KETERKAITAN CUACA DI INDONESIA DENGAN FENOMENA BINTIK MATAHARI (SUNSPOT)
BASYARUDDIN
DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008
KETERKAITAN CUACA DI INDONESIA DENGAN FENOMENA BINTIK MATAHARI (SUNSPOT)
BASYARUDDIN
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Pada Program Studi Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITIT PERTANIAN BOGOR 2008
Judul
: Keterkaitan Cuaca di Indonesia dengan Fenomena Bintik Matahari (Sunpot)
Nama
: Basyaruddin
NRP
: G 24102001
Menyetujui Pembimbing Skripsi
Dr.Ir. Sobri Effendy, Msi. NIP. 131918657
Mengetahui Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Drh. Hasim, DEA. NIP. 131578806
Tanggal Lulus :
RIWAYAT HIDUP Penulis dilahirkan di Lhokseumawe pada tanggal 18 Desember 1984 dari pasangan Rusli dan Rabiah. Penulis merupakan anak ketiga dari lima bersaudara. Pada tahun 2002 penulis lulus dari SMU Swasta Al-Azhar Medan. Di tahun yang sama juga penulis diterima di Program Studi Meteorologi, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahun Alam, Institut Pertanian Bogor melalui Jalur Undangan Seleksi Masuk IPB (USMI). Selama masa perkuliahan di IPB, penulis aktif di himpunan profesi dan mahasiswa Departemen Geofisika dan Meteorologi (HIMAGRETO). Tahun 2004 penulis menjadi staf Acara Meteorologi Interaktif di kepanitiaan PESTA SAINS 2004. Pada tahun yang sama juga menjadi Kepala Departemen Olah Raga dan Seni di Himpunan Mahasiswa Meteorologi periode 20042005. Pada tahun 2007 penulis juga menjadi staf Panitia Panahan Indoor Nasional.VII yang diselenggarakan oleh Unit Kegiatan Mahasiswa (UKM) Panahan IPB. Pada tahun 2005 tepatnya bulan Juli – Agustus 2005, penulis pernah melaksanakan Praktek Lapang di Pusat Penelitian dan Pengembangan Hutan dan Konservasi Alam, Gunung Batu, Bogor. Pada tahun 2007 penulis menjadi salah satu staf proyek penelitian tentang kalender pertanian antara IPB dengan BMG.
RINGKASAN Basyaruddin: Keterkaitan Cuaca di Indonesia dengan Fenomena Bintik Matahari (Sunspot). Dibimbing oleh : Dr. Ir. Sobri Effendy. M.Si. Aktivitas matahari berhubungan dengan aktivitas cuaca dan iklim dalam skala yang luas. Emisi gelombang pendek yang berasal dari letusan di permukaan matahari mampu mempengaruhi tingkat pemanasan pada atmosfer bumi hanya dalam jangka waktu relatif singkat, kemudian secara tidak langsung akan mempengaruhi pola sirkulasi atmosfer kearah kutub pada daerah lintang tinggi, atau dengan kata lain bahwa kenaikan tekanan paras muka laut kearah kutub bertambah besar dari daerah lintang yang mendapatkan suplai panas maksimum (ekuator). Berdasarkan penelitian bahwa efek yang ditmbulkan oleh aktivitas matahari terhadap permukaaan bumi tidak bersifat langsung. Akan tetapi, atmosfer adalah bagian bumi yang pertama menerima efek dari perubahan yang terjadi di permukaaan matahari. Efek yang ditimbulkan berbeda tiap lapisan atmosfer. Bagian atmosfer atas yang banyak kita kenal sebagai lapisan ionosfer (merupakan lapisan mesosfer dan termosfer) merupakan lapisan yang banyak mengandung elektron-elektron bebas. pada ketinggian sekitas 225 km, daerah ini mengalami densitas elektron yang bervariasi secara harian, musiman dan bergantung terhadap ketinggian / posisi matahari, serta dipengaruhi juga oleh adanya fenomena siklus 11-tahunan sunspot. Berdasarkan hasil penelitian, didapat bahwa pengaruh sunspot terhadap cuaca di Indonesia berbentuk persamaan nonlinier-kubik. Radiasi akan mengalami peningkatan apabila ada pengaruh kenaikan jumlah nilai sunspot di permukaan matahari. Sedangkan untuk unsur cuaca yang lain yaitu suhu udara dan RH tidak langsung dipengaruhi oleh perubahan sunspot di permukaan matahari. Hal ini dikarenakan suhu dan RH dipengaruhi oleh penerimaan radiasi matahari dipermukaan bumi serta pengaruh lintang dan tempat. Karena jumlah sunspot selalu berubah-ubah, maka menyebabkan radiasi yang dipancarkan matahari juga tidak selalu sama. Sehingga mengakibatkan radiasi rang diterima di bumi juga berubah dengan berubahnya jumlah sunspot. Ketika sunspot meningkat, perubahan radiasi yang terjadi tidak terlalu signifikan jika dibandingkan saat jumlah sunspot menurun, terjadi perubahan yang drastis. Hal lain yang menarik adalah adanya perbedaan antara hasil penelitian dengan literatur. Literatur menjelaskan bahwa suhu udara rata-rata di daerah tropika lebih rendah selama periode sunspot. Sedangkan hasil penelitian menjelaskan hal yang sebaliknya, yaitu selama periode sunpot suhu udara rata-rata lebih tinggi dari nilai normalnya. Kata Kunci : Sunspot, Cuaca
KATA PENGANTAR Puji syukur penulis ucapkan kepada Allah SWT yang telah melimpahkan Rahmat dan Hidayah-Nya, sehingga penulis dapat menyelesaikan penelitian “Keterkaitan Cuaca di Indonesia dengan Fenomena Bintik Matahari (Sunspot)” dengan baik. Skripsi merupakan salah satu syarat kelulusan di program studi Meteorologi, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Pada kesempatan ini Penulis mengucapkan terimakasih kepada seluruh pihak yang telah mendukung dan memberi dorongan demi keberhasilan sikripsi ini, diantaranya yaitu; 1. Dr. Ir. Sobri Effendy, M.Si sebagai dosen pembimbing, yang telah membimbing penulis sehingga dapat menyelesaikan skripsi. 2. Sonni Setiawan, S.Si, M.Si dan Ana Turyanti, S.Si, MT sebagai dosen penguji. 3. Kepada Ayah dan Ibu, yang telah memberikan doa dan semangat. 4. Dua kakakku (kak ida dan kak nyak) dan Dua adikku (azwar dan fikta) serta seluruh keluarga. 5. Kepada para staf TU departemen Geofisika dan Meteorologi; Pak Pono terimakasih atas pinjaman bukunya, Mas Aziz atas segala bantuan, Pak khairun, Pak udin, Pak Sutoro, Bu indah, Mbak Wanti, Mbak Icha, terimakasih. 6. Teman seperjuangan di Balio; Samba teman kost yang berselera tinggi, Gian teman seperjuangan ke Gunung Gede, Anton Designer Photoshop, Inul Curhat-Man, Deni si jangkung tukang kartu kredit, Eko Sang Pujangga Dewa, Ridwan Motor-Boy, Arief teman Fate, dan Toni Supernatural-Man. 7. GFM’ers 39; Hesti teman belanja, Nana teman nomat, la ode tabibku, Mian dan Joko The Bengkel Man, Kiki mahasiswa lucu 2004, Sapta McD-Man, Ipit Photocopy-Girl, Away Distributor Kabuto, Aprian The Silent-Man, Fio, Ana Black is Beautiful, Nida , An-an Ibu rumah tangga dan anaknya, Lupi, Vivi, Lina, Ani , Yuhanna tatangga kost, Linda Missy Elliot GFM, Misna teman satu kawasan, Rudi Wacana-Man, Sasat PanicGirl, Dwinita Misterius-Women, dan Dwi si Rabi. Nanik dan Tsubonang terima kasih atas semangat kalian dan GFM’ers yang lain. 8. Bu yar dan Sekeluarga di Cibanteng, Pak Ukun atas nasehat dan ceritanya. Semoga Skripsi yang telah dilaksanakan ini mendapat ridho dari Allah SWT dan semoga kebaikan yang telah diberikan mendapat balasan yang lebih. Akhir kata, mudah-mudahan Skripsi ini berguna dan bermanfaat bagi Penulis dan Pembaca serta bagi kita semua. Bogor, Januari 2008 Wassalam
Penulis
DAFTAR ISI RINGAKASAN....................................................................................................................... KATA PENGANTAR ............................................................................................................ DAFTAR ISI ........................................................................................................................... DAFTAR TABEL ................................................................................................................... DAFTAR GAMBAR .............................................................................................................. DAFTAR LAMPIRAN ........................................................................................................... I. PENDAHULUAN .................................................................................................... Latar Belakang ................................................................................................................. Tujuan............................................................................................................................... Manfaat............................................................................................................................. II. TINJAUAN PUSTAKA ........................................................................................... Bintik Matahari (Sunspot) ............................................................................................... Cuaca ................................................................................................................................ Radiasi Matahari .............................................................................................................. Suhu Udara ....................................................................................................................... KelembabanUadara (RH) ................................................................................................ Aktivitas Matahari dan Efeknya terhadap Bumi ............................................................. III. METODOLOGI ........................................................................................................ Alat dan Bahan ................................................................................................................. Waktu dan Tempat ........................................................................................................... Metode Penelitian ............................................................................................................ Studi Pustaka .................................................................................................................... Pengolahan Data Unsur cuaca dan Sunspot .................................................................... Melihat Pengaruh Sunspot terhadap Cuaca (Radiasi, Suhu, dan RH) 6 IV. HASIL DAN PEMBAHASAN ................................................................................ Pengaruh Sunspot terhadap Radiasi ................................................................................ Pengaruh Sunspot terhadap Suhu dan RH ....................................................................... Uji Regresi dan Nilai Peluang ......................................................................................... Perbandingan Nilai Unsur Cuaca Observasi dengn Dugaan Regresi ............................. V. KESIMPULAN DAN SARAN ................................................................................ Kesimpulan ...................................................................................................................... Saran ................................................................................................................................. VI. DAFTAR PUSTAKA ............................................................................................... LAMPIRAN
i ii iii iv iv iv 1 1 1 1 1 1 3 3 4 4 4 6 6 6 6 6 6 8 9 10 11 13 13 13 13 13
DAFTAR TABEL 1. Perbandingan nilai koefisien korelasi yang dihasilkan oleh dua persamaan regresi ......... 2. Persamaan regresi antara sunspot dengan radiasi ............................................................... 3. Persamaan regresi antara sunspot dengan suhu .................................................................. 4. Persamaan regresi antara sunspot dengan RH .................................................................... 5. Nilai peluang yang diasilkan dari persamaan regresi antara sunspot dengan unsur cuaca 6. Nilai lag yang dihasilkanoleh pengaruh siklus sunapot terhadap cuaca ............................ 7. Perubahan nilai radiasi akibat perubahan nilai sunspot (contoh kasus Semarang) ........... 8. Perbandingan nilai unsur cuaca dengan dugaan berdasarkan persamaan regresi ..............
8 9 9 10 11 11 12 12
DAFTAR GAMBAR 1. Mekanisme terbentuknya sunspot ....................................................................................... 2. Diagram kupu-kupu bintik matahari (sunspot)................................................................... 3. Aktivitas matahari dan efeknya terhadap bumi .................................................................. 4. Diagram Alir tahapan penelitian ......................................................................................... 5. Perbandingan data observasi dengan hasil dugaan model untuk radiasi ...........................
