PENGARUH AKTIVITAS MATAHARI PADA VARIASI CURAH HUJAN DI INDONESIA

Download Radiasi-radiasi ini bervariasi mengikuti variasi aktivitas matahari dengan periode sekitar 11 tahun. Penelitian pengaruh aktivitas matahari...

0 downloads 534 Views 1MB Size
Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

PENGARUH AKTIVITAS MATAHARI PADA VARIASI CURAH HUJAN DI INDONESIA Wilson Sinambela , Tiar Dani, Iyus E. Rusnadi dan Jalu Tejo Nugroho Peneliti Matahari dan Antariksa, LAPAN Email:[email protected] ABSTRACT Solar activities give influence for long-term climate parameter. Ultraviolet radiation, visible radiation and heat radiation is represent the primary factor influencing this earth climate. This radiation parameter is varying to follow the variation of solar activities with periods around 11 year. Research on solar activities influence at precipitation variability over Indonesia during 105 years (1900 – 2005) conducted with the analysis of wavelet and empirical correlation at annual rainfall data, December, January, February (DJF) season data, and June, July, August (JJA) season data that grouped with fuzzy clustering methods. Through the combination of fuzzy clustering method, wavelet transform, and correlation method clarify that precipitation in Indonesia influenced by long-term solar activities. The similarity between rainfall periodicity and that of solar activity, especially about 11- and 22- year is one of the indications of the effect of solar activity on the Indonesian climate parameter. Correlation analyzes using 11 yearrunning moving averages, showed that the pattern of rainfall anomaly changes follows the pattern of solar activity variability, although they are varies in phase and sometimes are out of phase with it and move ahead in about 15-20 years. Meanwhile, results shows that variation of rainfall in western cluster of Indonesian have a good correlation with a long-term solar activity with approximatelly-11 years solar cycle length indicators, and the value of the coefficient correlation reaching up to r = 0.75. On the contrary, results shows that variation of rainfall in Eastern cluster of Indonesian have a good correlation with solar activity variation and the value of the coefficient correlation reaching up to r = 0.81. ABSTRAK Aktivitas matahari dapat mempengaruhi parameter iklim jangka panjang. Radiasi ultraviolet, radiasi tampak (visible) dan radiasi panas adalah faktor utama yang mempengaruhi parameter iklim bumi. Radiasi-radiasi ini bervariasi mengikuti variasi aktivitas matahari dengan periode sekitar 11 tahun. Penelitian pengaruh aktivitas matahari pada variabilitas curah hujan di atas Indonesia selama 105 tahun (1900-2005) dilakukan dengan analisis wavelet dan korelasi empirik pada data variasi tahunan curah hujan, musim 149

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

DJF dan JJA yang telah dikelompokkan dengan metode fuzzy clustering. Melalui kombinasi metode fuzzy clustering, wavelet, dan metode korelasi memperjelas bahwa curah di Indonesia dipengaruhi oleh aktivitas matahari jangka panjang. Kesamaan periodisitas curah hujan dengan aktivitas matahari, terutama periode -11 dan 22-tahun, merupakan indikasi pertama pengaruh aktivitas matahari pada variabilitas iklim Indonesia. Dari hasil analisis keterkaitan antara bilangan sunspot dan curah hujan dengan menggunakan pemulusan rata-rata bergerak 11 tahun dari rata-rata tahunan, curah hujan cenderung mengikuti pola variasi aktivitas matahari jangka panjang walaupun variasi curah hujan ada yang sefasa dan yang mendahului, variasi bilangan sunspot berkisar 15-20 tahun. Sementara itu, hasil analisis menunjukkan bahwa variasi curah hujan di cluster Indonesia Barat mempunyai korelasi yang baik dengan aktivitas matahari jangka panjang dengan indikator panjang siklus matahari sekitar 11 tahun, dan koefisien korelasinya mencapai r = 0,75. Sedangkan variasi curah hujan di cluster Indonesia Timur memiliki korelasi yang baik dengan variasi siklus matahari-11 tahun dan koefisien korelasinya bisa mencapai 0,81. Kata kunci : Variabilitas curah hujan, Aktivitas matahari, matahari, Fuzzy Clustering 1

Panjang siklus

PENDAHULUAN

Aktivitas matahari menyebabkan perubahan-perubahan besar dari plasma dan populasi partikel-partikel energetik, dan perubahan-perubahan ini berakibat pada Antariksa yang mempengaruhi bumi dan lingkungannya. Cuaca antariksa dapat berdampak pada atmosfer atas dan dapat mempengaruhi variasi iklim jangka panjang. Keluaran energi matahari diketahui berubah mengikuti variasi siklus aktivitas matahari dengan periode utama sekitar 11 tahun dan periode yang lebih panjang. Zhao dkk (2003) melakukan analisis spektral wavelet pada bilangan sunspot yang menghasilkan beberapa periode yang jelas antara lain, sekitar 11, 22, 33, 78, dan 179 tahun, dan bervariasi terhadap waktu. Periode sekitar 11 tahun (Siklus Schwabe) terkait dengan siklus bilangan sunspot, 22 tahun (siklus magnetik Hale) terkait dengan perubahan magnetik matahari, 33 tahun terkait dengan siklus Bruckner (1890), dan 78 tahun terkait dengan siklus Gleissberg (1944) aktivitas matahari. Rentang panjang siklus matahari 11 tahun juga tidak konstan tetapi bervariasi terhadap waktu. Aktivitas matahari dapat mempengaruhi parameter iklim, termasuk variasi curah hujan dengan berbagai cara dan skala waktu yang berbeda. Pertama, karena matahari merupakan penyumbang energi terbesar bagi permukaan bumi, maka setiap ada perubahan keluaran radiatif matahari juga akan mempengaruhi kesetimbangan energi permukaan bumi. Kedua, perubahan spektrum radiasi matahari yang bervariasi mengikuti siklus matahari 11 tahun terutama pada pita radiasi ultraviolet (UV) matahari, 150

