. 2005. Annual cycle of Southeast Asia–Maritime Continent Rainfall and Asymmetric Monsoon Transition. Journal of Climate. 18: 287–301.

Endrawati. 2016. Analisis Data Titik Panas (Hotspot) dan Areal Kebakaran Hutan dan Lahan Tahun 2016. Jakarta: KLHK.

Erwinsyah. 2017. Pengaruh Jumlah Penduduk, Produk Domestik Bruto Dan Tenaga Kerja Kehutanan Terhadap Luas Kebakaran Hutan Dan Lahan di Indonesia. Jurnal Populis. Vol. 2 (3) :321-328.

Fahrmeir, L., Kneib, T., Lang, S. and Marx, B. 2013. Regression: Models, Methods and Applications. Switzerland: Springer Publication 2013.

Hacker, E. C., and Hastenrath, S. 1985. Mechanisms of Java Rainfall Anomalies. Monthly weather review. 114: 745-757.

Hermawan, E. dan Witono, A. 2012. Penerapan Metode Analisis Komposit Dalam Menentukan Terjadinya Perbedaan Musim Kemarau/ Penghujan Di Kab. Kukar, Bulungan Dan Berau Provinsi Kalimantan Timur Secara Serempak (Simultan). pp. 84-91. ISBN 978-979-1458-64-1.

Iizuka, S., Matsuura, T., & Yamagata, T. 2000. The Indian Ocean SST dipole simulated in a coupled general circulation model. Geophysical Research Lett. 27: 3369- 3372.

Jianping Li’s Homepage, 2020 http://ijp.gcess.cn/dct/page/1. Diakses pada 9 Maret 2020.

KNMI Climate Explorer, 2020. https://climexp.knmi.nl/getindices._ Diakses pada 9 Maret 2020.

Krishnamurti, T.N. and Bhalme, H.N. 1976. Oscillations of a Monsoon System. Part I. Observational Aspects. J. Atmos. Sci. 33: 1937–1954.

Madden, R.A. and Julian, P.R. 1994. Observations of the 40– 50-day Tropical Oscillation A review, Mon. Weather Rev. 122: 814– 837.

Maloney, E. and Hartmann, D. 2000. Modulation of Eastern North Pacifichurricanes by the Madden-Julian Oscillation. J. Climate. 13: 1451-1460.

Mulyana, E. 2002. Analisis Angin Zonal di Indonesia Selama Periode ENSO. Jurnal Sains & Teknologi Modifikasi Cuaca. Vol. 3(2): 115 - 120.

Narulita, Ida., Rahayu, R., Kusratmoko, E., Supriatna. dan Djuwansah, M.R. 2019. Ancaman Kekeringan Meteorologis di Pulau Kecil Tropis akibat Pengaruh El-Nino dan Indian Ocean Dipole (IOD) Effects, case study: Bintan Island. Jurnal lingkungan dan bencana geologi. 10(3): 127 – 138. http://doi.org/10.34126/jlbg.v10i3.252.

NOAA.2019.https://www.cpc.ncep.noaa.gov/data/indices/. Diakses pada 9 Agustus 2019.

Nur, Rusnianti. 2017. Verifikasi Model Prediksi Nilai Titik Panas (Hotspot) di Kalimantan. Skripsi, Makassar: Universitas Hasanuddin.

Peraturan Menteri Kehutanan Nomor: P. 12/Menhut-Ii/2009 tentang Pengendalian Kebakaran Hutan. Jakarta.

Prayoga, M. B. R., Ardila, Y., dan Della A. K. 2017. Analisis Korelasi Kerapatan Titik Api Dengan Curah Hujan Di Pulau Sumatera Dan Kalimantan. Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 18(1): 17 – 24.5. https://doi.org/10.29122/jstmc.v18i1.2037

Saji, N.H., and Yamagata, T. 2003. Possible impacts of Indian Ocean Dipole mode events on global climate. Climate Research. 25:151-159.

Saji N.H., Goswami, B.N., Vinayachandran, P.N. and Yamagata, T. 1999. A Dipole Mode in The Tropical Indian Ocean. in Macmillan Magazines Ltd, Nature, Vol.401. http://doi.org/10.1038/43854

Syaifullah, M.D. 2015. Siklon Tropis, Karasteristik Dan Pengaruhnya Di Wilayah Indonesia Pada Tahun 2012. Jurnal Sains dan Teknologi Modifikasi Cuaca. 16(2): 61 – 71.

http://doi.org/10.29122/jstmc.v16i2.1048.

Tacconi, L. 2003. Kebakaran Hutan di Indonesia: Penyebab, Biaya dan Implikasi Kebijakan. Bogor: Cente for International Forestry Research (CIFOR).

Tangang, F.T., Xia, C., Qiao, F., Juneng, L. and Shan, F. 2011. Seasonal circulations in the Malay Peninsula Eastern continental shelf from a wave–tide–circulation coupled model. Ocean Dynamics. http://doi.org/10.1007/s10236-011-0432-5.

Tangang, F.T. and Juneng, L. 2004. Mechanisms of Malaysia rainfall anomalies. Journal of Climate. 17(18): 3615-3621. https://doi.org/10.1175/1520- 0442(2004)017.

Tjasyono, B.H.K., Lubis, A., Juaeni, I., Ruminta, Harijono S.W.B. 2008. Dampak Variasi Temperatur Samudera Pasifik dan Hindia Ekuatorial terhadap Curah Hujan di Indonesia. Jurnal Sains Dirgantara, Vol. 5(2): 83-95.

Trenberth, K.E. 1997. The Definition El Nino. Bulletin of the American Meteorologicaal Society. 78(12): 2771-2777.

Vinayachandran, P.N., Iizuka, S. and Yamagata, T. 2002. Indian Ocean dipole mode events in an ocean general circulation model. Deep-Sea Res. PI.D. 49: 1573-1596.

Webster P. J., Magaña, V. O., Palmer, T. N., Shukla, J., Tomas, R. A., Yanai, M. and Yasunari, T. 1998: Monsoons: processes, predictability, and the prospects for prediction. Journal of Geophysical Research. 103(C7): 14451–14510

Published

2021-08-09

How to Cite

Santriwati, S., Halide, H., & Hasanuddin, H. (2021). Faktor Osean – Atmosfer untuk Memprediksi Titik Panas (Hostspot) di Wilayah Asia Tenggara Bagian Selatan. JURNAL GEOCELEBES, 5(2), 116-130. https://doi.org/10.20956/geocelebes.v5i2.13454

Issue

Section

Articles