2 3 5 7 13
DAFTAR LAMPIRAN 1. Hasil persamaan regresi kubik dari setiap lokasi ............................................................... 15
I. PENDAHULUAN 1.1 Latar Belakang Sinar matahari yang sampai di bumi merupakan sumber utama energi yang menimbulkan segala macam kegiatan atmosfer seperti hujan, angin, siklon tropis, musim panas, musim dingin, pola iklim di suatu wilayah dan berbagai pengaruhnya seperti pertumbuhan tanaman, penyediaan air tanah dan sebagainya. Untuk mengukur banyaknya energi sinar yang sampai di bumi digunakan besaran yang disebut “tetapan matahari” atau solar constant, yaitu banyaknya energi sinar yang jatuh pada bidang mendatar secara tegak lurus di puncak atmosfer tiap satuan waktu tiap satuan luas bidang tersebut dengan meniadakan penyerapan oleh atmosfer. Besarnya tetapan matahari dinyatakan dengan satuan Watt m-2. Ratarata besar tetapan matahari antar Matahari dan Bumi yaitu sekitar 1 1/3 Watt m-2 (Lean and Rind, 1996) Menurut Chapman dalam Yatini (2004) mengungkapkan bahwa besarnya solar constant antara siklus matahari minimum dan maksimum adalah sekitar 0.1%. Menurut Donal dalam Susanto (2003) fluktuasi tersebut antara lain disebabkan oleh perubahan jarak antara matahari dan bumi karena lintasan bumi mengelilingi matahari tidak merupakan lingkaran tetapi berbentuk ellips dengan matahari terletak pada salah satu titik apinya. Penyebab kedua terjadinya perubahan fluktuasi tetapan matahari ternyata berasal dari bintik matahari (sunspot). Di samping itu pada setiap ledakan matahari dikeluarkan sejumlah sinar ultraviolet yang dapat menambah energi sinar matahari dalam daerah gelombang sinar tersebut. Pengaruh bintik matahari terhadap cuaca sulit dijelaskan daripada pengaruh bintik matahari terhadap iklim, karena cuaca merupakan keadaan sesaat dari atmosfer sedangkan iklim merupakan keadaan ratarata dari cuaca dalam suatu kurun waktu yang panjang. Berdasarkan hasil penelitian tentang sunspot, menyimpulkan bahwa di daerah tropika, suhu udara rata-rata lebih rendah selama periode sunspot maksimum dan lebih tinggi dari nilai normal selama periode sunspot minimum. Keadaan yang sama juga berlaku bagi daerah lintang sedang, tetapi justru kebalikannya bagi daerah subtropika yang kering. (Susanto, 2003)
Hasil penelitian Christiani (2004) menyimpulkan bahwa pengaruh sunspot terhadap keadaan curah hujan dan radiasi harian di beberapa tempat di Indonesia menunjukkan perbedaan yang sangat signifikan, dimana sunspot mempunyai pengaruh yang nyata terhadap keadaan curah hujan dan radiasi harian, maka dengan ini penelitian ini perlu dilakukan. 1.2 Tujuan Tujuan penelitian ini adalah untuk mengetahui pengaruh siklus bintik matahari (sunspot) terhadap perubahan radiasi, suhu dan RH di Indonesia. 1.3 Manfaat Manfaat dari penelitian adalah : 1. Dapat digunakan sebagai prediksi tentang cuaca di bumi berdasarkan hasil pemantauan aktivitas permukaan matahari khususnya sunspot 2. Sebagai bahan masukan bagi pengetahuan Meteorologi khususnya Meteorologi Fisik
II. TINJAUAN PUSTAKA 2.1 Bintik Matahari (Sunspot) Sunspot (bintik/noda matahari) adalah daerah di lapisan fotosfer yang temperaturnya lebih rendah (4000 – 4500 K) daripada daerah di sekelilingnya (6000 K). Itu disebabkan oleh turunnya suhu dipermukaan matahari. Kecermelangannya kira-kira seperlima fotosfer normal. Sunspot nampak sebagai noda-noda gelap, biasanya muncul di daerah sekitar ekuator matahari (antara lintang -30° dan +30°). Noda-noda gelap, dan daerah-daerah aktif yang dikenal dengan nama faculae. (Elliyati, 2001) Bintik matahari sebenarnya adalah badai massa gas elektrik yang berpusat suram. Dalam gerakannya melintasi permukaan matahari, bintik tersebut menciptakan kegaduhan magnetik yang besar dan mempengaruhi peralatan elektrik dan magnetik di Bumi. Bintik matahari memiliki ukuran yang besar dan jumlahnya berubah-ubah dalam daur sepanjang 11 tahun dan berpengaruh terhadap kegiatan matahari.
Gambar 1. Mekanisme terbentuknya Sunspot Sumber: http://www.windows.ucar.edu/tour/link=/sun/atmosphere/sunspot_magnetism.html Menurut Hathaway, Wilson dan Reichmann (2002) Jumlah bilangan sunspot yang muncul dinyatakan dalam bilangan sunspot yang di hitung berdasarkan perhitungan secara empiris dan tidak persis tepat keseluruhan permukaan matahari. Perhitungannya dikemukakan dan dirumuskan oleh R. Wolf pada tahun 1948 sebagai berikut R = K (10 g + f) ….…………...(1) di mana R = bilangan sunspot K = faktor reduksi yang bergantung pada metode pengamatan dan teleskop yang digunakan (untuk perhitungan Wolf digunakan f=1) f = total bilangan sunspot yang tampak pada matahari g = jumlah grup sunspot Menurut Elliyati (2001) ada dua jenis pengelompokan sunspot, yaitu Klasifikasi Zurich dan Klasifikasi Mount Wilson. Pada dasarnya sunspot dikelompokkan berdasarkan polaritasnya (unipolar/bipolar) dan kekompleksannya (apakah mempunyai penumbra atau tidak, banyak/sedikitnya titik sunspot dalam satu grup).
Data sunspot ditampilkan sebagai Bilangan Wolf (Wolf Number), yaitu jumlah grup sunspot dengan titik-titik sunspot secara keseluruhan, dikali suatu konstanta. Bilangan Wolf (harian maupun hasil perataan setiap bulan) digunakan sebagai parameter aktivitas matahari. Meskipun penentuan bilangan sunspot tersebut bukan berdasarkan pengamatan total permukaan matahari, tetapi cukup mewakili variasi perubahan aktivitas matahari dari tahun ke tahun. Rata-rata periode sunspot adalah 11.1 tahun yang merupakan hasil rata-rata pengamatan selama 80-90 tahun, dimana periode satu siklus sunspot bervariasi antara 9-14 tahun. (Hathaway, et al 2003) Sunspot terbentuk akibat adanya aktivitas magnetik di dalam matahari. Rotasi matahari di khatulistiwa lebih cepat dari pada di daerah kutub, sehingga garis magnetik mengalami pembelokan akibat adanya gaya koriolis. Dengan terjadinya pembelokan garis magnetik tersebut maka akan terbentuk sebuah bidang magnetik yang lebih besar. Bidang magnetik ini menyebabkan peredaran bahang terhambat dan memunculkan bintik pada matahari. Bintik pada matahari ini terbentuk berpasangan dan memiliki kutub yang berbeda, bintik satu mempunyai sifat
Gambar 2. Diagram kupu-kupu bintik matahari (sunspot) Sumber : Hathawa, et al. 2003
magnetik utara dan yang satu lagi bersifat magnetik selatan (Gambar 1). Sunspot tidak hanya periodik dalam hal bilangan (jumlah), tetapi juga dalam hal posisi lintang serta memiliki periode waktu. Pada awal siklus baru, sunspot mulai muncul dan tampak pada sabuk 300 LU dan 300 LS permukaan matahari. Sabuk ini kemudian bergerak menuju daerah ekuator. Sunspot akan mulai tumbuh dan tampak jelas serta mencapai ukuran maksimum disekitar sabuk 160 LU dan 160 LS (Gambar 1). Kemudian sabuk terus bergerak menuju ekuator matahari. Akan tetapi, aktivitas sunspot menghilang disekitar 80 LU dan 80 LS. (Hathaway and Wilson 2004) Siklus bintik matahari dapat diketahui dari perubahan jumlah bintik matahari dari waktu ke waktu. Selain itu digambarkan pula dalam diagram kupu-kupu (Gambar 2). Diagram yang eksotis ini melukiskan variasi posisi bintik matahari dalam lintang utara dan selatan matahari terhadap waktu. Awal siklus ditandai dengan munculnya bintik matahari pada lintang 40° - 50°. Tidak pernah ditemukan bintik matahari pada lintang tinggi. Seiring dengan perjalanan waktu, kelompok bintik matahari berikutnya muncul pada lintang yang lebih rendah. Pola kenampakan ini berlanjut sampai satu periode siklus 11 tahun. (The SunspotCycle:http://science.nasa.gov/solar/s unspots.htm)
2.2 Cuaca Cuaca dikenal sebagai nilai sesaat dari atmosfer, serta perubahan dalam waktu jangka pendek (kurang dari satu jam sampai 24 jam) disuatu tempat tertentu di bumi. Keadaan sesaat dari cuaca serta perubahannya dapat dirasakan (kualitatif) dan diukur (kuantitatif) berdasarkan peubah fisika, yang dinamai dengan unsur cuaca. Adapun unsur-unsur pembentuk cuaca adalah penerimaan radiasi surya, suhu udara, kelembaban udara, tekanan udara, kecepatan angin, arah angin, dan penutupan langit oleh awan. (Nasir, 1993) 2.2.1 Radiasi Radiasi merupakan suatu bentuk energi yang dipancarkan oleh setiap benda yang memiliki suhu diatas nol mutlak. Sedangkan radiasi surya merupakan gelombang elektromagnetik yang dibangkitkan dari proses fusi nuklir yang dapat mengubah hidrogen menjadi helium. Dengan suhu permukaan matahari 6000 K, radiasi yang dipancarkan berupa gelombang elektromagnetik sebesar 73.5 juta Watt tiap m2 permukaan matahari. Radiasi yang dipancarkan oleh suatu permukaan berbanding lurus dengan pangkat empat suhu mutlak permukaannya (Hukum Stefan-Boltman). Berdasarkan persamaan 2 di bawah, dinyatakan bahwa semakin tinggi suhu permukaan maka pancaran radiasinya semakin besar. Pancaran radiasi tersebut dijabarkan dalam persamaan berikut:
