SUHU PERMUKAAN LAUT PERAIRAN INDONESIA DAN HUBUNGANNYA DENGAN PEMANASAN GLOBAL

Analisis Suhu Permukaan Laut Perairan Indonesia...Pemanasan Global (Syaifullah, M. D.)

SUHU PERMUKAAN LAUT PERAIRAN INDONESIA DAN HUBUNGANNYA DENGAN PEMANASAN GLOBAL M. Djazim Syaifullah1) 1)

Peneliti UPT Hujan Buatan, Badan Pengkajian dan Penerapan Teknologi (BPPT)

Diterima tanggal: 25 Januari 2015; Diterima setelah perbaikan: 30 April 2015; Disetujui terbit tanggal 26 Oktober 2015

ABSTRAK Analisis suhu permukaan laut/SPL (Sea Surface Temperature ̶ SST) telah dilakukan di perairan Indonesia untuk melihat hubungannya dengan pemanasan global. Data yang digunakan adalah data suhu permukaan laut (sumber: National Centers for Environmental Prediction, National Weather Service, NOAA) dalam bentuk grid format ASCII selama 32 tahun (1982 – 2014), dengan skala spasial 1o x 1o geografis dan skala temporal mingguan. Analisis dilakukan dengan dua cara yaitu analisis temporal dan spasial. Analisis temporal untuk melihat trend dari anomali suhu permukaan laut rerata beberapa wilayah tertentu, sedangkan analisis spasial untuk melihat wilayah yang mengalami kenaikan suhu permukaan laut dan sebaliknya. Hasil analisis menunjukkan bahwa selama lebih 32 tahun telah terjadi peningkatan suhu permukaan Lautan di wilayah Indonesia yang bervariasi. Kenaikan suhu permukaan laut (SPL) yang paling besar terjadi di Lautan Pasifik Barat di sebelah utara Papua. Secara umum dapat dilihat bahwa anomali SPL di wilayah Indonesia terbagi menjadi anomali positif dan negatif yang terpisah di belahan bumi bagian selatan dan belahan bumi bagian utara.

Kata kunci: Anomali suhu permukaan laut, perairan Indonesia, analisis spasial, pemanasan global ABSTRACT Analysis of the sea surface temperatures was done in Indonesian waters to investigate its relation to the global warming. Data in the form of grid the format have 32 years long with scales spatial 1o x 1o geographyc and temporal scale weekly are used. Analysis is conducted by two ways namely temporal and spatial analysis. The temporal analysis is to see the trend of mean temperature anomaly of the sea in some certain regions, while spatial analysis is to see which area experiencing a rise in sea surface temperature and which ones are otherwise. The result of analysis shows that in over 32 years there has been increasing sea surface temperature being varied. The highest increasing of sea surface temperature occurs in marine the western pacific to the North of Papua. In general it can be seen that the sea surface temperature anomaly in the Indonesia waters was divided into negative and positive anomaly separate in Southern hemisphere and the Northern hemisphere.

Keywords: Sea surface temperature anomaly, Indonesian waters, spacial analysis, global warming

PENDAHULUAN

inilah yang disebut dengan pemanasan global.

Pemanasan Global atau Global Warming adalah suatu istilah yang menunjukkan pada peningkatan suhu rata-rata di atas permukaan bumi. Suhu udara rata-rata permukaan bumi meningkat sekitar 0,74°C dalam 100 tahun terakhir. Banyak ahli memperkirakan bahwa suhu rata-rata akan naik bertambah dari 1,4°C sampai dengan 5,8°C sampai tahun 2100. Sedangkan Intergovernmental Panel on Climate Change (IPCC) memprediksi bahwa suhu global cenderung meningkat sebesar 1,1°C sampai 6,4°C dalam 90 tahun ke depan (IPCC dalam Masters, 2012).

Rata-rata peningkatan suhu akan lebih cepat bila dibandingkan dengan waktu lampau. Para ilmuwan mencemaskan bahwa apakah masyarakat dunia dan ekosistem alam dapat beradaptasi dengan cepat terhadap perubahan iklim yang terjadi.