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

pengaruhnya bertambah pada lapisan stratosfer yang pada gilirannya dapat mempengaruhi troposfer bawah (tempat fenomena iklim). Terakhir, matahari dapat juga mempengaruhi awan dan aktivitas hujan melalui media sinar kosmik galaksi (Galactic Cosmic Ray/GCR) yang merupakan sumber ion-ion. Karena pembentukan awan merupakan fungsi dari suhu lingkungan (suhu ambient), setiap perubahan dari suhu ambient atmosfer bumi langsung mempengaruhi pembentukan tetesan air yang akan mempengaruhi variabilitas curah hujan. Sejumlah studi (Hiremath dan Mandi, 2004) menunjukkan forcing matahari pada iklim global bumi dan lingkungan. Beberapa gejala, parameter dan variabel di permukaan bumi (baik skala global, regional, maupun lokal) menunjukkan tanggapan yang signifikan terhadap variasi keluaran matahari antara lain adalah suhu permukaan laut (SST) di tiga lautan utama (lautan Atlantik, Pasifik dan lautan Hindia), suhu permukaan daratan, curah hujan, konsentrasi ozon, Quasi-biennial Oscillation (QBO), ketinggian isobar tertentu, dan fluks sinar kosmik galaksi dengan liputan awan. Studi sebelumnya (Anantha Krishnan dan Parthasarathy, 1985; Beer et al., 1990; Labitzke dan van Loon, 1997; Parthasarathy et al., 1993; Haigh, 2001; Hiremath dan Mandi, 2004; Bhattacharya dan Narashima 2005; Hiremath, 2005) menunjukkan korelasi kuat antara aktivitas matahari dan variabilitas curah hujan monsun. Pengaruh aktivitas matahari terhadap curah hujan juga memiliki karakteristik lokal yang jelas, bergantung pada waktu, posisi geografik dalam skala lokal, regional bahkan global dengan waktu tunda dan tanpa waktu tunda dengan korelasi positif, negatif atau tidak berkorelasi. Oleh karena itu, dalam makalah ini akan dibahas penelitian pengaruh aktivitas matahari pada variasi iklim Indonesia berdasarkan kajian dan analisis data deret waktu variasi curah hujan di Indonesia dengan tujuan untuk mengetahui berapa besar pengaruh aktivitas matahari pada variasi curah hujan jangka panjang di Indonesia. Jika ketergantungan curah hujan terhadap aktivitas matahari diketahui, diharapkan prediksi iklim jangka panjang di Indonesia dapat dilakukan lebih teliti, sehingga dapat digunakan sebagai masukan untuk mengurangi dampaknya. 2

DATA DAN METODE

2.1 Data Parameter aktivitas matahari yang digunakan dalam penelitian ini adalah deret waktu data bilangan sunspot bulanan yang bersumber dari kompilasi Royal Observatory of Belgium dan Sunspot Index Data Center (SIDC) (http://www.astro.oma.be/SIDC), dan data variasi panjang siklus matahari (Solar Cycle Length/SCL) (Gleissberg, 1944). Sementara parameter iklim yang dipergunakan adalah deret waktu data variasi anomali curah hujan di atas wilayah Indonesia {(95°- 145°) BT; (10°LU-15°LS)} yang diambil dari data global anomali curah hujan bulanan NOAA dengan grid (5°x5°) dalam 151

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

rentang tahun 1900-2005 (http://www.ncdc.noaa.gov/oa/climate/research/ ghcn/ghcngrid_prcp.html). Wilayah Indonesia yang luas memiliki anomali curah hujan yang berbeda-beda untuk masing masing grid selama rentang waktu tahun 19002005 (105 tahun data). Dengan menggunakan teknik Data Mining akan lebih mudah memisahkan data anomali curah hujan berdasarkan tingkat kemiripan nilai anomali curah hujan antar grid dalam rentang 105 tahun data, sehinggga pengolahan dan analisis data lebih mudah dilakukan. Teknik clustering yang dilakukan adalah fuzzy clustering menggunakan perangkat lunak NCSS 2007 yang diambil dari internet. Data anomali curah hujan hasil clustering ini kemudian diolah menggunakan teknik spektral wavelet untuk melihat sinyal-sinyal yang dominan dari aktivitas matahari pada anomali curah hujan di Indonesia. 2.2 Metode Tahap awal dikembangkan basis data acuan untuk keseluruhan tahapan penelitian, yaitu deret waktu data bilangan sunspot, dan data anomali curah hujan di atas Indonesia. Pada tahap pertama yang dilakukan adalah mengekstraksi data anomali curah hujan bulanan per grid di atas wilayah Indonesia {(95°-145°) BT; (10° LU-15°LS)} yang diambil dari data global NOAA grid (5°x5°) untuk kurun waktu tahun 1900-2005, dengan menggunakan perangkat lunak khusus yang dibuat dalam bahasa FORTRAN. Data anomali curah hujan ini kemudian dihitung rataan tahunannya. Pada saat bersamaan, juga dilakukan ekstraksi data anomali curah hujan bulanan di atas Indonesia untuk bulan Desember, Januari dan Februari (seterusnya disebut musim DJF) dan untuk bulan Juni, Juli, dan Agustus (seterusnya disebut musim JJA) untuk setiap grid. Data Musim DJF dan JJA ini juga diolah menjadi rataan tahunan. Kemudian dilakukan pengclusteran data tersebut dengan menggunakan teknik fuzzy clustering yang terdapat pada perangkat lunak NCSS 2007, baik untuk keseluruhan data anomali curah hujan musim DJF dan JJA, sehingga menghasilkan cluster-cluster yang memiliki pola kemiripan nilai anomali curah hujan untuk masing-masing grid di wilayah Indonesia. Tahap berikutnya melakukan analisis spektral wavelet pada clustercluster anomali curah hujan di Indonesia dengan bantuan piranti lunak The Weighted Wavelet Z-Transform/WWZ (Foster, 1996). Maksudnya untuk menyelidiki sinyal-sinyal dominan pada anomali curah hujan di Indonesia. Setelah diketahui sinyal-sinyal dominannya terutama sinyal-sinyal yang terkait dengan aktivitas matahari, maka tahap selanjutnya dilakukan analisis korelasi empirik untuk mengetahui berapa besar pengaruh aktivitas matahari jangka panjang pada anomali curah hujan di Indonesia.

