Analisis Asosiasi Data Estimasi Iklim Global Terhadap Hotspot Menggunakan Combined Empirical Orthogonal Function (CEOF)

Abstract

Iklim global yang terdiri dari El Nino-Southern Oscillation (ENSO) dan Indian Ocean Dipole (IOD) memiliki dampak pada penurunan curah hujan di wilayah Indonesia. Penelitian sebelumnya menemukan bahwa ENSO dan IOD yang berasal dari dataset OISST memiliki keterkaitan dengan hotspot di Indonesia, khususnya di Sumatera bagian selatan dan Kalimantan. Namun hasil korelasinya terlalu kecil sehingga penelitian sebelumnya tidak difokuskan pada menganalisis kekuatan korelasi antar wilayah. Oleh karena itu, studi ini menghitung asosiasi estimasi ENSO dan IOD yang berasal dari dataset ERA5 pada hotspot di Indonesia berdasarkan Heterogeneous Correlation Map (HCM) dan menganalisis kekuatan korelasi antar wilayah di Indonesia. ERA5 merupakan data estimasi yang sering digunakan untuk analisis prakiraan cuaca. Hasil penelitian menunjukkan bahwa ENSO lebih berasosiasi dengan titik api di Papua dan Kalimantan. Sebaliknya, IOD lebih dikaitkan dengan titik api di Sumatera bagian selatan. Selain itu, berdasarkan varians yang dijelaskan dan kekuatan korelasinya, hotspot di Indonesia lebih sensitif terhadap ENSO dan IOD yang berasal dari ERA5 daripada OISST.

The global climate consisting of the El Nino-Southern Oscillation (ENSO) and the Indian Ocean Dipole (IOD) has an impact on reducing rainfall in Indonesia. Previous researches have found that ENSO and IOD derived from the OISST dataset are correlated to hotspots in Indonesia, particularly in southern Sumatra and Kalimantan. However, their correlation is too small so that previous research was not focused on analyzing the strength of the correlation between regions. Therefore, this study calculates the association of ENSO and IOD estimation derived from the ERA5 dataset of hotspots in Indonesia based on the Heterogeneous Correlation Map (HCM) and analyzes the strength of the correlation among regions in Indonesia. Apart from OISST, ERA5 is an estimated data which is often used for weather forecast analysis. The result of the study shows that ENSO is more associated with hotspots in Papua and Kalimantan. In contrast, IOD is more associated with hotspots in southern Sumatra. In addition, based on the variance described and the strength of the correlation, hotspots in Indonesia are more sensitive to ENSO and IOD originating from ERA5 than OISST’s.