Sumber energi utama dari semua kehidupan di bumi adalah matahari yang memancarkan radiasinya menembus lapisan atmosfer bumi dalam bentuk gelombang pendek. Radiasi tersebut akan dipantulkan kembali ke angkasa dalam bentuk gelombang panjang, sebagian gelombang tersebut diserap oleh gas rumah kaca, yaitu CO2, CH4, N2O, HFCs dan SF4 yang berada di atmosfer. Akibatnya gelombang panjang yang bersifat panas tersebut terperangkap di dalam atmosfer bumi. Peristiwa ini terjadi berulang - ulang, sehingga menyebabkan suhu rata-rata di permukaan bumi meningkat. Peristiwa

Beberapa aktivitas manusia yang ditengarai dapat menyebabkan pemanasan global misalnya perambahan yang mengakibatkan kerusakan hutan. Salah satu fungsi tumbuhan yaitu menyerap karbondioksida (CO2), yang merupakan salah satu dari gas rumah kaca, dan mengubahnya menjadi oksigen (O2). Kemudian, sampah menghasilkan gas metana (CH4). Diperkirakan 1 ton sampah padat menghasilkan 50 kg gas metana (Sudarman, 2010). Dengan meningkatnya jumlah penduduk dunia, diperkirakan pada 2020 sampah yang dihasilkan mencapai 500 juta kg/hari atau 190 ribu ton/tahun. Dengan jumlah ini maka sampah akan mengemisikan gas metana sebesar 9.500 ton/tahun. Sektor pertanian dan peternakan juga memberikan kontribusi terhadap peningkatan emisi gas rumah kaca melalui pemanfaatan pupuk serta praktek pertanian, pembakaran sisa-sisa tanaman, dan pembusukan

Korespondensi Penulis: Jl. Pasir Putih I Ancol Timur, Jakarta Utara 14430. Email: [email protected]

103

J. Segara Vol. 11 No. 2 Desember 2015: 103-113 sisa-sisa pertanian, serta pembusukan kotoran ternak. Dari sektor ini gas rumah kaca yang dihasilkan berupa gas metana (CH4) dan gas dinitro oksida (N20). Di Indonesia, sektor pertanian dan peternakan menyumbang emisi gas rumah kaca sebesar 8,05% dari total gas rumah kaca yang diemisikan ke atmosfer. Dampak yang paling nyata dari pemanasan global sampai saat ini adalah perubahan iklim. Pemanasan global telah meningkatkan terjadinya kekeringan secara global, gelombang panas, dan frekuensi terjadinya badai tropis. Kenaikan suhu global akan menyebabkan mencairnya es di kutub utara dan selatan, sehingga mengakibatkan terjadinya pemuaian massa air laut, dan kenaikan permukaan air laut. Pemanasan global juga akan menyebabkan pergeseran musim sebagai akibat dari adanya perubahan pola curah hujan. Perubahan iklim mengakibatkan intensitas hujan yang tinggi pada periode yang singkat serta musim kemarau yang panjang. Kedua peristiwa tersebut akan menimbulkan dampak pada beberapa sektor. Pada akhirnya perubahan iklim berakibat pada pergeseran musim dan perubahan pola curah hujan dan akan mempengaruhi ketahanan pangan nasional. Beberapa tulisan mengenai suhu permukaan laut sudah banyak dilakukan diantaranya Aldrian et al. (2003), mengidentifikasi wilayah hujan yang dominan di Indonesia dan hubungannya dengan SPL. Awaluddin (2010) melakukan kajian perbedaan SPL di wilayah Indonesia. Emiyati et al. (2010) melakukan analisis multitemporal SPL dengan menggunakan teknik penginderaan jauh. Syaifullah (2010) melakukan penelitian SPL di selatan Jawa dan pengaruhnya terhadap curah hujan DAS Citarum.