152

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

3

HASIL DAN PEMBAHASAN

3.1 Hasil Clustering Data Anomali Curah Hujan Indonesia Pengelompokan (Clustering) data anomali curah hujan di Indonesia yang telah diekstrak dari data bulanan global dalam kurun waktu tahun 1900 – 2005 dengan bantuan teknik fuzzy clustering menggunakan perangkat lunak NCSS 2007 pada data anomali curah hujan Indonesia, data musim DJF, dan musim JJA yang menghasilkan dua cluster besar. Gambar 3-1 menunjukkan pengclusteran anomali curah hujan Indonesia yang menghasilkan dua cluster besar yaitu, cluster Indonesia Barat, berpusat di sekitar Pontianak dengan posisi geografis (0° 01,23’20” LS; 109° 21,18’31” BT), dan cluster Indonesia Timur, berpusat di sekitar Merauke dengan posisi geografis (8° 29,45’65”LS; 140° 23,40’16” BT). Dengan proses yang sama dilakukan pengclusteran terhadap data anomali curah hujan musim DJF untuk tiap-tiap grid dalam kurun waktu yang sama. Pengclusteran anomali curah hujan musim DJF ini juga menghasilkan dua cluster besar seperti yang ditunjukkan dalam Gambar 3-2. Pusat cluster Indonesia Barat masih berpusat di sekitar Pontianak, sedangkan untuk pusat cluster Indonesia Timur bergeser ke arah selatan di sekitar Teluk Carpentaria (Australia) dengan posisi geografis (12,5° LS; 137,5° BT). Sementara Gambar 3-3 menunjukkan pengclusteran anomali curah hujan musim JJA, yang juga menghasilkan dua cluster besar. Pusat cluster Indonesia Barat masih berpusat di sekitar wilayah Pontianak, dan pusat cluster Indonesia Timur bergeser ke arah utara di sekitar Jayapura dengan posisi geografis (2°32,35’37”LS; 140° 42,53’86” BT). Dua cluster besar hasil pengelompokan ini selanjutnya disingkat sebagai cluster KIB untuk cluster Indonesia Barat, dan cluster KIT untuk cluster Indonesia Timur. Selain itu, proses fuzzy clustering juga terlihat bahwa batas antar cluster sama dengan batas daerah hujan antara KIB dan KIT yaitu pada garis bujur 120° BT. 3.2 Analisis Spektral Wavelet Anomali Curah Hujan Indonesia 3.2.1 Analisis spektral wavelet anomali curah hujan Indonesia Analisis spektral wavelet dari data anomali curah hujan Indonesia, data setiap anggota cluster musim DJF dan musim JJA dilakukan dengan menggunakan perangkat lunak WWZ. Maksudnya adalah untuk menyelidiki sinyal-sinyal dominan yang muncul pada anomali curah hujan tersebut, khususnya sinyal-sinyal yang berasal dari aktivitas matahari. Gambar 3-4 menunjukkan hasil analisis WWZ dari anomali curah hujan tahunan Indonesia.

153

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

Pontianak

Merauke

Gambar 3-1: Pengelompokan (Fuzzy clustering) anomali curah hujan Indonesia menghasilkan 2 (dua) cluster besar. Cluster KIB berpusat di sekitar Pontianak (0°01 23’20”LS; 109°21,18’31”BT), dan cluster KIT berpusat di sekitar Merauke (8°29,45’65”LS; 140°23,40’16”BT) (bulatan merah). Dua cluster anomali curah hujan ini dibatasi oleh garis bujur 120° BT

Pontianak

Carpentaria

Gambar 3-2: Pengelompokan (Fuzzy clustering) anomali curah hujan musim DJF menghasilkan 2 (dua) cluster besar. Cluster KIB berpusat di sekitar Pontianak (0° 01,23’20”LS; 109°21,18’31”BT) dan cluster KIT bergeser ke selatan yang berpusat di sekitar di Teluk Carpertaria Australia (12,5°LS; 137,5°BT) (bulatan merah). Dua cluster anomali curah hujan ini dibatasi oleh garis bujur 120° BT.

154

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

Pontianak

Jayapura

Gambar 3-3: Pengelompokan (Fuzzy clustering) anomali curah hujan musim JJA menghasilkan 2 (dua) cluster besar. Cluster KIB berpusat di sekitar Pontianak (0° 01,23’20” LS; 109° 21,18’31” BT), dan cluster KIT kembali bergeser ke arah utara yang berpusat di sekitar Jayapura (2°32,35’37”LS; 140°42,53’86”BT) (bulatan merah). Dua cluster anomali curah hujan ini dibatasi oleh garis bujur 120° BT

50

C u r a hH u ja n(m m )

40 30 20 10 0 -10 -20 -30 -40 -50 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

Tahun

70

10 40

6

60

9.10 11.11

2.44

50

a)

22.22

4

2 11.11 2.44 22.2 40 0 0

b)

50

6.90

Perioda (Tahun)

WWZ

8

40

30

20

10

10

20

30 40 Perioda (Tahun)

50

60

70 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

Gambar 3-4: Panel atas, data rataan tahunan variasi anomali curah hujan Indonesia dalam kurun waktu tahun 1900-2005. Panel bawah, a) Hasil analisis WWZ variasi anomali curah hujan Indonesia, dan b) evolusi kontur dari periode dominannya. Tampak sejumlah sinyal dengan puncak dan evolusi periodenya sekitar; 2,4 tahun (kuat), 6,9 tahun (sedang), (9,10-11,11) tahun (sangat kuat), 22,22 tahun (sedang), dan (40-50) tahun (sangat kuat)

155

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

Sinyal-sinyal dengan periode sekitar 2,4 tahun tampak kuat, dan 6,9 tahun tampak sedang terkait dengan efek Quasi Biennual Oscillation (QBO), dan El Nino Sourthen Oscillation (ENSO). Sinyal-sinyal dengan periode sekitar, (9, 10-11, 11) tahun tampak kuat terkait dengan efek siklus aktivitas matahari-11 tahun, 22,22 tahun tampak sedang terkait dengan efek siklus magnetik Hale, dan (40-50) tahun tampak sangat kuat terkait dengan efek siklus aktivitas matahari antar dekadean. Gambar 3-4a menunjukkan puncakpuncak amplitudo dari setiap periode, sementara Gambar 3-4b menunjukkan kontur evolusi dari setiap periode anomali curah hujan yang didapat dengan bantuan piranti lunak Winsurf, yang menyatakan bahwa setiap periode tidak konstan, tetapi bervariasi terhadap waktu. Gambar 3-5 menunjukkan hasil analisis spektral WWZ dari rataan tahunan anomali curah hujan Indonesia untuk cluster KIB. Tampak adanya sinyal-sinyal aktivitas matahari pada anomali curah hujan untuk cluster KIB meskipun lemah. Sinyal QBO dan ENSO tampak sangat kuat dibandingkan dengan sinyal-sinyal dari aktivitas matahari dengan periode sekitar 10,53 tahun, 16,39 tahun terkait dengan efek pasang surut bulan-matahari, 30,3 tahun terkait dengan siklus Bruckner aktivitas matahari, dan periode sekitar 76,92 tahun tampak sedang terkait dengan siklus Glessberg aktivitas matahari. Gambar 3-6 menunjukkan hasil analisis spektral WWZ dari anomali curah hujan Indonesia untuk cluster KIT. Tampak adanya beberapa periode yang muncul untuk cluster KIT. Sinyal dengan periode sekitar 5,29 tahun tampak sangat kuat terkait dengan efek fenomena ENSO, tetapi periode sekitar 12,99 tahun yang terkait dengan efek siklus aktivitas matahari 11 tahun lebih menonjol. Tampak juga sinyal-sinyal jangka panjang dengan periode sekitar 21,28 tahun yang terkait dengan siklus magnetik Hale, dan 37,04 tahun yang terkait dengan siklus matahari antar dekadean tetapi lemah. Dari kedua gambar tersebut tampak bahwa aktivitas matahari mempengaruhi anomali curah hujan Indonesia, baik untuk cluster KIB, dan cluster KIT, meskipun tidak sebesar pengaruh fenomena QBO dan ENSO.