F = ε σ T4 .............................(2) dimana F : pancaran radiasi (W m-2) ε : emisivitas permukaan, bernilai satu untuk benda hitam (black body radiation), sedangkan untuk benda-benda alam berkisar 0.9-1.0 σ : tetapan Stefan-Boltzman (5.67 10-8 W m-2) T : suhu permukaan (K) Dengan jarak rata-rata matahari bumi sejauh 150 juta km, radiasi yang sampai dipuncak atmosfer rata-rata sebesar 1360 W m-2. sedangkan yang sampai di permukaan bumi (daratan dan lautan) sekitar setengah dari yang diterima dipuncak atmosfer. Hal ini disebabkan karena sebagian akan diserap dan dipantulkan kembali ke angkasa oleh atmosfer khususnya oleh awan. Penerimaan radiasi surya di permukaan bumi sangat bervariasi menurut tempat dan waktu. Menurut tempat khususnya disebabkan oleh perbedaaan letak lintang serta keadaan atmosfer terutama awan. Menurut waktu, perbedaan radiasi terjadi dalam sehari (dari pagi sampai sore hari) maupun secara Musiman (dari hari kehari). Penerimaan radiasi surya yang diterima oleh permukaan bumi dipengaruhi oleh beberapa faktor yaitu: jarak antara matahari dan bumi, panjang hari dan sudut datang, dan pengaruh atmosfer bumi. 2.2.2 Suhu Udara Secara umum, pada lapisan troposfer suhu makin rendah dengan bertambahnya ketinggian. Hal ini disebabkan oleh sifat udara yang merupakan penyimpan panas terburuk, sehingga suhu udara sangat dipengaruhi oleh permukaan bumi yang merupakan tempat persentuhan antara udara dengan daratan dan lautan. Lautan mempunyai luas serta kapasitas panas yang lebih besar dari pada daratan. Meskipun daratan merupakan penyimpan panas yang buruk, tetapi karena udara bercampur secara dinamis, maka pengaruh permukaan lautan secara vertikal akan lebih dominan. Akibatnya suhu akan semakin turun dengan bertambahnya ketinggian, baik di atas lautan maupun daratan. (Handoko, 1993) Di daerah tropika, suhu udara rata-rata lebih rendah selama periode sunspot maksimum dan lebih tinggi dari harga normal selama periode sunspot minimum. Keadaan yang sama juga berlaku bagi
daerah lintang sedang, tetapi justru kebalikannya bagi daerah subtropika yang kering. (Susanto, 2003) 2.2.3 Kelembaban udara (RH) Kelembaban udara menggambarkan kandungan uap air di udara, dan dapat dinyatakan sebagai kelembaban mutlak, kelembaban nisbi (relatif) maupun defisit tekanan uap. Kelembaban mutlak merupakan kandungan uap air per satuan volume, dimana kandungan uap airnya dinyatakan dalam massa uap air atau tekanannya. Kelembaban nisbi membandingkan antara kandungan/tekanan uap air aktual dengan jenuhnya atau kapasitas udara untuk menampung uap air. Kapasitas udara untuk menampung uap air tersebut ditentukan oleh suhu udara. Sedangkan defisit uap air merupakan selisih antara tekanan uap air jenuh dengan tekanan aktual. (Handoko, 1993) Karena kapasitas udara untuk menampung uap air (es) semakin tinggi dengan naiknya suhu udara maka pada tekanan uap aktual (ea) yang relatif tetap pada siang hari dan malam hari. Hal ini mengakibatkan RH akan lebih rendah pada siang hari dan tetap lebih tinggi pada malam hari. Kelembaban nisbi pada suatu tempat tergantung pada suhu yang menentukan kapasitas udara untuk menampung uap air serta kandungan uap air aktual di tempat tersebut. 2.3 Aktivitas Matahari dan Efeknya terhadap Bumi Aktivitas matahari berhubungan dengan aktivitas cuaca dan iklim dalam skala yang luas. Emisi gelombang pendek yang berasal dari letusan di permukaan matahari mampu mempengaruhi tingkat pemanasan pada atmosfer bumi hanya dalam jangka waktu relaif singkat, kemudian secara tidak langsung akan mempengaruhi pola sirkulasi atmosfer ke arah kutub pada daerah lintang tinggi, atau dengan kata lain bahwa kenaikan tekanan paras muka laut kearah kutub bertambah besar dari daerah lintang yang mendapatkan suplai panas maksimum (ekuator). Berdasarkan pemikiran inilah dapat disimpulkan bahwa salah satu factor yang mempengaruhi indeks / karakter distribusi tekanan zonal terhadap pola sirkulasi global atmosfer adalah adanya gangguan yang bersifat spontan dari aktivitas matahari.
Gambar 3. Aktivitas matahari dan efeknya terhadap bumi Sumber: http://www.xradiograph.com/blog/2003_11_01_xradiograph_archive.html Salah satu aktivitas matahari yaitu terjadinya ledakan dipermukaan matahari disekitar wilayah sunspot. Ledakan ini mnghembuskan serangkaian badai dan menghamburkan gas-gas dan radiasi yang panasnya mencapai jutaan derajat serta milyaran ton partikel ke angkasa luar. Radiasi dan badai yang terhempas ke angkasa luar khususnya bumi, akan menimbulkan gangguan-gangguan terhadap bumi, seperti rusaknya satelit-satelit, terganggunya komunikasi radio,serta matinya jaringan listrik (Gambar 3). Berdasarkan pengamatan yang telah dilakukan oleh para ahli bahwa efek yang ditimbulkan oleh aktivitas matahari terhadap permukaaan bumi tidak bersifat langsung. Akan tetapi, atmosfer adalah bagian bumi yang pertama sekali menerima efek dari perubahan yang terjadi di permukaaan matahari (aktivitas matahari). Efek yang ditimbulkan berbeda tiap lapisan atmosfer. `Bagian atmosfer atas yang banyak kita kenal sebagai lapisan ionosfer (merupakan lapisan mesosfer dan termosfer) merupakan lapisan yang banyak mengandung elektronelektron bebas. pada ketinggian sekitas 225 km, daerah ini mengalami densitas electron yang bervariasi secara harian, musiman dan bergantung terhadap ketinggian / posisi matahari, serta dipengaruhi juga oleh adanya fenomena siklus 11-tahunan sunspot. Salah satu unsur cuaca yang seringkali menjadi bahan dalam penelitian yang menghubungkan antara antivitas matahari dengan cuaca adalah suhu. Terdapat
beberapa pendapat ilmuan dunia tentang hubungan antivitas matahari dan suhu antara lain adalah: 1. Terjadi perubahan suhu permukaan global di bumi akibat respon dari aktivitas matahari yaitu sekitar 0.045-0.060C dengan selang waktu 8-24 bulan 2. Walaupun hubungan aktivitas matahari dengan suhu permukaaan sulit diinterpretasikan dengan korelasi secara langsung, perubahan suhu permukaan rata-rata global berkorelasi sangat baik dengan pangjang siklus aktivitas matahari bukan dengan bilangan bintik matahari.
III. METODOLOGI 3.1 Alat dan Bahan 1. Data bintik matahari selama 25 tahun (1980-2004) 2. Sumber : NASA 3. Data cuaca harian (Radiasi, Suhu dan RH) di Indonesia meliputi : Padang kemilingan-Bengkulu (1980-2002), Geofisika Bandung (1980-2002), Blang BintangB.Aceh (1980-2000), Jatiwangi (1980-2002), Pangkal Pinang (1980-2002), Banyuwangi (19802000), Simpang Tiga Pekanbaru (1980-2000), Palmerah Jambi (1980-2002), Semarang Ahmad Yani (1980-2002), Surabaya Perak (1980-2000), Marihat (1980-2004), Surabaya Auri (1981-1999), Halim Perdana Kusuma (1980-2002 ) 4. Sumber : BMG 5. Seperangkat computer, Microsoft Office 2003 dan Minitab 14
3.2 Tempat dan Waktu Penelitian dilakukan di Laboratorium Meteorologi dan Kualitas Udara Departemen Geofisika dan Meteorologi FMIPA IPB, pada bulan Mei 2006 – Maret 2007 3.3 Metode Penelitian Metode penelitian dilakukan dalam beberapa tahapan yaitu: 3.3.1 Studi Pustaka Metode ini digunakan untuk mencari literatur dan sumber pustaka yang berkaitan dengan sunspot dan cuaca serta hubungannya dengan aktivitas matahari (solar activity) 3.3.2 Pegolahan Data Unsur Cuaca dan Sunspot Pengolahan data unsur cuaca dan sunspot dengan menggunakan Microsoft excel yaitu pengurutan data harian dari data cuaca dan sunpot. Data radiasi yang didapat merupakan data observasi dalam bentuk lama penyinaran dengan satuan persen. Sehingga perlu dikonversi menjadi Mj/m2/hari. Adapun persamaan yang digunakan untuk mengkonversi lama penyinaran menjadi nilai radiasi matahari yaitu:
Rs = (0.25 + 0.50 n/N)*Ra ..............(3) (Sumber: Richard et al, 1998) dimana :
Rs = Radiasi matahari (Mj/ m2) n/N = Lama penyinaran (%) Ra = radiasi extrateristerial
Radiasi didapat nilai yang dihitung dari data lama penyinaran (sumber BMG) dan data Ra. Sedangkan Minitab digunakan untuk melihat hubungan pengaruh sunspot terhadap perubahan cuaca di Indonesia dengan menggunakan metode regresi. 3.3.3 Melihat Pengaruh Sunspot Terhadap Cuaca (Radiasi, Suhu dan RH) Pengaruh sunspot terhadap cuaca dapat ditunjukkan dengan mencari nilai R2 antara nilai sunspot dengan unsur cuaca (radiasi, suhu dan RH) dari persamaan regresi. Hubungan antara Sunspot dengan unsur cuaca dapat dituliskan dalam bentuk persamaan regresi sebagai berikut : Y = f(X) + e ....................................(4) di mana: X : Sebagai Sunspot Y : Sebagai unsur cuaca (Radiasi, Suhu dan RH) Dan hubungan ditentukan berdasarkan sebaran data dan nilai dari R2 R2 merupakan koefisien determinasi sebagai ukuran hubungan regresi (linier, quadratik ataupun kubik) antara sunspot dengan unsur cuaca. R2 didefinisikan sebagai kemampuan peubah X (prediktor) dalam menjelaskan keragaman dari peubah Y (respon). Bila R2 besar maka hubungan antara sunspot dengan unsur cuaca tinggi dan persamaan yang dihasilkan semakin baik, sebaliknya jika nilai determinasi tersebut rendah maka menunjukkan hubungan yang tidak signifikan. Kemudian dilakukan Uji tstudent untuk melihat seberapa nyata pengaruh nilai sunspot tersebut terhadap cuaca. Uji tstudent ini dipakai karena uji ini didasarkan pada nilai rata-rata dan s2 serta dari contoh penarikan data yang menyebar secara normal. Sehingga Sunspot dapat dikatakan memiliki pengaruh yang nyata terhadap radiasi, suhu dan RH bila nilai t yang dihasilkan lebih besar dari t table atau nilai P (peluang) menunjukkan nilai <α. Uji ini