Gambar 1. 104

Febriani et al. (2014) meneliti pengaruh SPL terhadap distribusi curah hujan di Sulawesi Utara. Tetapi analisis spasial secara luas mencakup seluruh perairan wilayah Indonesia dan secara temporal dalam waktu yang panjang belum banyak dilakukan terutama tren kenaikan/penurunan suhu permukaan laut. Tulisan ini bertujuan melihat seberapa besar kenaikan/ penurunan suhu permukaan laut (SPL) khususnya di perairan Indonesia dengan data pengamatan time series selama beberapa dekade ke belakang. Analisis pemanasan global dari SPL dilakukan secara temporal maupun spasial. Selain itu juga analisis spasial dilakukan dari nilai slope anomali SPL untuk melihat seberapa besar kenaikannya di perairan Indonesia dihubungkan dengan pemanasan global. METODE PENELITIAN Lokasi Penelitian Lokasi penelitian seluruh perairan Indonesia meliputi Samudera Hindia, Laut Cina Selatan, Samudera Pasifik Bagian Barat dan lautan pedalaman. Secara geografis lokasi penelitian berada pada posisi 10oLU-15oLS dan 090oBT-150oBT (Gambar 1). Luas daerah penelitian 6.771 x 2.886 km2. atau sekitar 19,54 juta km2. Analisis lebih detil difokuskan pada perairan yang lebih luas yaitu Samudera Hindia, Samudera Pasifik bagian barat dan Laut Cina Selatan, mengingat perubahan SPL untuk wilayah ini akan memberikan pengaruh yang besar bagi wilayah sekitarnya. Bahan Suhu Permukaan Laut (SPL) adalah suhu air

Peta daerah penelitian yang mencakup seluruh perairan Indonesia.

Analisis Suhu Permukaan Laut Perairan Indonesia...Pemanasan Global (Syaifullah, M. D.) yang berada di permukaan laut diukur pada kedalaman 1 mm s.d 20 m. Pengukuran dapat dilakukan dengan dua cara yaitu secara langsung menggunakan thermometer dan pengukuran tidak langsung menggunakan sensor satelit (citra satelit). Citra satelit diunduh dari situs : http://rda.ucar.edu/datasets/ ds277.0/ dalam bentuk grid format ASCII time series selama rentang 32 tahun (1982 – 2014) dengan skala spasial 1o x 1o geografis dan skala temporal mingguan. Sebanyak 1.586 buah grid digunakan dalam penelitian ini (Tabel 1) yang mencakup seluruh perairan Indonesia.

Program standar dalam bahasa Fortran disediakan untuk membaca format data tersebut dengan metode akses sekuensial (fortran sequential access). Secara teknis masing-masing record dalam file tersebut (yang berisi parameter) dipisahkan dengan data kontrol 4 byte di awal nilai parameter tersebut yang mengindikasikan jumlah byte dalam masingmasing record. Tabel 1 berikut memberi informasi spesifikasi data SPL yang digunakan dalam penelitian ini.

Pengolahan Data Data SPL ini merupakan hasil analisis optimum interpolation Sea Surface Temperature (OISST) setiap Suhu permukaan laut diasosiasikan sebagai minggunya. Analisis dilakukan terhadap pengamatan indeks banyaknya uap air pembentuk awan di atmosfer. satelit in situ ditambah dengan simulasi SPL terhadap Jika suhu permukaan laut panas maka uap air di tutupan es. Sebelum analisis dihitung, data satelit atmosfer banyak akibat proses konveksi atau disesuaikan terhadap bias dengan menggunakan penguapan. Sebaliknya, jika suhu permukaan laut metode Reynolds (Reynolds, 1988; Reynolds & dingin maka uap air di atmosfer menjadi berkurang Marsico, 1993; Reynolds et al., 2002). Dalam penelitian akibat kurangnya penguapan. Suhu permukaan laut di ini digunakan versi 2 dengan nama filenya adalah: wilayah Indonesia mempunyai kisaran yang cukup oisst.{yyyymmdd}, dimana {yyyymmdd} adalah tahun, lebar yaitu 26,0°C hingga 31,5°C. bulan dan tanggal pertengahan minggu. Bentuk file terkompres dalam bentuk tar. File-file tersebut ditulis Untuk melihat pengaruh pemanasan global dalam standar biner IEEE (big-endian). Setiap file diamati dari anomali suhu permukaan laut. Anomali berisi empat record yang dapat dijelaskan sebagai SPL didefinisikan sebagai penyimpangan suhu berikut: permukaan laut pada saat tertentu terhadap nilai • record 1 : tanggal dan versi data / OIV2 (8 normal/historisnya. Nilai normal dihitung dari rerata kata integer 4-byte). SPL dari data yang cukup panjang. • record 2 : nilai SST di setiap grid o geografi (360 x 180, 4 byte real words) ............................. 1) • record 3 : error varians yang ternormalisasi (360 x 180 , 4 byte real words) • record 4 : es konsentrasi di setiap gridnya (360 x 180 , 1 byte integer words) .................................... 2) Tidak ada analisis terhadap permukaan tanah (daerah daratan). Nilai di permukaan tanah dikosongkan dengan interpolasi Cressman (Cressman, 1959) untuk Untuk melakukan pemrosesan data yang sangat menghasilkan grid menyeluruh terhadap masing- besar diperlukan beberapa tahapan (Gambar 2). masing grid. Daerah lautan dan daratan ditentukan Masing-masing tahapan pekerjaan dibuatkan suatu dengan sebuah land sea mask, yang isinya nilai script pemrograman. Script dan program berguna numerik 1 untuk daerah lautan dan nilai numerik 0 membantu meringankan pekerjaan dalam mengunduh, untuk daerah daratan. mengolah dan memproses data sehingga analisis Tabel 1.

