IV. HASIL DAN PEMBAHASAN

Transkripsi

1 1 kanonik ini merefleksikan keragaman bahwa variabel observasi memberikan kontribusi terhadap variabel kanonik. Semakin besar koefisiennya, maka akan semakin penting dalam penurunan variabel kanonik Evaluasi Produksi Kelapa Sawit Terhadap ENSO Luas panen dan produksi kelapa sawit dari tahun dikorelasikan dengan data tahun-tahun El Nino dan dilihat pengaruh El Nino terhadapnya Estimasi Perubahan Curah Hujan Terhadap Suhu Permukaan Laut Dengan menggunakan data ASPL nino 3.4 dan data anomali curah hujan, dapat dilihat besar perubahan curah hujan terhadap Suhu Permukan Laut. Ano = aktual - rata IV. HASIL DAN PEMBAHASAN 4.1. Keadaan Umum Wilayah Penelitian Pola curah hujan di Kebun Marihat Kebun Marihat merupakan salah satu kebun milik PTP Nusantara IV yang berada pada 99 5 BT dan 2 55 LU dengan elevasi 369 m dpl. Sampai dengan tahun 26, luas areal perkebunan adalah 5.29 Ha. Kebun Marihat bertipe iklim A menurut Schmidt&Ferguson atau bertipe iklim Afa menurut Koppen. Rata-Rata Curah Hujan Kebun Marihat Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Bulan Gambar 12. Rata-rata curah hujan bulanan Kebun Marihat Data curah hujan diambil dari 4 stasiun yaitu Rambutan, Helvetia, Pematang Sijonam, dan Sei Semayang. Keempat stasiun tersebut memiliki pola ekuatorial. Pola ekuatorial dicirikan dengan pola curah hujan bentuk bimodal, yaitu dua puncak hujan yang biasa terjadi pada bulan Maret dan Oktober. Pola ini berhubungan dengan pergerakan zona konvergensi ke utara dan ke selatan mengikuti gerak semu matahari. Pola ini memiliki dua puncak curah hujan dalam setahun Pola curah hujan di Kebun Bekri Kebun Bekri berada di Propinsi Lampung pada 15 8 BT dan 5 4 LS dengan elevasi 35 m dpl. Data curah hujan yang dipergunakan adalah data curah hujan di Stasiun Bekri. Kebun Bekri bertipe iklim A menurut Schmidt&Ferguson atau bertipe iklim Ama menurut Koppen. Rata-Rata Curah Hujan Kebun Bekri jan feb mar apr may jun jul aug sep oct nov dec Bulan Gambar 13. Rata-rata curah hujan bulanan Stasiun Bekri tahun Kebun Bekri memiliki pola curah hujan Moonson. Pola Moonson dicirikan dengan bentuk pola hujannya yang unimodal, yaitu hanya memiliki satu puncak hujan yang biasanya terjadi pada sekitar Desember. Selama enam bulan curah hujan relatif tinggi dan enam bulan berikutnya rendah, peristiwa ini biasanya disebut musim hujan dan musim kemarau. Musim kemarau berlangsung hari April sampai September dan musim hujan berlangsung dari Oktober sampai Maret Analisis korelasi kanonik penyimpangan iklim yang dipergunakan dalam penelitian ini adalah SOI, ASPL dan DMI, sedangkan variabel tak bebasnya adalah curah hujan dari 3 stasiun di Sumatera Utara dan hasil produksi Tandan Buah Segar (TBS) Kelapa Sawit di Kebun Marihat. Dari variabel iklim tersebut dapat dibentuk 3 pasangan variabel kanonik, yaitu V1, V2, V3 dan W1, W2, W3. Setiap variabel kanonik V merupakan fungsi dari variabelvariabel penyimpangan iklim sedangkan variabel kanonik W merupakan fungsi dari variabel curah hujan dan produksi. Koefisienkoefisien yang membentuk persamaan variabel kanonik tersebut disebut sebagai pembobot kanonik (canonical weight) Korelasi SOI, ASPL, dan DMI dengan Curah Hujan Nilai koefisien-koefisien pada persamaan variabel kanonik menunjukkan besarnya kontribuasi variabel asli terhadap variabel kanoniknya. Dari tiga pasangan variabel kanonik masing-masing V1 dengan W1, V2 dengan W2 dan V3 dengan W3 akan diperoleh 3 buah koefisien korelasi kanonik (Tabel 2).