dilakukan dengan selang kepercayaan 95% (α=0.05). (Walpole, 1995) Pengujian hipotesis ini dilakukan dengan melihat nilai peluang yang dihasilkan dari pengolahan regresi linier dan uji tstudent. Hipotesis yang digunakan adalah: 1. Radiasi Tolak Ho : sunspot meningkat maka radiasi meningkat Terima H1 : sunspot menurun maka radiasi meningkat 2. Suhu Tolak Ho : sunspot meningkat maka suhu meningkat Terima H1 : sunspot menurun maka suhu meningkat 3. RH Tolak Ho : sunspot meningkat maka RH menurun Terima H1 : sunspot menurun maka RH menurun Adapun diagaram alir penelitian dapat dilihat pada Gambar 4 dibawah ini: Data Radiasi, T dan RH
tidak
Data Sunspot Number
Uji Regresi dan tstudent
tidak
ya tidak
Uji Hipotesis
tidak
ya Analisis 3 Persamaan Regresi Nonlinier Yaitu Radiasi, suhu dan RH Gambar 4. Diagram Alir tahapan penelitian
IV. HASIL DAN PEMBAHASAN Matahari yang sumber utama energi bagi segala kehidupan di bumi tidaklah menunjukkan keadaan yang statis di permukaannya. Jika diamati, permukaan matahari menunjukkan ketidak-tenangan yang luar biasa. Salah satu aktivitas yang membuat ketidak-tenangan matahari yaitu dengan munculnya bintik-bintik hitam
tidak terlalu signifikan. Korelasi yang digunakan merupakan hubungan linier antara sunspot dengan radiasi dan curah hujan. Sedangkan penelitian ini menunjukkan hal yang sama untuk yaitu nilai korelasi liniernya juga tidak terlalu signifikan. Sehingga dibandingkan dengan nilai korelasi non linier. Berdasarkan hasil perbandingan korelasi linier dengan nonlinier pada Tabel 1,
Tabel 1. Perbandingan nilai koefisien korelasi yang dihasilkan oleh dua persamaan regresi Lokasi Blang bintang Marihat Pekanbaru Pangkal Pinang Bengkulu Jambi Jakarta Bandung Banyuwangi Jatiwangi Semarang Surabaya Surabaya Auri
Linier Radiasi Suhu 0.3% 0.0% 2.6% 0.0% 0.3% 1.6% 3.4% 0.0% 0.1% 0.6% 0.0% 0.1% 0.6% 0.2% 0.3% 0.1% 0.2% 0.2% 0.4% 0.1% 10.4% 0.1% 0.0% 0.1% 0.7% 2.3%
dipermukaan matahari yang kita kenal dengan sunspot. Sunspot yang merupakan salah satu aktivitas dari permukaan matahari ini akan dihubungkan dengan keadaan cuaca di bumi secara statistik. Hubungan yang akan dianalisis merupakan hubungan regresi antara sunspot (jumlah sunspot) dengan keadaan cuaca (Radiasi, Suhu dan RH). Tabel 1 menunjukkan perbandingan nilai koefisien determinasi yang dihasilkan oleh persamaan regresi linier dan kubik antara sunspot dengan unsur cuaca. Koefisien determinasi merupakan kemampuan suatu peubah prediktor (sunspot) dalam menjelaskan keragaman dari peubah respon (unsur cuaca). Berdasarkan tabel dapat dilihat bahwa koefisien determinasi (korelasi) yang dihasilkan oleh regresi linier lebih rendah dari regresi kubik. Hal ini menunjukkan bahwa pengaruh sunspot terhadap unsur cuaca tidak terjadi secara linier. Menurut Christiani (2004) hubungan antara sunspot dengan unsur cuaca yaitu radiasi dan curah hujan menunjukkaan nilai korelasi yang
Kubik BBU/BBS RH Radiasi Suhu RH BBU 0.0% 1.4% 2.1% 0.7% BBU 1.2% 6.1% 2.0% 3.1% BBU 0.1% 3.4% 6.1% 2.9% BBS 0.0% 4.7% 2.9% 3.4% 0.7% BBS 4.2% 10.2% 6.8% BBS 0.7% 1.2% 4.9% 1.1% BBS 0.8% 3.2% 5.1% 2.1% BBS 0.6% 4.2% 1.7% 1.4% BBS 0.7% 0.9% 0.7% 2.5% BBS 0.0% 1.4% 3.4% 0.3% 20.1% BBS 0.0% 2.0% 0.6% 0.4% BBS 1.1% 0.6% 1.6% BBS 1.4% 1.8% 3.2% 2.0% menunjukkan bahwa hubungan secara nonlinier lebih signifikan dibandingakan dengan hubungan linier. Maka dengan hasil perbandingan ini, penelitian ini akan menampilkan dan menjelaskan hubungan antara aktivitas matahari khususnya sunspot dengan beberapa unsur cuaca yaitu Radiasi, Suhu dan kelembaban Udara (RH). Hubungan yang akan ditampilkan adalah hubungan regresi kubik. Walaupun hubungan yang ditampilkan oleh persamaan regresi kubik tidak terlalu besar, namun ini menunjukkan bahwa hubungan antara sunspot dengan cuaca lebih terhadap hubungan yang memiliki pengaruh dari faktor-faktor lain seperti faktor atmosfer dan kemagnetan bumi. Aktivitas siklus sunspot rata rata tidak terlalu besar dalam mempengaruhi perunbahan keadaan cuaca di lokasi-lokasi tersebut. Koefisien korelasi tertinggi terdapat pada daerah Semarang untuk unsur radiasi sebesar 20.1%, suhu 2.0% dan RH 0.6%.
4.1 Pengaruh Sunspot terhadap Radiasi Tabel 2 menunjukkan persamaan regresi hubungan antara radiasi dengan sunspot. Hasil regresi diatas menunjukkan bahwa ketika siklus sunspot meningkat maka radiasi yang diterima dipermukaan bumi
ekuator (Pekanbaru dan Pangkal Pinang) terdapat dua pola yitu ketika sunpot meningkat maka radiasi juga meningkat dan pola kedua ketika sunspot menurun maka nilai radiasi menurun. Lintang selatan mengalami peningkatan radiasi yang
Tabel 2 Persamaan regresi antara sunspot dengan radiasi Lokasi Regresi kubik Blang bintang Y =17.4 - 0.0099 X - 0.00002 X2 + 0.000001 X3 Marihat Y =19.2 - 0.0219 X + 0.00034 X2 - 0.000001 X3 2 3 Pekanbaru Y =18.3 - 0.0160 X - 0.00016 X + 0.000001 X Pangkal Pinang Y =14.8 - 0.0048 X + 0.00003 X2 + 0.000001 X3 Bengkulu Y =19.4 + 0.0296 X - 0.00034 X2 + 0.000001 X3 2 3 Jambi Y =16.3 + 0.0468 X - 0.00067 X + 0.000003 X 2 Jakarta Y =16.9 + 0.0850 X - 0.00104 X + 0.000004 X3 2 3 Bandung Y =20.3 - 0.0342 X + 0.00018 X + 0.000000 X 2 3 Banyuwangi Y =20.7 - 0.0038 X + 0.00020 X - 0.000001 X Jatiwangi Y =19.6 + 0.0563 X - 0.00086 X2 + 0.000003 X3 2 3 Semarang Y =14.5 + 0.252 X - 0.00252 X + 0.000008 X Surabaya Y =20.4 - 0.0097 X - 0.00001 X2 + 0.000000 X3 Surabaya Auri Y =19.9 + 0.0129 X + 0.00016 X2 - 0.000001 X3 Ket : Y = Radiasi , X = Sunspot
juga meningkat. Hanya terdapat 5 lokasi yang hasilnya berbeda yaitu Blang Bintang, Marihat,Pekanbaru, Banyuwangi dan Surabaya, dimana radiasi menurun ketika terjadinya siklus sunspot . Dari 13 lokasi, terdapat 2 lokasi di lintang utara, 2 lokasi ekuator (asumsi 0-20 LU/LS dianggap ekuator), dan 9 lokasi di lintang selatan. Berdasarkan hasil yang didapat, diketahui bahwa untuk lintang utara yaitu Blang Bintang dan Marihat, radiasi menurun ketika siklus sunspot mengalami peningkatan. Sedangkan untuk daerah
diterima dipermukaan bumi ketika terjadinya siklus sunspot maksimum dan hanya terdapat dua lokasi yang memiliki pola yang sebaliknya yaitu Banyuwangi dan Surabaya. Berdasarkan hasil tersebut dapat dijelaskan bahwa aktivitas matahari terutama sunspot merupakan salah satu faktor yang mempengaruhi besarnya radiasi di buni terutama di puncak atmosfer. Adanya faktor lain juga mempengaruhi perbedaan penerimaan radiasi, salah satunya disebabkan oleh perbedaan letak lintang dan
Tabel 3 Persamaan regresi antara sunspot dengan suhu Lokasi
Regresi kubik 2
3
Blang bintang Y=26.2 + 0.00734X - 0.000043 X + 0.000000 X 2
Marihat
Y=24.4 + 0.00841X - 0.000082 X + 0.000000 X3
Pekanbaru
Y=26.3 + 0.01935X - 0.000230 X + 0.000001 X
2 2
3 3
Pangkal Pinang Y=25.9 + 0.01641X - 0.000148 X + 0.000000 X 2
3
Bengkulu
Y=25.9 + 0.00956X - 0.000018 X - 0.000000 X
Jambi
Y=26.4 + 0.01607X - 0.000176 X + 0.000001 X
Jakarta
Y=26.6 + 0.01436X - 0.000131 X2 + 0.000000 X3
Bandung
Y=22.8 + 0.00701X - 0.000050 X + 0.000000 X
Banyuwangi
2
3
2
3
2
3
Y=26.9 + 0.01089X - 0.000115 X + 0.000000 X
Jatiwangi
Y=26.6 + 0.01950X - 0.000197 X + 0.000001 X3
Semarang
Y=27.3 + 0.01633X - 0.000190 X + 0.000001 X
Surabaya
2 2
3
2
3
2
3
Y=27.7 + 0.00181X - 0.000002 X - 0.000000 X
Surabaya Auri Y=27.5 + 0.00161X - 0.000012 X - 0.000000 X Ket : Y = Suhu , X = Sunspot
panjang hari pada serta sudut datangnya matahari. Sehingga berdasarkan faktor faktor inilah yang menyebabkan pengaruh sunspot terhadap unsur cuaca khususnya radiasi tidak terjadi secara linier. 4.2 Pengaruh Sunspot terhadap Suhu dan RH Pengaruh sunspot terhadap suhu dan RH dapat dilihat pada Tabel 3 dan 4. Tabel 3 menunjukkan persamaan regresi hubungan antara sunspot dengan suhu. Dari tebel tersebut dapat dilihat bahwa terdapat 10 lokasi yang menunjukkan suhu meningkat ketika nilai sunspot maksimum (naik), dan 3 lokasi (Bengkulu, Surabaya dan Surabaya Auri) menunjukkan hasill sebaliknya yaitu suhu menurun ketika jumlah sunspot meningkat. Dilihat berdasarkan letak lintang, bahwa untuk lintang utara (Blangbintang dan Marihat) dan ekuator (Pekanbaru dan Pangkal pinang) mengalami peningkatan suhu udara ketika terjadinya siklus sunspot. Sedangkan untuk daerah lintang selatan terdapat dua pola yang berbeda yaitu ketika siklus sunspot terjadi maka suhu meningkat dan menurun. Adapun terdapat 3 lokasi yang mengalami penurunan suhu udara ketika sunspot meningkat yaitu Bengkulu, Surabaya dan Surabaya Auri. Menurut Susanto (2003), suhu udara rata-rata di daerah tropika lebih rendah selama periode sunspot maksimum dan lebih tinggi dari nilai normal selama periode sunspot minimum. Keadaan yang sama juga berlaku bagi daerah lintang sedang, tetapi justru kebalikannya bagi daerah