156

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.) 50 40 C u r a h H u ja n (m m )

30 20 10 0 -10 -20 -30 -40 -50 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

Tahun 100

8

90

7

5.41

80

6 70

4

Perioda(Tahun)

WWZ

5 76.92

3

10.53

2

30.30

16.39

60

50

40

1

30

0

20

0

10

20

30

40

50

60

70

80

90

100 10

Peri oda

1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

a) b) Gambar 3-5: Panel atas, data variasi rataan tahunan anomali curah hujan Indonesia untuk cluster KIB dalam kurun waktu tahun 19002005. Panel bawah, a) Hasil analisis WWZ variasi data anomali curah hujan cluster KIB, dan b) evolusi kontur dari periode dominannya. Tampak sejumlah sinyal dengan puncak dan evolusi periodenya sekitar; 4-6 tahun (sangat kuat ), (10-11) tahun (sedang), 16,39 tahun (sedang), 25 tahun (lemah), 33,33 tahun (lemah), dan sekitar 76,92 tahun (sedang) 70

A n o m a liC H (m m )

50 30 10 -10 -30 -50 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

Tahun 100

8

90

7

5.29

12.99

80

6

70

4

Perioda(Tahun)

WWZ

5 21.28

3 37.04

2

60

50

40

1

30

0

20

0

10

20

30

40

50 Perioda

60

70

80

90

100 10 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

a) b) Gambar 3-6: Panel atas, data variasi rataan tahunan anomali curah hujan tahunan Indonesia untuk cluster KIT dalam selang tahun 19002005. Panel bawah, a) Hasil analisis WWZ variasi data anomali curah hujan cluster KIT, dan b) evolusi kontur dari periode dominannya. Tampak sejumlah sinyal dengan puncak dan evolusi periodenya sekitar; 5,29 tahun (sangat kuat), 12,99 tahun (sangat kuat), 21, 28 tahun (lemah), dan sekitar 37,04 tahun (lemah) 157

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

Selain itu, tampak bahwa pengaruh aktivitas matahari lebih besar untuk cluster KIT daripada untuk cluster KIB. Hal ini diduga disebabkan oleh perbedaan penyerapan energi radiasi matahari. Untuk cluster KIT terdapat lautan lebih luas sehingga lebih banyak menyerap energi radiasi matahari dibandingkan dengan cluster KIB. Seperti diketahui energi radiasi matahari yang dipancarkan akan bertambah dengan bertambahnya tingkat aktivitas matahari. 3.2.2 Analisis spektral wavelet anomali curah hujan Indonesia musim DJF Dengan proses yang sama dilakukan analisis spektral wavelet pada anomali curah hujan musim DJF untuk cluster KIB, dan untuk cluster KIT. Gambar 3-7 menunjukkan analisis WWZ pada anomali curah hujan musim DJF untuk cluster KIB dalam kurun waktu yang sama. Dari gambar tersebut, sinyal dengan periode sekitar (1,5 dan 3,7) tahun tampak sangat kuat dibandingkan dengan sinyal-sinyal aktivitas matahari dengan periodeperiode sekitar (9,5; 16,67; 25; 33,33, dan 66,67) tahun yang lemah. Sinyal dengan periode sekitar 9,5 tahun terkait dengan efek siklus matahari 11 tahun, 16,67 tahun terkait dengan efek pasang surut bulan-matahari, 25 tahun terkait dengan efek siklus magnetik Hale, 33,33 tahun terkait dengan efek siklus Bruckner, dan sekitar 66,67 tahun terkait dengan efek siklus Gleissberg aktivitas matahari. 150

A n o m a liC H (m m )

100 50 0 -50 -100 DJF Cl1 -150 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

Tahu n 100

90

3.70

7

80

6

70

5

60

4

16.67

3

9.52

P erioda(Tahun)

WWZ

8

25.00 33.33

50

40

66.67

2

30

1

20

0

10

0

10

20

30

40

50

60

Perioda(Tahun)

a)

70

80

90

100

1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

b)

Gambar 3-7: Panel atas, variasi data anomali curah hujan musim DJF untuk cluster KIB dalam kurun waktu tahun 1900-2005. Panel bawah, a) Hasil analisis WWZ variasi data anomali curah hujan cluster KIB, dan b) evolusi kontur dari periode dominannya. Tampak sejumlah sinyal dengan puncak dan evolusi periodenya sekitar; 3,70 tahun (sangat kuat), 9,5 tahun (lemah), 16,67 tahun (lemah), 25 tahun (lemah), 33,33 tahun (lemah), dan 66,67 tahun (lemah) 158

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

Gambar 3-8 menunjukkan hasil analisis WWZ dari anomali curah hujan musim DJF untuk cluster KIT. Dari gambar tersebut, sinyal-sinyal dengan periode sekitar (1,3-6,45) tahun tampak sangat kuat dibandingkan dengan sinyal-sinyal aktivitas matahari dengan periode (20, dan 33,33) tahun. Sinyal dengan periode sekitar 20 tahun terkait dengan efek siklus magnetik Hale (22 tahun), dan 33,33 tahun terkait dengan efek siklus Bruckner aktivitas matahari. Dari kedua gambar tersebut tampak bahwa efek fenomena QBO dan ENSO memberikan pengaruh yang lebih besar pada anomali curah hujan untuk cluster Indonesia Barat dan cluster Indonesia Timur dibandingkan dengan pengaruh aktivitas matahari jangka panjang. Seperti diketahui, pada bulan-bulan musim DJF posisi matahari berada di selatan khatulistiwa. Hal ini dapat menjelaskan mengapa sinyal-sinyal matahari lebih kuat pada anomali curah hujan untuk cluster KIT (walaupun lemah) dibandingkan dengan sinyal-sinyal aktivitas matahari pada anomali curah hujan untuk cluster KIB. Hal ini juga diduga menyebabkan pengaruh terhadap terjadinya musim kering di cluster KIT dan musim basah di cluster KIB. 320

