3.3.2.3. Korelasi Lagging
Dengan mempertimbangkan faktor lag, untuk melihat maju mundurnya hubungan antara prediktor dan prediktan sehingga diperoleh informasi korelasi
anomali iklim pada waktu tertentu Pearson Methode.
dimana: = sample rata-rata untuk variabel pertama
−
x
s
x
= standar deviasi unatuk variabel pertama
−
y
= sample rata-rata untuk variabel kedua = standar deviasi untuk variabel kedua
s
y
= panjang kolom
n
3.3.2.4. Analisis Hubungan Curah Hujan dengan ENSO dan IOD dalam bentuk Spasial
Bentuk spasial dari nilai korelasi antara CH dengan ENSO dan IOD dapat lebih menjelaskan daerah mana saja yang dipengaruhi oleh iklim regional
tersebut. Dimana dilakukan pembagian daerah berdasarkan nilai korelasi yaitu terpengaruh lemah r
≥-0,4, terpengaruh sedang -0,4r-0,5, terpengaruh kuat r
≤-0,5, dan daerah yang tidak signifikantidak terpengaruhi. Metode Interpolasi grid digunakan dalam menampilkan bentuk spasial dari nilai korelasi antara CH
dengan parameter iklim regional. Interpolasi grid merupakan analisis dari ArcView yang digunakan untuk
interpolasi data korelasi di masing-masing stasiun untuk memperoleh grid kontinyu dari data titik shapefile yang selanjutnya dapat dibuat peta isohiyet.
Metode Interpolasi grid yang digunakan yaitu menggunakan rata-rata tertimbang antara nilai dan jarak terdekat ke sel yang diinterpolasi IDW Nuarsa, 2005.
3.3.3.
Analisis Dinamika Waktu dan Luas Tanam Padi terhadap ENSO dan IOD
Untuk mengetahui dinamika waktu dan luas tanam dilakukan dengan menganalisis hubungan antara indeks regional dengan luas tanam pada wilayah
onset dalam kalender tanam yang telah dibuat oleh Badan Litbang Pertanian Las et.al., 2007. Untuk analisis hubungan data luas tanam dan indeks regional
dilakukan normalisasi data. Normalisasi data dilakukan dengan maksud untuk menghilangkan bias data dari pengaruh faktor lain seperti tren konversi lahan
pertanian. Metode yang digunakan adalah Z-Score atau Normal Score. Perhitungan dengan menggunakan persamaan sebagai berikut:
Dimana : x = skor data yang dinormalkan σ = standar deviasi dari populasi
μ = rata-rata populasi Jika variable acak dipertimbangkan sebagai rata-rata sample:
maka:
Piranti lunak yang digunakan adalah Minitab Ver 14.
Luas Panen dan Produksi padi dibagi berdasarkan onset, kemudian dikorelasikan dengan data curah hujan dan dilihat pengaruhnya terhadap ENSO
dan IOD. Dari hasil analisis tersebut maka akan diketahui berapa dasarian pergeseran waktu tanamnya.
Tabel 4. Onset kalender tanam untuk tanaman padi sawah
Zona Onset 1.
Sep I – II 2.
Sep III-Okt I 3.
Okt II – III 4.
Nov I – II 5.
Nov III – Des I 6.
Des II – III 7.
Jan I – II 8.
Jan III – Feb I Sumber: Las et al., 2007
3.3.3. Analisis Citra untuk Monitoring Waktu Tanam dan Luas Lahan
Kategori