subtropika yang kering. Sedangkan penelitian ini menunjukkan hal yang berbeda yaitu didaerah tropika suhu udara lebih tinggi ketika sunspot meningkat dan lebih rendah jika sunspot menurun. Perbedaaan ini disebabkan adanya perbedaan penggunaan data antara penelitian ini dengan penelitian yang dilalukan oleh Susanto (2004). Perbedaan tersebut yaitu penelitian ini menggunakan data jumlah sunspot sedangkan penelitian sebelumnya menggunakan data Siklus Sunspot. Dan juga perbedaan penggunaan metode dan data penunjang lain. Pengaruh sunspot terhadap RH dapat dilihat pada Tabel 4. Dari tabel tersebut dapat diketahui bahwa terdapat 6 lokasi dimana ketika terjadi siklus sunspot nilai RH mengalami peningkatan. Adapun lokasinya yaitu Blangbintang, Marihat, Pekanbaru, Bengkulu, Surabaya dan Surabaya Auri. Sedangkan 7 lokasi yang lain mengalami penurunan RH ketika terjadinya siklus sunspot. Untuk daerah lintang utara (Blangbintang dan Marihat) menunjukkan pola dimana RH meningkat ketika terjadinya siklus sunspot. Sedangkan Lintang selatan hampir semuanya menunjukan pola yang berbeda yaitu ketika terjadi siklus sunspot maka RH akan mengalami penurunan, tetapi terdapat 3 lokasi yang berpola sebaliknya yaitu Bengkulu, Surabaya dan Surabaya Auri. Kita ketahui bahwa radiasi meningkat akan mengakibatkan peningkatan suhu udara dan penurunan kelembaban (RH),
Tabel 4 Persamaan regresi antara sunspot dengan RH Lokasi Regresi cubic 2 3 Blang bintang Y = 79 + 0.03242 X - 0.000491 X + 0.000002 X 2 Y = 85 + 0.01564 X - 0.000156 X + 0.000000 X3 Marihat 2
3
Y = 82 + 0.04351 X - 0.000680 X + 0.000003 X Pekanbaru 2 3 Pangkal Pinang Y = 83 - 0.06016 X + 0.001013 X - 0.000004 X 2 Y = 85 + 0.00631 X - 0.000414 X + 0.000002 X3 Bengkulu Jambi Jakarta
2
3
Y = 85 - 0.03330 X + 0.000407 X - 0.000001 X 2
3
Bandung
Y = 81 - 0.02029 X - 0.000096 X + 0.000001 X Y = 79 - 0.06400 X + 0.000832 X2 - 0.000003 X3
Banyuwangi
Y = 74 - 0.01015 X + 0.000292 X - 0.000002 X
2
3
2
3
Jatiwangi Semarang
Y = 80 - 0.03812 X + 0.000505 X - 0.000002 X Y = 78 - 0.07478 X + 0.000880 X2 - 0.000003 X3
Surabaya
Y = 76 + 0.05279 X - 0.000681 X + 0.000002 X
2
2
Surabaya Auri Y = 77 + 0.00940 X + 0.000229 X - 0.000001 X Ket : Y = RH , X = Sunspot
3 3
ataupun sebaliknya. Berdasarkan pernyataan tersebut terdapat beberapa pola pengaruh sunspot terhadap cuaca seperti pada daerah Pangkal Pinang, Jambi, Jakarta, Bandung, Jatiwangi, Semarang, dan Surabaya. Dimana ketika sunspot mngalami peningkatan jumlah maka radiasi yang diterima dipermukaan bumi meningkat diikuti juga dengan peningkatan suhu udara dan penurunan kelembaban udara (RH), kecuali untuk daerah Surabaya yang mengalami penurunan radiasi yang diikuti menurunnya suhu dan meningkatnya RH ketika terjadi siklus sunspot. Tetapi hal ini tidak berlaku untuk beberapa lokasi yang lain. Berbeda dengan pengaruh sunspot terhadap radiasi, pengaruh sunspot terhadap suhu dan RH tidak secara langsung. Hal ini karena suhu dipengaruhi oleh penerimaan radiasi dipermukaan bumi. Faktor lain juga sangat mempengaruhi seperti ketinggian tempat, penutupan awan dan adanya pengaruh dari gas rumah kaca 4.3 Uji Regresi dan Nilai Peluang Tabel 5. Nilai peluang yang diasilkan dari persamaan regresi antara sunspot dengan unsur cuaca Lokasi P Radiasi Suhu RH Blang bintang 0.351 tn 0.193 tn 0.683 tn 0.001 * 0.130 tn 0.029 * Marihat 0.036 * 0.002 * 0.068 tn Pekanbaru Pangkal Pinang 0.005 * 0.047 * 0.023 * 0.598 tn 0.000 * 0.000 * Bengkulu 0.356 tn 0.004 * 0.420 tn Jambi 0.033 * 0.003 * 0.123 tn Jakarta 0.009 * 0.199 tn 0.268 tn Bandung 0.524 tn 0.679 tn 0.127 tn Banyuwangi 0.280 tn 0.027 * 0.846 tn Jatiwangi 0.000 * 0.141 tn 0.664 tn Semarang 0.779 tn 0.726 tn 0.317tn Surabaya 0.258 tn 0.060 * 0.218 tn Surabaya Auri Ket *=nyata ; tn=tidak nyata Pengaruh SSN nyata jika nilai peluang < 0.05 ; SK =0.95
Tabel 5 menunjukkan bahwa hubungan antara sunspot dengan unsur cuaca berdasarkan hasil dari nilai peluang. Nilai peluang ini merupakan salah satu pengujian koefisien regresi dengan taraf nyata 0.05. Untuk radiasi hampir 50% terdapat hasil
bahwa nilai peluang (P-value) lebih kecil dari nilai taraf nyata sehingga menunjukan hubungan yang nyata (signifikan). Dari hasil tersebut dapat dilihat bahwa rata rata nilai peluang yang dihasilkan lebih besar dari nilai taraf nyata yang ditetapkan. Berdasarkan uji regresi yang telah dibuat menunjukkan bahwa radiasi yang diterima dipermukaan bumi akan meningkat dengan adanya peningkatan aktivitas di permukaan matahari khususnya sunspot. Akan tetapi hal ini tidak berlaku untuk suhu dan RH karena kedua unsur cuaca ini dipengaruhi oleh radiasinya sendiri dan beberapa faktor antara lain yaitu tempat, letak lintang, emisi dari permukaaan bumi (emisi gelombang panjang), penutupan awan, dan atmosfer (adanya pengaruh gas rumah kaca). Tabel 6. Nilai lag yang dihasilkan oleh pengaruh siklus sunspot terhadap cuaca Lag (bulan) Lokasi Radiasi Suhu RH Blang bintang 0 0 2 Marihat 6 0 0 0 Pekanbaru 0 1 Pangkal Pinang 2 0 0 Bengkulu 0 0 0 Jambi 2 0 1 Jakarta 2 0 0 Bandung 2 1 2 0 Banyuwangi 0 0 Jatiwangi 2 0 2 Semarang 1 0 0 0 0 0 Surabaya 0 0 2 Surabaya Auri Tabel 6 menunjukkan respon yang diterima oleh unsur cuaca akibat adanya aktivitas sunspot. Untuk radiasi, terdapat 7 lokasi yang tidak merespon secara langsung aktivitas sunspot terhadap radiasi, sedangkan 6 lokasi yang lain merespon secara langsung. Sedangkan untuk suhu hampir semua lokasi mengalami respon secara langsung terhadap perubahan siklus sunspot. Akan tetapi hal ini tidak berpengaruh lebih besar terhadap suhu karena perubahan suhu disebabkan oleh adanya perubahan dari radiasi yang diterima dipermukaan bumi, begitu juga untuk RH. Dari nilai lag 13 stasiun, respon paling lambat terjadi di stasiun Marihat dengan lag 6 bulan untuk radiasi, stasiun
Jumlah sunspot terus berubah dari waktu ke waktu. Berubahnya jumlah sunspot juga akan menyebabkan perubahan radiasi yang di pancarkan oleh matahari, sehingga radiasi yang akan diterima oleh bumi juga akan berubah. Tabel 7 merupakan perubahan yang diharapkan atau terjadi pada radiasi ketika adanya perubahan aktivitas siklus sunspot. Hasil tabel merupakan hasil yang didapat berdasarkan persamaan Y =
Tabel 7. Perubahan nilai radiasi akibat perubahan nilai sunspot (Contoh kasus Semarang) X Y ∆X ∆Y 100 22.46 50 0.41 90 22.66 40 0.61 80 22.77 30 0.72 70 22.72 20 0.67 60 22.50 10 0.45 50 22.05 0 0.00 40 21.32 -10 -0.73 30 20.29 -20 -1.76 20 18.90 -30 -3.15 10 17.12 -40 -4.93
14.5 + 0.252 X - 0.00252 X2 + 0.000008 X3
untuk stasiun Semarang. Berdasarkan tabel, perubahan yang terjadi tidak terlalu signifikan. Ada perbedaan perubahan antara kenaikan jumlah sunspot dengan penurunan jumlah sunspot. Dimana ketika jumlah sunspot meningkat, perubahan radiasi tidak terlalu besar. Sedangkan ketika jumlah sunspot menurun, radiasi berubah cukup darastis. Untuk stasiun Semarang, hasil regresi yang didapat menunjukkan peningkatan radiasi ketika jumlah sunspot meningkat. Berdasrkan hasil regresi tersebut, maka dari tabel 7 dapat dijelaskan bahwa di stasiun semarang akan mengalami penurunan radiasi yang drastis jika jumlah sunspot menurun. Nilai perubahan yang ditimbulkan oleh perubahan sunspot akan berbeda di setiap tempat. Hal ini tergantung dari suatu tempat dalam merespon penerimaan radiasi matahari yang ditimbulkan oleh aktivitas sunspot dan juga adanya faktor dari kemampuan atmosfer dalam memfilter sinar UV yang dipancarkan oleh matahari
Ket : X = Sunspot , Y = Radiasi (Y = 14.5 + 0.252 X - 0.00252 X2 + 0.000008 X3)
Bandung dengan lag 1 bulan untuk suhu, dan stasiun Blang Bintang, Bandung, Jatiwangi, dan Surabaya Auri dengan lag 2 bulan untuk RH. Respon paling cepat terjadi di stasiun Blang Bintang, Pekanbaru, Bengkulu, Banyuwangi dan Surabaya denga lag 0 bulan untuk radiasi. Respon yang diterima oleh suhu paling cepat yaiutu denganlag 0 bulan di hampir seluruh stasiun kecuali Bandung. Adanya nilai lag ini disebabkan oleh adanya pengaruh faktor lain terhadap penerimaan radiasi dan perubahan unsur cuaca yang lain. Faktor lain tersebut seperti letak lintang, ketinggian tempat dan adanya pengaruh aktivitas atmosferik seperti gas rumah kaca.