Spesifikasi data SPL yang digunakan dalam penelitian ini Parameter

Keterangan

Jenis data Sumber data Resolusi spasial Resolusi temporal Metode interpolasi Jml grid bujur Jml grid lintang Total jumlah grid

Sea Surface Temperature/SST/SPL N O AA 1o X 1o Geographic Mingguan Optimum Interpolation 61 buah (90BT ~ 150BT) 26 buah (15LS ~ 10LU) 1.586 buah

105

J. Segara Vol. 11 No. 2 Desember 2015: 103-113

Gambar 2.

Flow chart pengolahan data SPL mulai dari pengunduhan file sampai mencari nilai slope dan menampilkannya ke dalam peta spasial.

dapat dilakukan dengan lebih efisien dan efektif. Jumlah grid yang dianalisis adalah 61 buah grid bujur x 26 buah grid lintang (1.586 buah grid). Sript pengunduhan file SPL (script download) digunakan untuk mengunduh secara otomatis dan melakukan updating data secara rutin setiap minggunya. Program Fortran telah dikembangkan dari Moin (2012) untuk membaca file SPL mingguan perairan Indonesia secara spasial setiap gridnya, secara temporal selama 32 tahun setiap minggu selama 53 minggu (proses a). Program Turbo Pascal untuk menggabungkan data SPL mingguan menjadi satu file untuk masing masing grid. Karena masingmasing grid dan tahun berupa file terpisah maka diperlukan program untuk menggabungkan file mingguan selama 32 tahun menjadi satu file untuk setiap grid-nya (proses b). Program Turbo Pascal untuk membaca file mingguan menjadi data bulanan (proses c). Setelah satu grid mempunyai satu file (mingguan) maka dibuat file bulanan dari data mingguan (rerata). Script pengunduhan SPL dari NOAA ditulis dengan c-shel di sistem operasi linux. Sebelum menjalankan script ini perlu ada aplikasi unduh otomatis bernama wget. File SPL berupa satu file untuk setiap tahunnya sehingga program Fortran akan membuat sekitar 50.750 buah file (1.586 grid x 32 tahun). Prosesnya adalah, pertama menggabungkan data SPL mingguan menjadi satu file. Setelah file mingguan dibuat, kemudian dibuat data bulanan dengan melakukan rerata bulanan untuk masing-masing grid selama 32 tahun. Setelah diperoleh data bulanan kemudian dibuat anomalinya dengan cara dikurangi terhadap nilai historisnya (proses d). Nilai historis dihitung dari rerata selama 32 tahun. Setelah diperoleh nilai anomali 106

bulanan untuk setiap gridnya, kemudian dihitung nilai kemiringan (slope) untuk setiap grid (proses e). Perhitungan slope dilakukan dengan persamaan sebagai berikut : ............................ 3) Hasil pemrosesan ditampilkan dengan perangkat lunak Golden Software SURFER versi 11, setelah merubah format nilai slope sesuai dengan format surfer. Pengolahan berikutnya dilakukan menggunakan perangkat Microsoft Excel untuk menyusun time series anomali SPL dan melihat tren atau kecenderungannya. Analisis Data Analisis dilakukan dengan dua cara yaitu analisis temporal dan analisis spasial. Analisis temporal untuk melihat tren dari anomali suhu permukaan laut rerata beberapa wilayah tertentu. Analisis spasial dilakukan pada nilai anomali suhu permukaan laut bulanan dan nilai slope-nya. Analisis spasial anomali suhu permukaan laut bulanan untuk melihat wilayah mana saja yang mempunyai nilai anomali positif maupun negatif. Sementara, analisis spasial dari nilai slope anomali suhu permukaan laut akan mendapatkan wilayah yang mengalami kenaikan suhu permukaan laut (slope positif) dan yang tidak. Analisis Temporal Anomali SPL Analisis temporal dilakukan di empat wilayah perairan di Indonesia dengan asumsi keempat wilayah tersebut memiliki karasteristik suhu permukaan laut yang mempengaruhi kondisi cuaca dan iklim di beberapa tempat di wilayah Indonesia. Keempat