A n o m aliC H (m m )

240

DCF Cl2

160 80 0 -80 -160 -240 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

Tahu n 100

10 9

1.33

90

80

8 3.03

70

6 5

Perioda(Tahun)

WWZ

7

33.33

4

20

3

60

50

40

2

30

1

20

0 0

10

20

30

40

50 Perioda

60

70

80

90

100

10

1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

a)

b)

Gambar 3-8: Panel atas, variasi data anomali curah hujan musim DJF untuk cluster KIT dalam kurun waktu tahun 1900-2005. Panel bawah, a) Hasil analisis WWZ variasi data anomali curah hujan cluster KIT, dan b) evolusi kontur dari periode dominannya. Tampak sejumlah sinyal dengan puncak dan evolusi periodenya sekitar; 1,33 tahun (sangat kuat), 3,03 tahun (sangat kuat ), 20 tahun (lemah) , dan 33,33 tahun 159

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

3-2-3 Analisis spektral wavelet anomali curah hujan Indonesia musim JJA Dengan proses yang sama dilakukan analisis spektral wavelet pada anomali curah hujan untuk musim JJA. Gambar 3-9 menunjukkan hasil analisis WWZ pada anomali curah hujan musim JJA untuk cluster KIB. Dari gambar tersebut, sinyal dengan periode sekitar 20 tahun tampak lebih kuat terkait dengan efek siklus magnetik Hale dibandingkan dengan sinyal-sinyal QBO dan ENSO dengan periode sekitar (1,3 dan 6) tahun. Selain itu muncul juga sinyal aktivitas dengan periode sekitar 50 tahun yang tampak lemah terkait dengan siklus aktivitas matahari antar dekadean. 200

A n om aliC H(m m )

150

JJA CL1

100 50 0 -50 -100 -150 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

T ahun 100

14 20 12

90

3.64 80

8

a)

6

6 50

4

b)

70

P erioda(T ah un)

WWZ

10

60

50

40

2

30

0

20

0

10

20

30

40

50

60

70

80

90

100

10

Perioda (tahun) 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

Gambar 3-9: Panel atas, variasi data anomali curah hujan musim JJA untuk cluster KIB dalam kurun waktu tahun 1900-2005. Panel bawah, a) Hasil analisis WWZ variasi data anomali curah hujan cluster KIB, dan b) evolusi kontur dari periode dominannya. Tampak sejumlah sinyal dengan puncak dan evolusi periodenya sekitar (3,64-6) tahun (sedang), 20 tahun (sangat kuat), dan 50 tahun (lemah) Gambar 3 -10 menunjukkan hasil analisis WWZ anomali curah hujan musim JJA untuk cluster KIT. Tampak bahwa sinyal-sinyal QBO dan ENSO dengan periode sekitar (1,3 dan 3,64) tahun muncul sangat kuat dibandingkan dengan sinyal-sinyal aktivitas matahari dengan periode sekitar (8,7-11,11,dan 25) tahun. Periode sekitar (8,7-11,11) tahun terkait dengan siklus aktivitas matahari 11 tahun dan 25 tahun terkait dengan efek siklus magnetik Hale.

160

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.) 150 JJA Cl2

A n o m a liC H (m m )

100

50

0

-50

-100 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

2010

T ahun 100

9

90

3.64

8

a)

7

b)

80

70

25 P e rio da(T a hu n)

WWZ

6 5 4

8.7

3

11.11

2

60

50

40

30

1

20

0 0

10

20

30

40

50

60

Perioda (Tahun)

70

80

90

100

10

1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

2000

Tahun

Gambar 3-10: Panel atas, variasi data anomali curah hujan musim JJA untuk cluster KIT dalam kurun waktu tahun 1900-2005. Panel bawah, a) Hasil analisis WWZ variasi data anomali curah hujan cluster KIT, dan b) Evolusi kontur dari periode dominannya. Tampak sejumlah sinyal-sinyal dengan puncak dan evolusi periodenya sekitar; 3,64 tahun (sangat kuat), (8,7-11,11) tahun (lemah), dan sekitar 25 tahun (sangat kuat) Pada bulan-bulan musim JJA posisi matahari berada di sebelah utara khatulistiwa, sehingga di wilayah Indonesia terjadi musim kering untuk cluster KIB, dan musim basah untuk cluster KIT. Sinyal-sinyal aktivitas matahari pun muncul sangat kuat pada anomali curah hujan untuk cluster KIB (terutama siklus magnetik Hale 22 tahun) dan berskala sedang pada anomali curah hujan untuk cluster KIT. 3-3 Hasil Analisis Korelasi Curah Hujan Indonesia dengan Aktivitas Matahari Dari hasil-hasil analisis spektral wavelet anomali curah hujan baik untuk anomali curah Indonesia, maupun untuk setiap anggota cluster yang memiliki kesamaan periodisitas dengan aktivitas matahari terutama dengan periode-periode sekitar (9-11), (22-25), (30-50), dan (67-76,92) tahun, menunjukkan adanya pengaruh aktivitas matahari jangka panjang pada anomali curah hujan di Indonesia. Untuk menyelidiki lebih lanjut berapa besar pengaruh aktivitas matahari jangka panjang pada rataan tahunan dari anomali curah hujan di Indonesia dilakukan analisis korelasi empirik setelah dilakukan terlebih dahulu pemulusan dengan rata-rata bergerak 11, 22, 33 tahun dari ke dua set data yang dikorelasikan. Tujuan pemulusan ini adalah untuk mengeliminasi pengaruh-pengaruh fenomena QBO dan ENSO yang memiliki periode lebih pendek daripada periode aktivitas matahari. Zhao dkk (2003) juga melaporkan bahwa selama rentang waktu (1870-2002) terjadi 161

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

persitiwa El.Nino sebanyak 32 kali yang jelas sangat mempengaruhi curah hujan di wilayah Indonesia. Gambar 3-11 menunjukkan hubungan antara rataan tahunan bilangan sunspot dan variasi anomali curah hujan Indonesia setelah melakukan pemulusan dengan rata-rata bergerak masing-masing, 11, 22, dan 33 tahun. 8

80

SSN-11 thn

6

ACH-11 thn

4 2

70

0

60

-2

50

30 20 1900

-4

a)

40

-6

8 Anomali Curah Hujan (mm)

Bilangan Sunspot

90

An. Curah Hujan (mm)