Tabel 8. Perbandingan nilai unsur cuaca observasi dengan dugaan berdasarkan persamaan regresi Observasi
Dugaan Regresi
Radiasi
Suhu
RH
SSN
Radiasi
Suhu
RH
Jan-04
19,8
24,8
83
37,3
19,1
24,6
85
Feb-04
18,7
24,8
85
45,8
19,1
24,6
85
Mar-04
21,4
25,3
83
49,1
19,2
24,6
85
Apr-04
21,9
25,9
82
39,3
19,1
24,6
85
Mei-04
21,1
25,5
80
41,5
19,1
24,6
85
Jun-04
19,2
25,2
80
43,2
19,1
24,6
85
Jul-04
16,9
24,4
85
51,1
19,1
24,6
85
Agust-04
20,0
24,9
82
40,9
19,1
24,6
85
Sep-04
19,6
24,7
84
27,7
19,1
24,5
85
Okt-04
18,3
24,5
86
48
19,2
24,6
85
Nop-04
19,5
24,8
84
43,5
19,1
24,6
85
Des-04
16,4
24,4
86
17,9
19,0
24,5
85
Ket : Studi Kasus Daerah Marihat
Pe rbandingan Obs e rvas i de ngan Has il Dugaan Re gre s i 25.0 Radiasi
20.0 15.0 10.0 5.0
Bulan
N ov -0 4
S ep -0 4
Ju l-0 4
M ay -0 4
M ar -0 4
Ja n0 4
0.0
Observasi Radiasi model Radiasi
Gambar 5. Perbandingan Data Observasi dengan Hasil Dugaan Model untuk Radiasi 4.4 Perbandingan Nilai Unsur Cuaca Observasi dengan Dugaan Regresi Untuk membuktikan seberapa besar pengaruh yang disebabkan oleh sunspot terhadap cuaca, maka perlu dibandingkan antara hasil dugaan model yaitu regresi dengan data observasi. Tabel 8 menunjukkan perbandingan nilai unsur cuaca antara observasi dengan hasil dugaan regresi setelah nilai sunspot dimasukkan kedalam persamaan. Data observasi yang diambil dari unsur cuaca merupakan data tahun 2004 yang tidak dimasukan dalam menganalisis hubungan antara unsur cuaca engan sunspot. Sehingga dibandingkan dengan hasil dugaan regresi, dimana nilai sunpot yang dimasukkan kedlam persamaan adalah data tahun 2004. Maka hasil tersebut dapat dilihat pada tabel 8 dan gambar 5 bahwa nilai yang dihasilkan dari dugaan regresi tidak terlalu berbeda jauh dengan data lapangan. Dari gambar 5 dan tabel 8 jelas terlihat bahwa hasil dugaan regresi lebih rendah dibandingkan data observasi. Sehingga dapat dijelaskan bahwa di stasiun Marihat, ketika adanya sunspot maka radiasi akan menurun, suhu menurun dan RH meningkat. V .KESIMPULAN DAN SARAN Kesimpulan Hubungan antara sunspot dengan cuaca secara linier tidak terlalu signifikan dibandingkan hubungan secara non linier. Karena nilai korelasi non linier lebih besar dibandingkan nilai korelasi linier. Hubungan korelasi terbesar terjadi pada stasiun
Semarang 20.1 % untuk radiasi. Hubungan antara sunspot dengan suhu udara menunjukkan bahwa di daerah tropika suhu udara menigkat dengan penigkatan jumlah sunspot. Hasil respon yang diterima stiap stasiun terhadap perubahan jumlah sunspot beredabeda. Respon paling lambat terjadi di stasiun Marihat dengan lag 6 bulan. Sedangkan respon paling cepat terjadi pada stasiun Blangbintang. Respon suhu rata rata di setiap stasiun seluruhnya cepat dengan lag 0 bulan, kecuali bandung dengan lag 1 bulan. Perubahan radiasi yang terjadi di stasiun Semarang tidak terlalu signifikan jika jumlah sunspot meningkat, tetapi akan drastic jika jumlah sunspot menurun. Saran Untuk penelitian selanjutnya tentang sunspot terhadap cuaca atau perubahan iklim disarankan untuk melihat data-data penunjang lainnya seperti data angin siklon yang merupakan salah satu kejadian cuaca ektrim, dan informasi tentang perubahan yang terjadi di permukaan matahari seperti antivitas ledakan bintik matahari.
VI. DAFTAR PUSTAKA Anggraini, S. D. 2004. Identifikasi Siklus Bintik Matahari terhadap Spektrum Curah Hujan di Pulau Jawa. Skripsi. FMIPA. IPB. Tidak dipublikasikan. Chistiani, A. 2004. Pengaruh Aktivitas Matahari (Solar Activity) terhadap Perubahan Cuaca di Indonesia Berdsarkan Teori Fractal dan Hubungannya dengan Fenomena EL-Nino. Skripsi. FMIPA. IPB. Bogor. Tidak dipublikasikan. Ellyati, D. V. 2001 Observatorium Matahari Watukosek: Mengamati Matahari dari Puncak Bukit 'Gunung Perahu'. Ferry's Astronomy Page. LAPAN Handoko. 1993. Kelembaban udara. Dalam: Handoko(edt), Klimatologi Dasar. Meteor (Scientific Instrumentation). Bogor. pp (51-61) ______. 1993. Radiasi surya. Dalam: Handoko(edt), Klimatologi Dasar. Meteor (Scientific Instrumentation). Bogor. pp (25-36) ______. 1993. Suhu udara. Dalam: Handoko(edt), Klimatologi Dasar. Meteor (Scientific Instrumentation). Bogor. pp (37-50) Hathaway, D. H. and Wilson, R. M. 2004, "What the Sunspot Record Tells Us about Space Climate", Solar Phys., submitted. Hathaway, D. H., Nandy, D., Wilson, R.M., and Reichmann, E.J. 2003, "Evidence that a Deep Meridional Flow Sets the Sunspot Cycle Period", ApJ, 589, 665. Hathaway, D. H., Wilson, R. M., and Reichmann, E. J. 2002, "Group Sunspot Numbers: Sunspot Cycle Characteristics", Solar Phys., 211, 357. _______. 1999, "A synthesis of solar cycle prediction techniques", J. Geophys. Res., 104, 22,375. Lean, L and Rind, D. 1996. The sun and climate. Conesquences. 2:1 Nasir, A. A. 1993. Ruang lingkup klimatologi. In: Handoko(edt), Klimatologi Dasar. Meteor (Scientific Instrumentation). Bogor. pp (1-10) Richard, G.A, Luis S.P, Dirk R, Martin S. 1998. Crop Evapotranspiration. FAO. Rome.
Susanto,
R 2003 Pengaruh Kegiatan Matahari Pada Medan Magnet dan Atmosfer Bumi. Almanak NUBIKAPUSNUBIKA YNI-AD. Walpole, R. E. 1995. Pengantar Statistika. Edisi ke-3. Gramedia Pustaka Utama. Jakarta Wirjohamidjojo S. 2000. Ragam iklim di bumi. Dalam Kamus Istilah Meteorologi. Pusat Pembinaan dan Pengembangan Bahasa Departemen Pendidikan dan Kebudayaan Jakarta. Yatini, C. Y. 2004 Variasi konstanta matahari dan kaitannya dengan aktivitas matahari. Jurnal Fisika Himpunan Fisika Indonesia. 0420:A4 The Sunspot Cycle http://science.nasa.gov/solar/sunspots.htm Yuli . 2000. Matahari http://www.google.co.id/softhome.net/matah ari.htm http://www.lablink.or.id/Eko/matahari.htm ( 30 Juni 2001) http://www.xradiograph.com/blog/2003_11_ 01_xradigraph_archive.html (01 November 2003) http://www.windows.ucar.edu/tour/link=/sun /atmosphere/sunspot_magnetism.ht ml (11 Agustus 2005)
LAMPIRAN
Lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 1 Blang Bintang Polynomial Regression Analysis: RAD versus SSN The regression equation is RAD = 17.38 - 0.00998 SSN - 0.000020 SSN**2 + 0.000001 SSN**3 S = 3.30703
R-Sq = 1.4%
R-Sq(adj) = 0.1% Radiasi vs SSN
Analysis of Variance DF 3 224 227
SS 35.99 2449.76 2485.75
MS 11.9968 10.9364
F 1.10
P 0.351
3.30703 1.4% 0.1%
20 Rad
Source Regression Error Total
S R-Sq R-Sq(adj)
25
15
Sequential Analysis of Variance 10
Source Linear Quadratic Cubic
DF 1 1 1
SS 6.1387 28.5596 1.2919
F 0.56 2.62 0.12
P 0.455 0.107 0.731
0
50
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 26.15 + 0.007339 SSN - 0.000043 SSN**2 + 0.000000 SSN**3 S = 0.703738
R-Sq = 2.1%
R-Sq(adj) = 0.8%
Suhu vs SSN
Analysis of Variance DF 3 224 227
SS 2.363 110.935 113.298
MS 0.787598 0.495247
F 1.59
P 0.193
0.703738 2.1% 0.8%
27 SUHU
Source Regression Error Total
S R-Sq R-Sq(adj)
28
26
25
Sequential Analysis of Variance 24
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.03561 2.32692 0.00027
F 0.07 4.72 0.00
0
P 0.790 0.031 0.981
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 79.17 + 0.03803 SSN - 0.000392 SSN**2 + 0.000001 SSN**3 S = 5.58834
R-Sq = 0.3%
R-Sq(adj) = 0.0% RH vs SSN
Analysis of Variance DF 3 224 227
SS 19.52 6995.41 7014.93
MS 6.5066 31.2295
F 0.21
S R-Sq R-Sq(adj)
90
P 0.891
85 80 RH
Source Regression Error Total
95
75
Sequential Analysis of Variance
70 65
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.0844 15.2834 4.1521
F 0.00 0.49 0.13
P 0.958 0.484 0.716
60 0
50
100 SSN
150
200
5.58834 0.3% 0.0%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 2. Bandung Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 19.98 - 0.02165 SSN + 0.000141 SSN**2 - 0.000000 SSN**3 S = 2.49290
R-Sq = 1.1%
R-Sq(adj) = 0.1% Radiasi vs SSN
Analysis of Variance DF 3 272 275
SS 19.51 1690.36 1709.87
MS 6.50277 6.21457
F 1.05
P 0.372
20
15
10
Sequential Analysis of Variance
0
Source Linear Quadratic Cubic
DF 1 1 1
SS 4.4626 14.9220 0.1236
2.49290 1.1% 0.1%
Rad
Source Regression Error Total
S R-Sq R-Sq(adj)
25
F 0.72 2.41 0.02
50
P 0.398 0.122 0.888
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 22.82 + 0.006759 SSN - 0.000058 SSN**2 + 0.000000 SSN**3 S = 0.670155
R-Sq = 0.8%
R-Sq(adj) = 0.0% Suhu vs SSN 29
Analysis of Variance
S R-Sq R-Sq(adj)
28
DF 3 272 275
SS 1.045 122.157 123.202
MS 0.348211 0.449108
F 0.78
27
P 0.509
26 SUHU
Source Regression Error Total
DF 1 1 1
25 24 23 22
Sequential Analysis of Variance Source Linear Quadratic Cubic
0.670155 0.8% 0.0%
SS 0.080055 0.896276 0.068301
F 0.18 2.00 0.15
21 20
P 0.673 0.158 0.697
0
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 79.03 - 0.05409 SSN + 0.000593 SSN**2 - 0.000002 SSN**3 S = 5.44297
R-Sq = 0.8%
R-Sq(adj) = 0.0%
RH vs SSN 90
S R-Sq R-Sq(adj)
Analysis of Variance 85
DF 3 272 275
SS 63.39 8058.25 8121.64
MS 21.1287 29.6259
F 0.71
DF 1 1 1
SS 44.1174 2.3189 16.9499
80 75 70
Sequential Analysis of Variance Source Linear Quadratic Cubic
P 0.545 RH
Source Regression Error Total
F 1.50 0.08 0.57
P 0.222 0.780 0.450
65 60 0
50
100 SSN
150
200
5.44297 0.8% 0.0%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 3. Marihat Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 18.98 + 0.00240 SSN + 0.000022 SSN**2 + 0.000000 SSN**3 S = 2.16249
R-Sq = 2.8%
R-Sq(adj) = 1.8% Radiasi vs SSN
DF 3 284 287
SS 38.21 1328.09 1366.30
MS 12.7356 4.6764
F 2.72
DF 1 1 1
SS 36.7791 1.4258 0.0019
20.0
17.5
Sequential Analysis of Variance Source Linear Quadratic Cubic
2.16249 2.8% 1.8%
22.5
P 0.045 Rad
Source Regression Error Total
S R-Sq R-Sq(adj)
25.0
Analysis of Variance
F 7.91 0.31 0.00
15.0
P 0.005 0.581 0.984
0
50
100 SSN
150
200
Polynomial Regression Analysis: Suhu versus SSN The regression equation is Suhu = 24.37 + 0.008407 SSN - 0.000082 SSN**2 + 0.000000 SSN**3 S = 0.462238
R-Sq = 2.0%
R-Sq(adj) = 0.9% Suhu vs SSN
DF 3 284 287
SS 1.2185 60.6806 61.8991
MS 0.406175 0.213664
F 1.90
0.462238 2.0% 0.9%
25.5
P 0.130
25.0 Suhu
Source Regression Error Total
S R-Sq R-Sq(adj)
26.0
Analysis of Variance
24.5
24.0
Sequential Analysis of Variance 23.5
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.036665 0.986947 0.194915
F 0.17 4.62 0.91
P 0.681 0.032 0.340
0
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 84.65 + 0.01564 SSN - 0.000156 SSN**2 + 0.000000 SSN**3 S = 1.99909
R-Sq = 3.1%
R-Sq(adj) = 2.1% RH vs SSN
Source Regression Error Total
DF 3 284 287
hasil persamaan regresi qubic dari setiap lokasi.