Analisis Suhu Permukaan Laut Perairan Indonesia...Pemanasan Global (Syaifullah, M. D.) wilayah tersebut adalah perairan Selatan Jawa, perairan Barat Sumatera, Laut Cina Selatan dan perairan Utara Papua seperti pada Gambar 3.

persamaan linear dari garis tren-nya (trendline). Persamaan linear dibuat untuk menentukan nilai koefisien regresi dari time series data suhu permukaan laut. Apabila nilai koefisien regresi tersebut adalah Analisis temporal tersebut dilakukan terhadap positif maka mengindikasikan adanya tren kenaikan empat rerata triwulan yaitu, September - Oktober - suhu permukaan laut. Sebaliknya jika nilai koefisien November (SON), Desember - Januari - Februari regresi tersebut negatif maka mengindikasikan adanya (DJF), Maret - April - Mei (MAM) dan Juni - Juli - tren penurunan nilai suhu permukaan laut. Semakin Agustus (JJA). Hasil rerata keempat triwulan tersebut besar nilai koefisien regresi semakin kuat tren kemudian di plot secara time series dan dicari peningkatan /penurunan suhu permukaan laut.

Gambar 3.

Empat lokasi pengamatan temporal anomali suhu permukaan laut (daerah yang diarsir).

HASIL DAN PEMBAHASAN

Perairan Barat Sumatera

Perairan Selatan Jawa

Perairan barat Sumatera yang juga merupakan bagian Samudera Hindia dibatasi oleh koordinat Perairan selatan Jawa dalam studi kasus Ekuator ~ 08o LS dan 90o ~ 100o BT. Hasilnya disajikan ini adalah bagian timur Samudera Hindia dibatasi pada Gambar 5. Hasil analisis daerah tersebut koordinat 15o LS ~ 10o LU dan 105o ~ 120o BT. menunjukkan untuk bulan-bulan SON mempunyai Hasilnya disajikan pada Gambar 4. Hasil analisis nilai slope =+0,0736, DJF dengan slope =+0,0321, daerah tersebut menunjukkan untuk bulan-bulan SON MAM dengan slope =+0,0406 dan JJA dengan slope mempunyai nilai slope =+0,0428, DJF slope =+0,0353, =+0,0058. Secara umum, wilayah ini mengalami MAM slope =+0,0193 dan JJA slope =+0,0294. Secara peningkatan SPL selama lebih dari 32 tahun terakhir. umum wilayah ini mengalami peningkatan SPL selama lebih dari 32 tahun terakhir. Pada musim basah (SON Laut Cina Selatan dan DJF) nilai peningkatan SPL relatif lebih besar dibandingkan pada musim kering (MMA dan JJA). Perairan Laut Cina Selatan dibatasi oleh

Gambar 4.

Analisis slope untuk perairan selatan Jawa pada bulan-bulan SON, DJF, MAM dan JJA.

107

J. Segara Vol. 11 No. 2 Desember 2015: 103-113

Gambar 5.