100

-8 1910

1920

1930

1940

1950

1960

1970

1980

1990

y = 0.0758x - 5.3582 R2 = 0.1831 r =0.43

6 4 2 0 -2 -4 -6 -8 -10

-10 2000

30

40

50

60

70

80

90

100

Bilangan sunspot

Tahun

Bilangan Sunspot

80

4

4 SSN- 22 thn ACH-22 thn

Anomali Curah Hujan (mm)

90

3 2 1

70

0 60

-1 -2

50

-3

b)

40

-4 -5

30 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

y = 0.0605x - 4.0469 R2 = 0.295 r =0.543

3 2 1 0 -1 -2 -3 -4 -5 -6 30

-6 2000

40

50

60

70

80

90

Bilangan sunspot

4

3.4 SSN-33 thn 2.4

ACH-33 t hn

1.4 0.4 -0.6 -1.6

c) 1920

1930

1940

1950

1960

1970

-2.6

1980

1990

-3.6 2000

Anomali Curah hujan (mm)

90 85 80 75 70 65 60 55 50 45 40 35 30 1910

An. Curah Hujan (mm)

Bilangan Sunspot

Tahun

3

y = 0.0677x - 4.3638

2

R2 = 0.4061 r = 0,64

1 0 -1 -2 -3 -4 35

45

55

65

75

85

Bilangan sunspot

Tahun

Gambar 3-11: Panel kiri; Hubungan antara rataan tahunan dari bilangan sunspot dan anomali curah hujan Indonesia masing-masing untuk, a) rata-rata bergerak 11 tahun, b) 22 tahun, dan c) 33 tahun. Panel kanan; Koefisien korelasi antara bilangan sunspot dan anomali curah hujan setelah pemulusan masingmasing sebesar, a) r = 43 (RMA-11 tahun), b) r = 543 (RMA - 22 tahun), dan c) r = 0,64 (RMA - 33 tahun) Sebenarnya, penggunaan rata-rata bergerak (running mean moving averages/RMA) adalah bentuk khusus dari low-pass filter dan pemulusan dengan rata-rata bergerak akan memperlemah kebebasan himpunan data, karena tingkat kebebasan akan berkurang, tetapi koefisien korelasi yang diperoleh akan bertambah. Dari Gambar 3-11, tampak bahwa pemulusan data masing-masing dengan rata-rata bergerak 11, 22, dan 33 tahun variasi curah hujan dari rataan tahunan cenderung mengikuti pola bilangan sunspot. Makin tinggi derajat pemulusan data, maka hubungan kedua parameter makin baik yang dibuktikan oleh koefisien korelasinya yang meningkat dari r = 0,061 (untuk rata-rata tahunan) menjadi r = 0,43 (pemulusan 162

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

B ilanganSunspot

100 90

SSN

80

CH KIB

70 60 50 40 30 1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

18 16 14 12 10 8 6 4 2 0 -2 -4 -6 -8 2000

A n. C urahhujan(m m )

dengan rata-rata bergerak-11 tahun), 0.543 (pemulusan dengan rata-rata bergerak-22 tahun), dan 0,64 (pemulusan dengan rata-rata bergerak-33 tahun). Ini menunjukkan bahwa aktivitas matahari jangka panjang memberikan kontribusi yang besar mempengaruhi curah hujan di Indonesia. Hasil ini juga didukung oleh hasil analisis wavelet anomali curah hujan tahunan di Indonesia (Gambar 3-4) bahwa aktivitas matahari jangka panjang, (terutama siklus 11 tahun dan 40-50 tahun sangat kuat) memberikan pengaruh yang kuat pada curah hujan di Indonesia Dengan cara yang sama dilakukan analisis korelasi antara rataan tahunan dari bilangan sunspot dan curah hujan Indonesia untuk cluster KIB setelah dimuluskan dengan rata-rata bergerak 11 tahun curah hujan dan bilangan sunspot yang hasilnya ditunjukkan pada Gambar 3-12.

T ahun

Gambar 3-12: Hubungan antara rataan tahunan dari bilangan-bilangan sunspot dan anomali curah hujan Indonesia untuk cluster KIB setelah dimuluskan dengan rata-rata bergerak 11 tahun dalam kurun waktu 1900-2005. Tampak bahwa anomali curah hujan untuk cluster KIB mendahului sekitar (15-20) tahun daripada perubahan bilangan sunspot Dari Gambar 3-12, tampak jelas bahwa variasi anomali curah hujan untuk cluster KIB cenderung mengikuti pola bilangan sunspot, tetapi pola curah hujan mendahului sekitar (15-20) tahun daripada perubahan bilangan sunspot. Hasil ini, mirip dengan yang diketemukan oleh Friis-Christensen dan Lassen (1991), ketika mereka menghubungkan antara bilangan sunspot dan suhu permukaan global selama kurun waktu tahun 1750-1990, dengan suhu permukaan mendahului sekitar 20 tahun daripada perubahan bilangan sunspot, dan kemudian, ternyata berkorelasi sangat baik dengan panjang siklus matahari. Hasil analisis WWZ dari anomali curah hujan untuk cluster KIB dengan periode lebih panjang sekitar 76,92 tahun seperti yang telah ditunjukkan dalam Gambar 3-5 yang terkait dengan siklus Gleissberg aktivitas matahari tampak lebih kuat mempengaruhi curah hujan untuk cluster KIB dibandingkan dengan pengaruh aktivitas matahari lainnya dengan periode yang lebih pendek daripada siklus Gleissberg tersebut. Oleh karena itu, maka anomali curah hujan untuk cluster KIB dihubungkan dengan panjang siklus matahari menggunakan filter 12221 (SCL12221) sebagai indikator aktivitas matahari. Hasilnya ditunjukkan 163

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

dalam Gambar 3-13. Dari gambar tersebut, tampak bahwa pola variasi curah hujan cenderung mengikuti pola panjang siklus matahari. Data variasi curah hujan yang bersesuaian waktunya dengan data panjang siklus matahari ditentukan dengan metode fitting. Koefisien korelasi dihitung dengan anggapan bahwa hubungan kedua set data adalah linier. Tampak bahwa curah hujan untuk cluster KIB ternyata berkorelasi baik dengan panjang siklus matahari SCL12221, bukan dengan bilangan sunspot-nya. Koefisien korelasi makin meningkat dengan meningkatnya derajat pemulusan dengan rata-rata bergerak, dari koefisien korelasi 0,12 untuk deret waktu data tahunan anomali curah hujan meningkat menjadi koefisien korelasi sebesar r = 0,50 (untuk rata-rata bergerak 11 tahun), dan r = 0,75 (untuk rata-rata bergerak 22 tahun). Seperti diketahui bahwa panjang siklus matahari 11 tahun tidak konstan, tetapi bervariasi terhadap aktivitas matahari. Interpretasi fisis dari panjang siklus matahari adalah jika interval panjang siklus matahari pendek menyatakan aktivitas matahari tinggi, akibatnya energi radiasi yang dipancarkan oleh matahari lebih besar, sebaliknya interval panjang siklus matahari lebih panjang menyatakan aktivitas matahari rendah, akibatnya energi radiasi matahari yang dipancarkan oleh matahari lebih rendah. Tampaknya parameter panjang siklus matahari menjadi indikator dari variasi keluaran energi total matahari yang lebih panjang dari 11 tahun, yang pada gilirannya berakibat pada variasi jangka panjang dari curah hujan di cluster Indonesia Barat. Hubungan SCL1221 dan rata-rata bergerak 11 thn di KIB 10.0