SS 36.50 1134.97 1171.47
90
MS 12.1678 3.9964
F 3.04
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 20.0160 16.2731 0.2142
F 4.97 4.09 0.05
P 0.027 0.044 0.817
S R-Sq R-Sq(adj)
85
P 0.029 RH
Lanjutanoflampiran Analysis Variance1
80
75
70 0
50
100 SSN
150
200
1.99909 3.1% 2.1%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 4. Pangkal Pinang Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 14.64 + 0.00164 SSN + 0.000014 SSN**2 + 0.000000 SSN**3 S = 4.19763
R-Sq = 3.9%
R-Sq(adj) = 2.8%
Radiasi vs SSN S R-Sq R-Sq(adj)
25.0
Analysis of Variance DF 3 272 275
22.5
SS 192.49 4792.66 4985.15
MS 64.1635 17.6201
F 3.64
P 0.013
20.0 Rad
Source Regression Error Total
4.19763 3.9% 2.8%
17.5 15.0 12.5
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 166.416 25.446 0.629
F 9.46 1.45 0.04
10.0 0
P 0.002 0.230 0.850
50
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 25.93 + 0.01641 SSN - 0.000148 SSN**2 + 0.000000 SSN**3 S = 0.845580
R-Sq = 2.9%
R-Sq(adj) = 1.8%
Suhu vs SSN S R-Sq R-Sq(adj)
28
Analysis of Variance
0.845580 2.9% 1.8%
DF 3 272 275
SS 5.775 194.481 200.257
MS 1.92510 0.71500
F 2.69
P 0.047
SUHU
27
Source Regression Error Total
26
25
24
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 0.06587 5.23505 0.47438
F 0.09 7.33 0.66
23 0
P 0.764 0.007 0.416
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 82.89 - 0.06016 SSN + 0.001013 SSN**2 - 0.000004 SSN**3 S = 4.30246
R-Sq = 3.4%
R-Sq(adj) = 2.4%
RH vs SSN 95
S R-Sq R-Sq(adj)
Analysis of Variance 90
DF 3 272 275
SS 179.70 5035.04 5214.74
MS 59.8990 18.5112
F 3.24
P 0.023
85 RH
Source Regression Error Total
80
75
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 122.284 0.154 57.258
F 6.58 0.01 3.09
P 0.011 0.928 0.080
70 0
50
100 SSN
150
200
4.30246 3.4% 2.4%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 5. Bengkulu Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 19.39 + 0.02961 SSN - 0.000344 SSN**2 + 0.000001 SSN**3 S = 2.09590
R-Sq = 0.7%
R-Sq(adj) = 0.0%
Radiasi vs SSN 26
Analysis of Variance
S R-Sq R-Sq(adj)
24
2.09590 0.7% 0.0%
22
DF 3 272 275
SS 8.27 1194.85 1203.12
MS 2.75701 4.39282
F 0.63
P 0.598
20 Rad
Source Regression Error Total
18 16 14 12
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 0.51239 2.68661 5.07201
F 0.12 0.61 1.15
10 0
P 0.733 0.435 0.284
50
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 25.88 + 0.009559 SSN - 0.000018 SSN**2 - 0.000000 SSN**3 S = 0.589824
R-Sq = 10.2%
R-Sq(adj) = 9.3% Suhu vs SSN 28.5
Analysis of Variance
S R-Sq R-Sq(adj)
28.0
DF 3 272 275
SS 10.800 94.627 105.426
MS 3.59984 0.34789
F 10.35
P 0.000
27.5 27.0 SUHU
Source Regression Error Total
0.589824 10.2% 9.3%
26.5 26.0 25.5
Sequential Analysis of Variance
25.0
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.5575 10.0529 0.1892
F 1.46 28.94 0.54
P 0.229 0.000 0.461
0
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 85.42 + 0.00631 SSN - 0.000414 SSN**2 + 0.000002 SSN**3 S = 2.52789
R-Sq = 6.8%
R-Sq(adj) = 5.8%
RH vs SSN 92.5
Analysis of Variance DF 3 272 275
SS 127.11 1738.14 1865.25
MS 42.3686 6.3902
F 6.63
P 0.000
87.5 85.0 RH
Source Regression Error Total
S R-Sq R-Sq(adj)
90.0
82.5 80.0 77.5
Sequential Analysis of Variance
75.0
Source Linear Quadratic Cubic
DF 1 1 1
SS 74.1991 35.8387 17.0680
F 11.35 5.57 2.67
P 0.001 0.019 0.103
0
50
100 SSN
150
200
2.52789 6.8% 5.8%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 6. Semarang Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 14.59 + 0.2452 SSN - 0.002396 SSN**2 + 0.000007 SSN**3 S = 4.21347
R-Sq = 19.5%
R-Sq(adj) = 18.6%
Radiasi vs SSN 30
S R-Sq R-Sq(adj)
Analysis of Variance
4.21347 19.5% 18.6%
DF 3 272 275
SS 1172.20 4828.90 6001.10
MS 390.734 17.753
F 22.01
P 0.000
Rad
25
Source Regression Error Total
15
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 624.651 338.686 208.864
20
F 31.83 18.35 11.76
10 0
P 0.000 0.000 0.001
50
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 27.29 + 0.01633 SSN - 0.000190 SSN**2 + 0.000001 SSN**3 S = 0.773667
R-Sq = 2.0%
R-Sq(adj) = 0.9%
Suhu vs SSN
DF 3 272 275
SS 3.299 162.808 166.107
MS 1.09958 0.59856
F 1.84
P 0.141
DF 1 1 1
SS 0.21227 1.71375 1.37273
27
26
Sequential Analysis of Variance Source Linear Quadratic Cubic
0.773667 2.0% 0.9%
28 SUHU
Source Regression Error Total
S R-Sq R-Sq(adj)
29
Analysis of Variance
F 0.35 2.85 2.29
25 0
P 0.554 0.093 0.131
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 77.75 - 0.07478 SSN + 0.000880 SSN**2 - 0.000003 SSN**3 S = 5.75930
R-Sq = 0.6%
R-Sq(adj) = 0.0%
RH vs SSN 90
Analysis of Variance DF 3 272 275
SS 52.52 9022.12 9074.64
85
MS 17.5071 33.1695
F 0.53
P 0.664
80 RH
Source Regression Error Total
S R-Sq R-Sq(adj)
75 70
Sequential Analysis of Variance
65 60
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.2299 19.5250 32.7665
F 0.01 0.59 0.99
P 0.934 0.444 0.321
0
50
100 SSN
150
200
5.75930 0.6% 0.0%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 7. Surabaya Auri Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 19.95 + 0.01296 SSN + 0.000162 SSN**2 - 0.000001 SSN**3 S = 4.52535
R-Sq = 1.8%
R-Sq(adj) = 0.5%
Radiasi vs SSN 30
S R-Sq R-Sq(adj)
Analysis of Variance
4.52535 1.8% 0.5%
DF 3 224 227
SS 83.14 4587.24 4670.38
MS 27.7119 20.4788
F 1.35
P 0.258
Rad
25
Source Regression Error Total
15
10
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 34.5082 42.9992 5.6282
20
F 1.68 2.11 0.27
0
P 0.196 0.148 0.601
50
100 SSN
150
200
Polynomial Regression Analysis: Suhu versus SSN The regression equation is Suhu = 27.52 + 0.001610 SSN - 0.000012 SSN**2 - 0.000000 SSN**3 S = 0.858518
R-Sq = 3.2%
R-Sq(adj) = 1.9%
Suhu vs SSN 30
S R-Sq R-Sq(adj)
Analysis of Variance
0.858518 3.2% 1.9%
29
DF 3 224 227
SS 5.538 165.100 170.638
MS 1.84603 0.73705
F 2.50
P 0.060
28 Suhu
Source Regression Error Total
27
26
Sequential Analysis of Variance 25
Source Linear Quadratic Cubic
DF 1 1 1
SS 3.99408 1.52289 0.02113
F 5.42 2.08 0.03
0
P 0.021 0.151 0.866
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 76.27 + 0.04936 SSN - 0.000377 SSN**2 + 0.000001 SSN**3 S = 5.66672
R-Sq = 1.7%
R-Sq(adj) = 0.4%
RH vs SSN 90
Analysis of Variance DF 3 224 227
SS 122.49 7193.02 7315.51
MS 40.8297 32.1117
F 1.27
P 0.285
80 75 RH
Source Regression Error Total
S R-Sq R-Sq(adj)
85
70 65
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 103.465 15.317 3.707
F 3.24 0.48 0.12
P 0.073 0.490 0.734
60
0
50
100 SSN
150
200
5.66672 1.7% 0.4%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 8.Jakarta Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 17.09 + 0.07051 SSN - 0.000811 SSN**2 + 0.000003 SSN**3 S = 3.22980
R-Sq = 2.0%
R-Sq(adj) = 0.9%
Radiasi vs SSN
Analysis of Variance DF 3 272 275
SS 56.96 2837.40 2894.36
MS 18.9854 10.4316
F 1.82
P 0.144
3.22980 2.0% 0.9%
20
Rad
Source Regression Error Total
S R-Sq R-Sq(adj)
25
15
10
Sequential Analysis of Variance 5
Source Linear Quadratic Cubic
DF 1 1 1
SS 18.4443 8.4822 30.0295
F 1.76 0.81 2.88
0
P 0.186 0.370 0.091
50
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 26.61 + 0.01436 SSN - 0.000131 SSN**2 + 0.000000 SSN**3 S = 0.634253
R-Sq = 5.1%
R-Sq(adj) = 4.1% Suhu vs SSN
Analysis of Variance DF 3 267 270
SS 5.820 107.408 113.228
MS 1.94000 0.40228
F 4.82
P 0.003
0.634253 5.1% 4.1%
28 SUHU
Source Regression Error Total
S R-Sq R-Sq(adj)
29
27
26
Sequential Analysis of Variance 25
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.22670 5.29179 0.30153
F 0.54 13.17 0.75
0
P 0.463 0.000 0.387
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 80.65 - 0.02029 SSN - 0.000096 SSN**2 + 0.000001 SSN**3 S = 4.51012
R-Sq = 2.1%
R-Sq(adj) = 1.0% RH vs SSN
Analysis of Variance DF 3 267 270
SS 118.54 5431.10 5549.64
MS 39.5139 20.3412
F 1.94
85
P 0.123
80 RH
Source Regression Error Total
S R-Sq R-Sq(adj)
90
75
Sequential Analysis of Variance
70
65
Source Linear Quadratic Cubic
DF 1 1 1
SS 42.6466 71.0109 4.8841
F 2.08 3.50 0.24