Analisis slope untuk perairan selatan Jawa pada bulan-bulan SON, DJF, MAM dan JJA.

koordinat 15o LS ~ 10o LU dan 105o ~ 120o BT. Hasilnya ini termasuk Samudera Pasifik sebelah barat yang disajikan pada Gambar 6. Hasil analisis untuk wilayah letaknya berdekatan dengan daerah maritim kontinen. Laut Cina Selatan menunjukkan untuk bulan-bulan Hasil analisis seperti terlihat pada Gambar 7 untuk SON mempunyai nilai slope =+0,0283, DJF dengan wilayah ini menunjukkan bulan-bulan SON mempunyai slope =+0,0143, MAM dengan slope =+0,0109 dan nilai slope =+0,1788, DJF dengan slope =+0,0957, JJA dengan slope =+0,001. Secara umum wilayah MAM dengan slope =+0,1305 dan JJA dengan slope ini mengalami peningkatan SPL yang lebih rendah =+0,0891. Secara umum wilayah ini mengalami dibandingkan dua wilayah sebelumnya. Pada musim peningkatan SPL yang paling besar dibandingkan basah (SON dan DJF) nilai peningkatan SPL relatif dengan wilayah lain yang dijadikan studi kasus. lebih besar dibandingkan pada musim kering (MMA dan JJA) yang hampir tidak mengalami peningkatan. Nilai slope di wilayah ini adalah nilai slope yang tertinggi dibandingkan dengan wilayah lain. Dengan Laut Utara Papua kondisi bahwa perairan sebelah Utara Papua adalah bagian lautan luas (samudera) sehingga mempunyai Perairan utara Papua adalah bagian wilayah jumlah kapasitas panas yang lebih besar, maka kenaikan Samudera Pasifik Barat dibatasi oleh koordinat 0o nilai slope ini diperkirakan akan mempengaruhi kondisi (ekuator) ~ 13o LU dan 130o ~ 150o BT. Wilayah iklim di wilayah Indonesia terutama bagian timur. Nilai

Gambar 6. Tabel 2.

Analisis slope untuk perairan Laut Cina Selatan pada bulan-bulan SON, DJF, MAM dan JJA. Nilai slope untuk masing-masing perairan selama empat triwulan Wilayah

108

SON

DJF

MAM

JJA

Selatan Jawa +0,0428 Barat Sumatera +0,0736 Laut Cina Selatan +0,0283 Utara Papua +0,1788

+0,0353 +0,0321 +0,0143 +0,0957

+0,0193 +0,0406 +0,0109 +0,1305

+0,0294 +0,0058 +0,0001 +0,0891

Analisis Suhu Permukaan Laut Perairan Indonesia...Pemanasan Global (Syaifullah, M. D.)

Gambar 7.

Analisis slope untuk perairan Laut di sebelah Utara Papua pada bulan-bulan SON, DJF, MAM dan JJA.

slope masing masing wilayah untuk keempat triwulan disajikan dalam Tabel 2. Dari Tabel 2 terlihat bahwa semua daerah studi kasus mempunyai nilai slope yang positif dengan nilai yang bervariasi. Hal ini memberi pengertian bahwa selama lebih 32 tahun telah terjadi peningkatan SPL di wilayah Indonesia yang bervariasi. Kenaikan suhu permukaan laut yang paling besar terjadi di perairan Pasifik Barat di sebelah utara Papua. Analisis Spasial Anomali SPL

sangat signifikan antara wilayah bagian utara dengan wilayah bagian selatan. Pada Januari (Gambar 8) yang merupakan bulan basah, anomali SPL perairan selatan mulai dari selatan Pulau Sumatera, selatan Pulau Jawa sampai Kepulauan Nusa Tenggara Timur bernilai positif yang cukup signifikan (+2,5oC). Sedangkan, di wilayah utara, terutama di Laut Cina Selatan, anomali SPL bernilai negatif secara signifikan (-3,0oC). Hal ini menyebabkan wilayah Indonesia terutama di Pulau Sumatera dan Pulau Jawa banyak mendapatkan supplay awan sehingga banyak terjadi hujan.