18

20

10 6 10.6 2 10.8 -2 11.0

Anomali Curah Hujan (mm)

Pjg. siklus matahari (Tahun)

14

ACH

10.4

-6

11.2 190 0

Anomali curah hujan (mm)

SCL12221 10.2

y = -10.079x + 109.44 R2 = 0.2448 r = 0,50

15 10 5 0 -5 -10 11.2

11.0

-10 19 10

19 20

193 0

19 40

1950

196 0

19 70

19 80

199 0

10.8

10.6

10.4

10.2

10.0

Panjang siklus mat ahari (Tahun)

2 00 0

Ta hun

Hubungan SCL 1221 dan rata-rata bergerak -22 tahun di KIB 14 SCL12221 ACH

12

10.2

10

10.3

8

10.4 10.5

6

10.6

4

10.7

2

10.8

0

10.9

-2

11.0 11.1 1910

1920

1930

1940

1950

1960

Tahun

1970

1980

1990

-4 2000

Anomali Curah Hujan (mm)

10.1

Anomali Curah hujan (mm)

Panjang siklus Matahari (tahun)

10.0

14 12 10 8 6

y = -14.174x + 152.3 R2 = 0.5606 r = 0.75

4 2 0 -2 -4 -6 11.2

11.0

10.8

10.6

10.4

10.2

10.0

Panjang siklus Matahari (Tahun)

Gambar 3-13: Panel kiri, analisis hubungan antara panjang siklus matahari SCL12221 dan rataan tahunan anomali curah hujan setelah dilakukan pemulusan dengan rata-rata bergerak masing-masing 11, dan 22 tahun untuk cluster KIT. Panel kanan, koefisien korelasi antara panjang siklus matahari SCL12221 dan hujan rata-rata bergerak 11 tahun, dan 22 tahun dari rataan tahunan, masing-masing sebesar r = 0,50 dan r = 0,75 164

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

10

90

5

SSN 11 thn CH 11 thn

80

0

70

-5

60

-10

50

-15

40

-20

30 1905

1915

1925

1935

1945 1955 Tahun

1965

1975

1985

90

5 0 -5 -10 -15 -20 30

-25 1995

CH 22th

0

70

-2 60

-4 -6

50

-8 -10

40

An.Curah hujan (mm)

2

An.Curah Hujan (mm)

Bilangan Sunspot (mm)

4 SSN 22th

-12 1920

1930

1940

1950 1960 Tahun

1970

1980

1990

80

70

80

90

100

45

55

65

75

85

95

Bilangan Sunspot

4

2 SSN33 thn

0

CH33 thn

-2

60 -4 55 -6

50 45

-8

40

-10

35 1910

60

y = 0.1895x - 16.89 R2 = 0.4823 r = 0,694

35

1920

1930

1940

1950 Tahun

1960

1970

1980

-12 1990

2 An.CurahHujan (mm)

Bilangan Sunspot

65

50

4

75 70

6 4 2 0 -2 -4 -6 -8 -10 -12 -14 -16

-14 2000

An.Curah Hujan (mm)

30 1910

40

Bilangan Sunspot

6

80

y = 0.1542x - 15.134 R2 = 0.2925 r = 0.54

10 An. Curahhujan (mm)

100

An.Curah hujan (mm)

Bilangan sunspot (mm)

Gambar 3-14 menunjukkan hubungan antara rataan tahunan bilangan sunspot dan anomali curah hujan Indonesia untuk cluster KIT dalam rentang tahun 1900-2005, setelah dilakukan pemulusan dengan ratarata bergerak masing-masing dengan 11, 22 dan 33 tahun dari rataan tahunan.

0

y = 0.2177x - 18.542 R2 = 0.6615 r = 0.81

-2 -4 -6 -8 -10 -12 35

40

45

50

55

60

65

70

75

80

Bilangan Sunspot

Gambar 3-14: Panel kiri, hubungan antara rataan tahunan bilangan sunspot dan anomali curah hujan tahunan untuk cluster KIT, setelah dilakukan pemulusan masing-masing dengan rata-rata bergerak-11 tahun (atas), 22-tahun (tengah), dan 33-tahun (bawah). Panel kanan, koefisien korelasi antara bilangan sunspot dan anomali curah hujan, dengan koefisien korelasi masing-masing sebesar r = 0,54 (atas), r = 0,70 (tengah), dan r = 0,81 (bawah) Tampak bahwa variasi curah hujan tahunan mengikuti pola bilangan sunspot, dan memiliki korelasi yang baik. Makin tinggi derajat pemulusan yang dilakukan t 0erhadap kedua parameter yang dihubungkan makin erat hubungan antara variasi aktivitas matahari dan curah hujan tahunan untuk cluster KIT. Hal itu dapat dilihat dari koefisien korelasi yang meningkat masing-masing dari koefisien korelasi r = 0,09 untuk variasi tahunan antara kedua set data (sebelum dilakukan pemulusan data) meningkat menjadi r = 0,54 (pemulusan dengan rata-rata bergerak 11 tahun), dan r = 0,70 (untuk rata-rata bergerak 22 tahun), dan r = 0,81 (untuk rata-rata bergerak 33 tahun). Hasil ini juga didukung oleh hasil analisis wavelet dari anomali 165

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

curah hujan untuk cluster KIT (Gambar 3-6) bahwa aktivitas matahari jangka panjang memberikan pengaruh yang lebih kuat dibandingkan dengan anomali curah hujan untuk cluster KIB, terutama siklus aktivitas matahari 11 tahun sangat kuat. Jadi variasi curah hujan untuk cluster Indonesia Timur sama halnya dengan variasi curah hujan di seluruh Indonesia dipengaruhi langsung oleh aktivitas matahari dengan indikator bilangan sunspot, tetapi pengaruh aktivitas matahari pada variasi curah hujan untuk cluster KIT lebih kuat dibandingkan dengan pengaruhnya pada variasi curah hujan untuk seluruh wilayah Indonesia. 4

