Niño Konvensional Niño3.4 dan El Niño Modoki EMI. Berdasarkan nilai threshold
yang diperoleh dan plot data aSML rata-rata bulanan periode 1979–2010 dari fenomena
tersebut, maka dapat diklasifikasikan tahun kejadian El Niño Modoki dan El Niño
Konvensional.
Selain itu, kajian ini juga menyertakan analisis komposit. Analisis komposit
merupakan suatu teknik penarikan contoh kemungkinan berdasarkan kondisi rata-rata
beberapa kejadian tertentu yang sama, pada kajian ini yaitu terhadap tahun-tahun kejadian
El Niño Modoki kuat. Sehingga hasilnya dapat mewakili secara umum perkiraan waktu
yang menunjukkan fase mulai terbentuk dan berakhirnya El Niño Modoki.
3.3.2 Metode Analisis Spasial Hovmoller
Analisis spasial adalah suatu metode yang menjadikan peta sebagai model yang
mempersentasikan dunia nyata yang diwakilinya sebagai suatu media analisis.
Analisis spasial berguna untuk mendapatkan hasil–hasil analisis yang memiliki atribut
keruangan lintang – bujur dan waktu. Cara yang lebih baik untuk melihat data deret
waktu sepanjang garis transek lintang atau bujur dikenal sebagai diagram Hovmoller
Gambar 12, yang dibangun oleh Ernest Hovmoller 1949.
Gambar 12 Diagram Hovmoller. NASA
2011 Diagram Hovmoller mempermudah dalam
menafsirkan dari plot transek lintang atau bujur suatu wilayah seperti yang dijelaskan
oleh Persson 2005. Semua data diambil sepanjang garis dalam ruang x–axis di–plot
terhadap waktu sepanjang y–axis untuk memberikan diagram atau Gambar berdasar
ruang–waktu. Diagram hovmoller pada Gambar 12 merupakan cara terbaik untuk
memahami bagaimana variasi suhu muka laut pada lintang-bujur tertentu berubah terhadap
waktu. Nilai piksel numeriknya mewakili data deret waktunya. Plot ini biasanya digunakan
untuk mempelajari fenomena yang berubah terhadap waktu pada lintang tertentu atau
bujur, tetapi belum ada alasan mengapa baris tidak bisa menjadi bentuk diagonal.
Plot Hovmoller Gambar 12 digunakan secara luas dalam oseanografi dan
meteorologi, misalnya untuk mempelajari bagaimana fitur seperti curah hujan spasial,
pusaran siklon atau gelombang planet bergerak terhadap waktu. Cara terbaik untuk
mengamati plot ini adalah dalam bentuk irisan vertikal melalui bidang kubus dari atas ke
bawah suatu data aSML atau data curah hujan bulanan rata-rata. Pada kajian ini, data yang
dipakai untuk analisis spasial Hovmoller adalah data curah hujan bulanan rata–rata
satelit TRMM 3B43 sehingga diperoleh pola interaksi El Niño Modoki terhadap perilaku
curah hujan monsunal secara umum di Indonesia. Pola interaksi yang dimaksud
adalah pola perubahan penurunan curah hujan spasial wilayah kajian terhadap waktu pada
saat tahun normal dibandingkan dengan tahun El Niño Modoki.
3.3.3 Metode Analisis Regresi
Istilah “regresi” diperkenalkan oleh Sir Francis Galton pertama kali pada tahun 1886.
Menurut Ghozali 2005, analisis regresi mengukur kekuatan hubungan antara dua
variabel atau lebih dan menunjukkan arah hubungan antara variabel dependen terikat
terhadap variabel independen bebas. Hasil analisis regresi berupa koefisien untuk
masing-masing variabel independen. Koefisien determinasi R
2
merupakan suatu ukuran seberapa jauh kemampuan variabel
bebas dalam menerangkan variasi variabel terikat. Koefisien korelasi R merupakan
indeks atau bilangan yang digunakan untuk mengukur keeratan kuat, lemah, atau tidak
ada hubungan antar variabel Hasan 2003.
Analisis regresi pada kajian ini dilakukan untuk menganalisis kuat atau lemahnya
hubungan antara aSML EMI berpengaruh terhadap anomali curah hujan monsunal di
wilayah kajian. Selain itu, analisis regresi juga dilakukan pada data aSML Niño untuk
melihat wilayah Niño bagian mana yang berhubungan kuat dengan aSML EMI.
Hubungan tersebut ditentukan oleh nilai koefisien determinasi R
2
dan koefisien korelasi R dengan uji signifikansi pada
selang kepercayaan 95. Selang kepercayaan merupakan suatu
pembatasan untuk menentukan batas minimum dan maksimum suatu estimator.
Metode ini memuat nilai-nilai estimator yang masih dianggap benar dalam tingkat
kepercayaan tertentu confidence interval. Misalnya estimasi dari
θ berupa selang kepercayaan 1-
α100 dengan 1-α adalah koefisientaraf kepercayaan.
α adalah taraf nyata atau tingkat signifikansi atau taraf
kesalahan. Nilai α yang umum digunakan
adalah 0.10; 0.05; 0.01. Dengan demikian, jika
α = 0.10 maka akan menghasilkan 90 selang kepercayaan; jika
α = 0.05 maka akan memiliki 95 selang kepercayaan; sedangkan
α = 0.01 akan menghasilkan 99 selang kepercayaan Gall 2001.
Tabel 2 Nilai Kritis Koefisien Korelasi Pearson Pearson dalam Nazir
1988
= N-2 N=
number of pairs
Level of significance for one- tailed test
0.05 0.025 0.01 0.005 Level of significance for two-
tailed test 0.10 0.05 0.02 0.01
1 0.99 1.00 1.00 1.00
2 0.90 0.95 0.98 0.99
3 0.81 0.88 0.93 0.96
5 0.67 0.75 0.83 0.87
7 0.58 0.67 0.75 0.80
9 0.52 0.60 0.69 0.74
10 0.50 0.58 0.66 0.71
12 0.46 0.53 0.61 0.66
22 0.34 0.40 0.47 0.52
23 0.34 0.40 0.46 0.51
24 0.33 0.39 0.45 0.50
25 0.32 0.38 0.45 0.49
26 0.32 0.37 0.44 0.48
27 0.31 0.37 0.43 0.47
28 0.31 0.36 0.42 0.46
30 0.30 0.35 0.41 0.45
100 0.16 0.20 0.23 0.25 250 0.10 0.15 0.15 0.16
500 0.07 0.09 0.10 0.11 Nilai kritis pada Tabel 2 merupakan suatu
perkiraan nilai minimum koefisien korelasi agar dapat dikategorikan signifikan secara
statistik. Nilai kritis tersebut ditentukan berdasarkan jumlah pasangan data yang diuji
dan batas selang kepercayaan yang digunakan. One-tailed digunakan pada koefisien korelasi
yang bernilai positif atau negatif. Sedangkan two-tailed digunakan pada koefisien korelasi
yang bernilai absolut.
3.3.4 Analisis Korelasi Silang