Pada Juli (Gambar 9) yang merupakan musim Setelah proses rerata bulanan, dilakukan kering, anomali SPL di perairan selatan Jawa ke nilai SPL dibuat historis bulanan selama 32 tahun timur sampai Nusa Tenggara Timur dan selatan pengamatan untuk setiap grid-nya. Nilai historis ini Papua bernilai negatif yang cukup signifikan (-6.0oC). digunakan untuk membuat anomali SPL bulanan Sedangkan di wilayah utara, nilai anomali SPL masing-masing gridnya dengan cara mengurangkan bertanda positif (+2.5oC). Hal ini menyebabkan wilayah nilai aktual SPL terhadap nilai historisnya. Perhitungan Indonesia bagian Jawa, Bali, Nusa Tenggara Barat anomali SPL setiap grid-nya dilakukan setiap minggu sampai Nusa Tenggara Timur sangat kering sehingga mulai minggu pertama Januari sampai dengan minggu sulit terjadi hujan. Pada musim-musim transisi seperti ke-4 Desember. Analisis untuk tahun 2012 dilakukan Maret dan April, perbedaan antara anomali positif setiap minggu dengan membuat peta anomali SPL dengan anomali negatif tidak begitu besar (+2,0oC dari minggu pertama Januari 2012 sampai minggu ke sampai -1,5oC) sehingga pada bulan-bulan tersebut empat Desember 2012. masih ada peluang pertumbuhan awan di beberapa wilayah di Indonesia. Gambar 8. adalah contoh peta anomali SPL wilayah Indonesia pada minggu pertama Januari Analisis Spasial Slope SPL 2012 dan minggu kedua Januari 2012. Warna merah menunjukkan nilai anomali positif yang artinya Setelah analisis temporal suhu permukaan laut suhu permukaan laut saat itu lebih tinggi (panas) dilakukan dengan menghitung nilai slope dari set dibandingkan dengan suhu reratanya (historis), data SPL untuk masing-masing grid-nya, maka dibuat sedangkan warna biru menunjukkan sebaliknya peta spasial nilai slope dibuat sehingga diketahui nilai (anomali negatif). sebarannya. Analisis spasial slope SPL dilakukan untuk melihat daerah-daerah yang mempunyai tren Secara umum dapat dilihat bahwa anomali suhu peningkatan SPL dan daerah-daerah yang mempunyai permukaan laut (SPL) di wilayah Indonesia terbagi tren penurunan. Pembuatan peta spasial nilai slope menjadi anomali positif dan anomali negatif yang dilakukan untuk September, Oktober dan November terpisah di belahan bumi bagian selatan dan belahan (SON), Desember, Januari dan Februari (DJF), Maret, bumi bagian utara. Pada musim hujan maupun musim April dan Mei (MAM) dan Juni, Juli dan Agustus (JJA). kering nampak terjadi perbedaan anomali SPL yang Keempat peta spasial nilai slope masing-masing 109

J. Segara Vol. 11 No. 2 Desember 2015: 103-113

Gambar 8.

Peta Anomali SPL Bulan Januari 2012 (minggu ke-1 (atas) dan minggu ke-2 (bawah)).

Gambar 9.

Peta Anomali SPL Bulan Juli 2012 (minggu ke-3 (atas) dan minggu ke-4 (bawah)).

110

Analisis Suhu Permukaan Laut Perairan Indonesia...Pemanasan Global (Syaifullah, M. D.)

Gambar 10.

Citra analisis slope nilai SPL perairan Indonesia Maret-April-Mei (MAM) dan Juni-Juli-Agustus (JJA), (atas) dan untuk September-Oktober-November (SON) dan Desember-Januari-Februari (DJF) (bawah), Cat Warna merah adalah slope positif sebaliknya warna biru adalah slope negatif.

111

J. Segara Vol. 11 No. 2 Desember 2015: 103-113 triwulan dapat dilihat pada Gambar 10. Dari Gambar 10, terlihat adanya variasi spasial nilai slope positif dan negatif. Secara umum, wilayah yang mengalami peningkatan SPL dengan nilai slope positif adalah perairan sebelah utara Papua, Samudera Hindia sebelah Barat Sumatera sebagian Laut Jawa, dan di sekitar Laut Banda. Sedangkan di Laut Cina Selatan, perairan selatan Jawa relatif konstan dan cenderung mengalami penurunan SPL meskipun sangat kecil. Dilihat dari nilai slope-nya perairan Samudera Pasifik di utara Papua merupakan wilayah yang tertinggi dibandingkan dengan wilayah lain. Pengamatan yang secara spasial menunjukkan daerah-daerah dimana terjadi penurunan SPL (nilai slope negatif) meskipun sangat kecil, terutama di wilayah Laut Cina Selatan dan perairan Selatan Jawa. Hal ini tidak terlihat secara nyata pada analisis temporal anomali SPL karena dalam analisis tersebut dilakukan pererataan wilayah dari daerah yang dianalisis. KESIMPULAN Dari hasil penelitian ini dapat disimpulkan sebagai berikut : 1. Nilai slope yang dianalisis untuk keempat wilayah adalah positif. Nilai slope di wilayah Utara Papua merupakan yang tertinggi dibandingkan dengan wilayah lain. 2. Secara spasial, selama 32 tahun telah terjadi peningkatan suhu permukaan laut di wilayah Indonesia yang bervariasi. 3. Secara umum dapat dilihat bahwa anomali SPL di wilayah Indonesia terbagi menjadi anomali positif dan negatif yang terpisah di belahan bumi bagian selatan dan belahan bumi bagian utara. PERSANTUNAN Ucapan terimakasih disampaikan kepada Unit Pelaksana Teknis Hujan Buatan (UPTHB) Badan Pengkajian dan Penerapan Teknologi (BPPT), juga kepada rekan peneliti UPTHB atas kerjasamanya dalam melakukan proses data yang sangat besar di dalam server. DAFTAR PUSTAKA