KESIMPULAN

Variasi curah hujan di Indonesia terbagi atas dua cluster besar, yaitu Cluster Indonesia Barat dan Cluster Indonesia Timur, baik itu untuk data tahunan, data musim DJF maupun data musim JJA. Adanya dua cluster ini menunjukkan bahwa variasi curah hujan di Indonesia juga dipengaruhi salah satunya oleh pola pergerakan matahari yang berpindah dari 23.5 ° LU ke 23.5° LS sepanjang tahun mengakibatkan perubahan pola angin dan tekanan yang mempengaruhi variasi curah hujan di Indonesia. Dua cluster besar ini dibatasi oleh garis batas daerah hujan, yaitu pada garis 120° BT. Adanya sinyal-sinyal dari aktivitas matahari pada anomali curah hujan untuk semua cluster, yang tampak lemah ataupun kuat pada data tahunan, data musim DJF maupun data musim JJA memperlihatkan bahwa energi radiasi matahari turut memberikan pengaruhnya terhadap curah hujan di Indonesia. Walaupun mekanisme fisis pengaruh aktivitas matahari pada variabilitas curah hujan sampai saat ini belum difahami seutuhnya. Sinyal-sinyal dari anomali curah hujan yang berkaitan dengan aktivitas matahari mulai dari periode sekitar, 11 tahun (siklus sunspot 11 tahun ), 22 tahun (siklus magnetik Hale), (33-37) tahun (siklus matahari Brucner), (40-50) tahun (siklus matahari antar dekade), hingga periode jangka panjang 70-90 tahun (siklus matahari Gleissberg) menunjukkan adanya pengaruh aktivitas matahari jangka panjang pada variasi curah hujan di Indonesia. Untuk pengaruh jangka pendek pada curah hujan di Indonesia masih didominasi oleh pengaruh fenomena ENSO (periode sekitar 3-7 tahun), dan fenomena QBO (periode sekitar 22-34 bulan). Diperoleh pula bahwa anomali curah hujan di Indonesia dan anomali curah hujan untuk Cluster Indonesia Timur, baik untuk data tahunan, musim DJF maupun musim JJA selalu muncul sinyal-sinyal aktivitas matahari yang lebih kuat dibandingkan dengan sinyal aktivitas matahari pada anomali curah hujan untuk Cluster Indonesia Barat, karena penyerapan energi radiasi matahari lebih besar untuk Cluster Indonesia Timur yang mempunyai lautan lebih luas dibandingkan dengan di Cluster Indonesia Barat. Kuat lemahnya sinyal-sinyal aktivitas matahari pada curah hujan, secara kuantitatif menujukkan bahwa tidak setiap daerah 166

Pengaruh Aktivitas Matahari pada Variasi ..... (Wilson Sinambela et al.)

memberikan tanggapan yang sama terhadap variasi aktivitas matahari, yang tampaknya bergantung kepada wilayah, topografi (darat atau laut), dan pola curah hujan di Indonesia. Kecenderungan pola yang mirip antara variasi curah hujan dan bilangan sunspot tahunan membuktikan bahwa variasi curah hujan di wilayah Indonesia dan untuk Cluster Indonesia Timur pada umumnya dipengaruhi oleh siklus aktivitas matahari 11 tahun. Sementara curah hujan untuk KIB ternyata berkorelasi baik dengan panjang siklus matahari SCL1222. Tampaknya variasi curah hujan jangka panjang untuk Cluster Indonesia Barat, bukan dipengaruhi oleh bilangan sunspot-nya (sebagai inidikator aktivitas matahari), tetapi dipengaruhi oleh panjang siklus matahari yang terkait dengan siklus Gleissberg (70-90) aktivitas matahari. Panjang siklus matahari bervariasi dengan aktivitas matahari, interval panjang siklus matahari lebih pendek, aktivitas matahari kuat, sehingga energi radiasi yang dipancarkan oleh matahari lebih besar, sebaliknya interval panjang siklus matahari lebih panjang menyatakan aktivitas matahari rendah, sehingga energi radiasi matahari yang dipancarkan oleh matahari lebih rendah. Pengaruh aktivitas matahari pada variasi curah hujan ada yang bersifat global, lokal maupun regional dengan waktu tunda dan dengan tanpa waktu tunda. DAFTAR RUJUKAN Anantha Krishnan, R. dan R. Parthasarathy, 1985. J.Clim, Vol.4, hal. 149. Beer, J.; Mende, W.; and Stellmacher, R., The Role of Sun in Climate Forcing. Quat. Sci.Rev., 2000, Vol.19, hal.403–415. Bhattacharya, S. dan R. Narashimha, 2005. Geophys.Res.Lett, Vol.32, hal. L05813. Bruckner, 1890. Geographische Abhandlugen, Vol.14, hal.325. Foster, G., 1996. Wavelets for Period Analysis of Unevenly Sampled Time Series, Astronomical Journal, Vol.112, hal. 1709. Friis-Christensen, E. dan Lassen, K., 1991. Length of the Solar Cycle : An Indicator of Solar Activity Closely Assciated with Climate, Science, Vol.254, hal. 698-700. Gleissberg W., 1944. A Table of Secular Variations of Solar Cycle, Terr. Magn. Atm. Electr. 49, hal.243-244. Haigh, J., 1996. The Impact of Solar Variability on Climate. Science 272, hal. 981-984. Hiremath K.M., 2005. Influence of Solar Activity on the Rainfall over India, Astrophysics Journal, Vol. 27, hal. 367-372. Hiremath, K. M. dan P. I. Mandi, 2004. Influence of Solar Activity on the Indian Monsoon Rainfal, New Astronomy, vol.9, hal. 651-662.

167

Jurnal Sains Dirgantara Vol. 5 No. 2 Juni 2008:149-168

Labitzke, K. dan van Loon, 1997. The Signal of the 11-Year Sunspot Cycle in the UpperTroposphere – Lower Stratosphere, Space Sci. Rev.80, hal. 393-410. Parthasarathy, B.; K. Rupa Kumar; dan A. Munnot, 1993. Homogeneous Indian Monsoon Rainfall:Variability and Prediction, Proc. Indian. Acad. Sci. (Earth Planet. Sci), Vol. 102, hal. 121-155. Zhao J.; Yan-Ben Han; dan Zhi-An Li, 2003. The Effect of Solar Activity on the Annual Precipitation in the Beijing Area, Journal of Beijing Normal University (Natural Science, 35 (1).

168