Gambar 5. Lokasi Fenomena Dipole Mode DM di Samudera Hindia
sumber: Saji et.al., 1999
3.3.2. Analisis Iklim Regional
3.3.2.1. Analisis Curah Hujan
Data curah hujan yang digunakan adalah data curah hujan sekunder dari stasiun-stasiun hujan periode tahun 1990 sampai 2007. Stasiun hujan yang
menyebar di provinsi jawa barat sangatlah banyak, namun stasiun yang memiliki data curah hujan dibawah 10 tahun stasiun tersebut tidak digunakan sehingga
dalam penelitian ini stasiun yang digunakan adalah 346 stasiun. Data yang didapat masih ditemukan data-data yang kosong missing data. Untuk mengisi
kekosongan data tersebut digunakanlah data curah hujan interpolasi grid. Interpolasi grid
merupakan analisis dari ArcView yang digunakan untuk interpolasi data hujan di masing-masing stasiun untuk memperoleh grid kontinyu
data hujan yang selanjutnya dapat dibuat peta isohiyet. Seluruh jumlah titik stasiun yang memiliki nilai curah hujan tertentu, ArcView akan menghitung jarak
dan nilai dari stasiun terdekat atau disekitarnya. Pada dasarnya proses dari metode ini dilakukan dengan menggabungkan database sinoptik dengan database stasiun
hujan dan membangkitkan data yang kosong dengan ekstrak data grid dari interpolasinya yang berkesinambungan.
3.3.2.2. Analisis Hubungan Curah Hujan dengan ENSO dan IOD
Analisis anomali curah hujan bulanan dihitung tiap stasiun kemudian di cari anomalinya terhadap nilai rata-rata curah hujan.
Ano CH
ij
= CH
ij
– CH
ij
CH
ij
=
∑
= n
j j
CH n
i
1
Keterangan: Ano CH
ij
= anomali curah hujan di stasiun ke-i bulan ke-j
Data dibagi berdasarkan penetapan musim yaitu Juni-Juli-Agustus JJAMusim Kemarau, September-Oktober-November SONPancaroba,
Desember-Januari-Februari DJFMusim Hujan dan Maret-April-Mei MAM Pancaroba. Nilai anomali curah hujan ini dikorelasikan dengan nilai SST dan
DMI untuk mengetahui hubungan antara anomali curah hujan yang terjadi di setiap stasiun hujan dengan nilai anomali Nino dan IOD sebagai indikator
penyimpangan iklim. Pada analisis ini digunakan program Minitab 14 dengan cara menghitung nilai korelasi r yaitu korelasi antara dua variable Walpole, 1982.
Rumus perhitungan nilai korelasi adalah:
⎥ ⎥
⎦ ⎤
⎢ ⎢
⎣ ⎡
⎥ ⎥
⎦ ⎤
⎢ ⎢
⎣ ⎡
⎟⎟ ⎠
⎞ ⎜⎜
⎝ ⎛
− ⎥
⎥ ⎦
⎤ ⎢
⎢ ⎣
⎡ ⎟⎟
⎠ ⎞
⎜⎜ ⎝
⎛ −
⎟ ⎠
⎞ ⎜
⎝ ⎛
⎟ ⎠
⎞ ⎜
⎝ ⎛
− =
∑ ∑
∑ ∑
∑ ∑
∑
= =
= =
= 2
1 2
2 1
2 1
1 1
n i
n i
i n
i n
i i
n i
n i
i n
i i
i
y y
n x
x n
y xi
y x
n r
Keterangan: r = korelasi
n = jumlah data x = anomali SST nino 3.4 atau anomali IOD
y = anomali curah hujan
Nilai korelasi berkisar antara -1 dan 1 atau ditulis -1 ≤ r ≥ 1, niai korelasi
yang mendekati -1 atau 1 menunjukkan semakin besar keterikatannya. Tanda positif atau negative menunjukkan arah korelasinya. Bila korelasi antara x dan y
negatif maka kenaikan variabel x akan menyebabkan penurunan y atau sebaliknya.
3.3.2.3. Korelasi Lagging
Kategori