Indonesia: hasil Awal /Pendahuluan. AMOS 17Th Konferensi Presentasi Poster. ANU Canberra. Cressman, G. P. (1959). An operational objective analysis system. Mon. Wea. Rev., 87, 367-374 Emiyati, Setiawan, K. T., Manopo, A. KS., Budhiman, S & Hasyim, B. (2010) Analisis Multitemporal Sebaran Suhu Permukaan Laut di Perairan Lombok Menggunakan Data Penginderaan Jauh Modis, Seminar Nasional Penginderaan Jauh LAPAN. Febriani, F.R., Seni, H.J.T. & Wandayantolis. (2014). Analisis Spasial Pengaruh Dinamika Suhu Muka Laut Terhadap Distribusi Curah Hujan di Sulawesi Utara, Jurnal MIPA Unsrat, (http://ejournal.unsrat. ac.id/index.php/jmuo), diakses Januari 2015. Masters, J. The Landmark 2007 IPCC Report on Climate Change, (http://www.wunderground.com/ resources/climate/ipcc2007.asp?MR=1), diakses 12 November 2012. Moin, P. Mathematical and Computational Methods for Engineer, Fortran 77 Tutorial, Course outline, (http://www.standford.edu/class/me200c/ tutorial_77/), diakses 23 Novemver 2012. National Centers for Environmental Prediction, National Weather Service, NOAA, NCEP Version 2.0 OI Global SST and NCDC Version 3.0 Extended Reconstructed SST Analyses. (http://rda.ucar. edu/datasets/ds277.0/), diakses 7 Desember 2012. Reylods, R. W. (1988). A Real-time Global Sea Surface Temperature Analysis, J. Climate, 1, 75-86. Reynolds, R.W. & Marsico, D.C. (1993). An Improved Real-time Global Sea Surface Temperature Analysis, J. Climate, 6, 114-119. Reynolds, R.W., N.A. Rayner, T.M. Smith, D.C. Stokes, & Wang, W. (2002). An Improved In Situ and Satellite SST Analysis for Climate. J. Climate, 11, 3320-3323. Surfer 11 Powerful Contouring, Gridding, and 3D Surface Mapping Software for Scientists and Engineers. (2013). (http://www.goldensoftware. com/products/surfer), diakses Januari 2013.

Aldrian E & Susanto R. D. (2003). Identifikasi tentang tiga wilayah hujan yang dominan di Indonesia dan hubungannya dengan suhu permukaan laut, Jurnal Internasional tentang iklim, Vol. 23, No 12, Sudarman. (2010). Meminimalkan Daya Dukung pp.1435-1452,doi 10.1002/joc.950 Sampah Terhadap Pemanasan Global Profesional, Vol.8, No.1, Mei 2010, ISSN 1693-3745 Awaluddin, M.Y., J. Kaempf & Ewenz, C. (2010). Perbedaan suhu permukaan laut di lautan Syaifullah, D. (2010). Analisis Suhu permukaan laut 112

Analisis Suhu Permukaan Laut Perairan Indonesia...Pemanasan Global (Syaifullah, M. D.) Selatan Jawa dan Pengaruhnya terhadap Curah Hujan DAS Citarum. Jurnal Sains & Teknologi Modifikasi Cuaca (JSTMC) Vol. 11 No. 2 Desember 2010

113