P 0.150 0.062 0.625
0
50
100 SSN
150
200
4.51012 2.1% 1.0%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 9. Jatiwangi Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 20.09 + 0.02459 SSN - 0.000419 SSN**2 + 0.000002 SSN**3 S = 3.65649
R-Sq = 0.7%
R-Sq(adj) = 0.0% Radiasi vs SSN 30
Analysis of Variance DF 3 272 275
SS 25.39 3636.62 3662.01
MS 8.4627 13.3699
F 0.63
3.65649 0.7% 0.0%
25
P 0.594 Rad
Source Regression Error Total
S R-Sq R-Sq(adj)
20
15
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 14.6708 0.4027 10.3145
F 1.10 0.03 0.77
10
P 0.295 0.862 0.381
0
50
100 SSN
150
200
Polynomial Regression Analysis: Suhu versus SSN The regression equation is Suhu = 26.63 + 0.01950 SSN - 0.000197 SSN**2 + 0.000001 SSN**3 S = 0.829346
R-Sq = 3.4%
R-Sq(adj) = 2.3% Suhu vs SSN 30
Analysis of Variance DF 3 266 269
SS 6.418 182.959 189.376
MS 2.13923 0.68781
F 3.11
29
P 0.027
28
27
Sequential Analysis of Variance
26
Source Linear Quadratic Cubic
25
DF 1 1 1
SS 0.02570 5.32064 1.07135
0.829346 3.4% 2.3%
Suhu
Source Regression Error Total
S R-Sq R-Sq(adj)
F 0.04 7.72 1.56
P 0.849 0.006 0.213
0
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 79.91 - 0.01684 SSN + 0.000036 SSN**2 + 0.000000 SSN**3 S = 8.02406
R-Sq = 0.2%
R-Sq(adj) = 0.0%
RH vs SSN 95
Analysis of Variance DF 3 266 269
SS 34.3 17126.5 17160.8
MS 11.4298 64.3855
F 0.18
85
P 0.912
80 RH
Source Regression Error Total
S R-Sq R-Sq(adj)
90
75 70 65
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 18.4953 15.5977 0.1965
F 0.29 0.24 0.00
P 0.591 0.622 0.956
60 55 0
50
100 SSN
150
200
8.02406 0.2% 0.0%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 10. Jambi Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 16.82 + 0.01485 SSN - 0.000238 SSN**2 + 0.000001 SSN**3 S = 2.89336
R-Sq = 0.2%
R-Sq(adj) = 0.0%
Radiasi vs SSN 25
S R-Sq R-Sq(adj)
Analysis of Variance DF 3 272 275
SS 4.55 2277.06 2281.61
MS 1.51694 8.37153
F 0.18
P 0.909
20
Rad
Source Regression Error Total
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 0.66405 0.39344 3.49334
F 0.08 0.05 0.42
2.89336 0.2% 0.0%
15
10
P 0.778 0.828 0.519
0
50
100 SSN
150
200
Polynomial Regression Analysis: Suhu versus SSN The regression equation is Suhu = 26.36 + 0.01607 SSN - 0.000176 SSN**2 + 0.000001 SSN**3 S = 0.505529
R-Sq = 4.9%
R-Sq(adj) = 3.8%
Suhu vs SSN S R-Sq R-Sq(adj)
28
Analysis of Variance
0.505529 4.9% 3.8%
DF 3 267 270
SS 3.5054 68.2343 71.7397
MS 1.16845 0.25556
F 4.57
P 0.004
Suhu
27
Source Regression Error Total
25
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 0.10000 2.35367 1.05170
26
F 0.38 9.10 4.12
24 0
P 0.541 0.003 0.043
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 84.54 - 0.01420 SSN + 0.000110 SSN**2 - 0.000000 SSN**3 S = 2.34903
R-Sq = 0.6%
R-Sq(adj) = 0.0%
RH vs SSN 90.0
Analysis of Variance DF 3 267 270
SS 8.93 1473.29 1482.21
87.5
MS 2.97634 5.51792
F 0.54
P 0.656
85.0 RH
Source Regression Error Total
S R-Sq R-Sq(adj)
82.5 80.0
Sequential Analysis of Variance
77.5 75.0
Source Linear Quadratic Cubic
DF 1 1 1
SS 6.70283 1.90534 0.32084
F 1.22 0.35 0.06
P 0.270 0.557 0.810
0
50
100 SSN
150
200
2.34903 0.6% 0.0%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 11. Banyuwangi Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 20.67 - 0.00375 SSN + 0.000195 SSN**2 - 0.000001 SSN**3 S = 4.66495
R-Sq = 0.9%
R-Sq(adj) = 0.0% Radiasi vs SSN 30
Analysis of Variance DF 3 248 251
SS 48.91 5396.91 5445.82
MS 16.3025 21.7617
F 0.75
25
P 0.524
20
15
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 11.2674 31.6528 5.9873
4.66495 0.9% 0.0%
Rad
Source Regression Error Total
S R-Sq R-Sq(adj)
F 0.52 1.46 0.28
10
P 0.472 0.228 0.600
0
50
100 SSN
150
200
Polynomial Regression Analysis: SUHU versus SSN The regression equation is SUHU = 26.88 + 0.01089 SSN - 0.000115 SSN**2 + 0.000000 SSN**3 S = 0.931405
R-Sq = 0.7%
R-Sq(adj) = 0.0% Suhu vs SSN
Analysis of Variance DF 3 228 231
SS 1.316 197.793 199.109
MS 0.438545 0.867514
F 0.51
DF 1 1 1
27
26
25
Sequential Analysis of Variance Source Linear Quadratic Cubic
0.931405 0.7% 0.0%
28
P 0.679 SUHU
Source Regression Error Total
S R-Sq R-Sq(adj)
29
SS 0.203861 0.717334 0.394439
F 0.24 0.83 0.45
24
P 0.628 0.364 0.501
0
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 74.43 - 0.01015 SSN + 0.000292 SSN**2 - 0.000002 SSN**3 S = 3.14287
R-Sq = 2.5%
R-Sq(adj) = 1.2% RH vs SSN 85
Analysis of Variance DF 3 229 232
SS 56.89 2261.98 2318.87
MS 18.9636 9.8776
F 1.92
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 15.1890 32.3460 9.3559
P 0.127
80
RH
Source Regression Error Total
F 1.52 3.28 0.95
P 0.218 0.072 0.331
S R-Sq R-Sq(adj)
75
70
65 0
50
100 SSN
150
200
3.14287 2.5% 1.2%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 12. Surabaya Perak Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 20.43 - 0.00965 SSN - 0.000008 SSN**2 + 0.000000 SSN**3 S = 4.87595
R-Sq = 0.4%
Radiasi vs SSN
R-Sq(adj) = 0.0% 30
S R-Sq R-Sq(adj)
Analysis of Variance
4.87595 0.4% 0.0%
Source Regression Error Total
DF 3 248 251
SS 26.01 5896.17 5922.17
MS 8.6691 23.7749
F 0.36
P 0.779
Rad
25
15
10
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 2.2577 22.8744 0.8754
F 0.10 0.97 0.04
20
0
P 0.758 0.327 0.848
50
100 SSN
150
200
Polynomial Regression Analysis: Suhu versus SSN The regression equation is Suhu = 27.74 + 0.001808 SSN - 0.000002 SSN**2 - 0.000000 SSN**3 S = 0.828871
R-Sq = 0.6%
R-Sq(adj) = 0.0%
Suhu vs SSN 31
Analysis of Variance DF 3 220 223
SS 0.902 151.146 152.048
MS 0.300800 0.687027
F 0.44
P 0.726
0.828871 0.6% 0.0%
29 Suhu
Source Regression Error Total
S R-Sq R-Sq(adj)
30
28 27 26
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 0.199323 0.684575 0.018503
F 0.29 1.00 0.03
25 0
P 0.590 0.318 0.870
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 76.12 + 0.05279 SSN - 0.000681 SSN**2 + 0.000002 SSN**3 S = 6.72537
R-Sq = 1.6%
R-Sq(adj) = 0.2%
RH vs SSN 90
S R-Sq R-Sq(adj)
Analysis of Variance DF 3 220 223
SS 160.4 9950.7 10111.1
MS 53.4709 45.2306
F 1.18
DF 1 1 1
SS 110.655 37.000 12.758
70
60
Sequential Analysis of Variance Source Linear Quadratic Cubic
P 0.317
RH
80
Source Regression Error Total
F 2.46 0.82 0.28
P 0.118 0.366 0.596
50 0
50
100 SSN
150
200
6.72537 1.6% 0.2%
Lanjutan lampiran 1 hasil persamaan regresi qubic dari setiap lokasi. 13. Pekan Baru Polynomial Regression Analysis: Rad versus SSN The regression equation is Rad = 18.25 - 0.01602 SSN - 0.000157 SSN**2 + 0.000001 SSN**3 S = 3.52859
R-Sq = 3.4%
R-Sq(adj) = 2.2%
Radiasi vs SSN 25
S R-Sq R-Sq(adj)
Analysis of Variance DF 3 248 251
SS 108.18 3087.84 3196.02
MS 36.0606 12.4510
F 2.90
P 0.036
20
Rad
Source Regression Error Total
15
10
Sequential Analysis of Variance Source Linear Quadratic Cubic
DF 1 1 1
SS 9.4479 90.4179 8.3160
F 0.74 7.27 0.67
3.52859 3.4% 2.2%
0
P 0.390 0.007 0.415
50
100 SSN
150
200
Polynomial Regression Analysis: Suhu versus SSN The regression equation is Suhu = 26.26 + 0.01935 SSN - 0.000230 SSN**2 + 0.000001 SSN**3 S = 0.627360
R-Sq = 6.1%
R-Sq(adj) = 4.9% Suhu vs SSN 29
Analysis of Variance DF 3 239 242
SS 6.137 94.066 100.203
MS 2.04570 0.39358
F 5.20
0.627360 6.1% 4.9%
28
P 0.002 Suhu
Source Regression Error Total
S R-Sq R-Sq(adj)
27
26
Sequential Analysis of Variance 25
Source Linear Quadratic Cubic
DF 1 1 1
SS 1.48751 2.84050 1.80909
F 3.63 7.11 4.60
P 0.058 0.008 0.033
0
50
100 SSN
150
200
Polynomial Regression Analysis: RH versus SSN The regression equation is RH = 82.40 + 0.00014 SSN + 0.000086 SSN**2 - 0.000001 SSN**3 S = 2.32238
R-Sq = 0.6%
R-Sq(adj) = 0.0% RH vs SSN
Analysis of Variance
S R-Sq R-Sq(adj)
90.0 87.5
DF 3 239 242
SS 7.69 1289.03 1296.72
MS 2.56414 5.39344
F 0.48
P 0.700
85.0 RH
Source Regression Error Total
82.5 80.0
Sequential Analysis of Variance
77.5 75.0
Source Linear Quadratic Cubic
DF 1 1 1
SS 0.02581 6.47752 1.18909
F 0.00 1.20 0.22
P 0.945 0.273 0.639
0
50
100 SSN
150
200
2.32238 0.6% 0.0%