2 11 Pasangan variabel kanonik pertama dari kebun Marihat menunjukkan korelasi yang lebih erat dibandingkan pasangan variabel kanonik kedua dan ketiga. Korelasi tertinggi terjadi pada Lag. Dari Tabel 2 dapat diartikan bahwa korelasi antara variabel kanonik V dengan W cukup erat dengan nilai korelasi.45. Nilai ini menunjukkan bahwa ENSO dan IOD lebih banyak mempengaruhi bulan yang sama, untuk bulan berikutnya pengaruh ENSO dan IOD semakin berkurang. Pasangan variabel pertama dari Kebun Bekri menunjukkan korelasi yang lebih erat dibandingkan pasangan variabel yang kedua. Nilai koefisien korelasi kanonik yang tertinggi yaitu.5 yang terjadi pada Lag dan terus menurun seiiring dengan bertambahnya lag. Namun pada Lag 7 sampai Lag 9, koefisien korelasi kanonik pertama Kebun Bekri menunjukkan korelasi yang lebih erat. Koefisien korelasi kanonik pertama yang paling besar yaitu.61 pada Lag 9. Pasangan variabel kanonik pertama dari Kebun Bekri lebih tinggi daripada pasangan variabel kanonik pertama Kebun Marihat. Hal ini menunjukkan bahwa kejadian ENSO dan IOD lebih mempengaruhi Kebun Bekri dibandingkan dengan Kebun Marihat. Uji signifikansi terhadap koefisien korelasi kanonik menggunakan metode Wilks Lambda dengan tingkat signifikansi 5% menunjukkan bahwa hubungan ENSO dan IOD terhadap variabilitas curah hujan dan produksi di Kebun Marihat nyata pada lag sampai lag 4, lag 8 sampai lag 12 dan tidak nyata pada lag 5 dan lag 7. Tabel 2. Nilai Koefisien Korelasi Kanonik Kebun Marihat dan Kebun Bekri Pasangan Koefisien Korelasi Kanonik Kebun Marihat Kanonik Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag * Pasangan Koefisien Korelasi Kanonik Kebun Bekri Kanonik Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag * Keterangan : Nilai yang dicetak tebal, miring dan bertanda * adalah nilai korelasi tertinggi pada kebun tersebut. Statistik Tabel 3. Uji Signifikansi Korelasi Kebun Marihat Uji Signifikansi Korelasi Kebun Marihat Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag 12 Nilai P Statistik Uji Signifikansi Korelasi Kebun Bekri Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag 12 Nilai P Keterangan : Nilai yang dicetak tebal dan miring adalah nilai peluang yang signifikan. Pasangan Kanonik Tabel 4. Nilai Koefisien Kanonik Kuadrat Kebun Marihat dan Kebun Bekri Koefisien Korelasi Kanonik Kuadrat Kebun Marihat Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag Koefisien Korelasi Kanonik Kuadrat Kebun Marihat Pasangan Kanonik Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag Keterangan : Nilai yang dicetak tebal dan miring adalah nilai sumbangan variabel penyimpangan iklim terbesar dalam mempengaruhi variabel curah hujan.

3 12 Hal ini berarti nilai SOI, ASPL dan DMI pada saat observasi mempunyai pengaruh terhadap curah hujan di Kebun Marihat secara umum pada bulan yang sama dan empat bulan sesudahnya, sedangkan lima sampai tujuh bulan sesudahnya sudah tidak berpengaruh. Namun pada lag 8 sampai lag 12, pengaruh ENSO dan IOD mulai terlihat kembali. Hal ini mengindikasikan adanya pengaruh penyimpangan iklim terhadap produksi TBS kelapa sawit, sesuai dengan hasil penelitian yang dilakukan oleh Hasan, H., Hasil uji signifikansi Kebun Bekri menunjukkan bahwa hubungan ENSO dan IOD terhadap curah hujan dan produksi nyata pada Lag dan tidak nyata pada Lag 1 hingga Lag 6. Pada lag 7 sampai lag 9, hubungan ENSO dan IOD terhadap curah hujan dan produksi kembali nyata. Hal ini sesuai dengan penelitian Hasan, H(1998) bahwa pengaruh masa kering yang panjang terhadap produksi kelapa sawit baru akan terlihat 6-12 bulan kemudian. Dilihat dari segi sumbangan (Tabel 4), variabel penyimpangan iklim dalam mempengaruhi variabel curah hujan dan produksi di Kebun Marihat termasuk kecil. Sumbangan terbesar diberikan pada pasangan variabel kanonik pertama pada lag, yaitu 2.2%. Besar sumbangan tersebut dilihat dari besarnya koefisien korelasi kanonik kuadrat sebesar.22. Hal ini berarti bahwa ada lebih banyak faktor lain (79.8%) yang mempengaruhi curah hujan di Kebun Marihat daripada ketiga parameter penyimpangan iklim tersebut. Sumbangan terkecil dari parameter penyimpangan iklim terhadap curah hujan dan produksi diberikan pada pasangan kanonik ketiga pada Lag sebesar 2%. Pada Kebun Bekri, sumbangan terbesar yang diberikan pada pasangan variabel kanonik pertama pada lag 9 yaitu 37.6%. Sehingga dapat dilihat bahwa terdapat lebih banyak faktor lain yang mempengaruhi curah hujan di Kebun Bekri daripada ketiga faktor penyimpangan iklim tersebut. Sumbangan terkecil yang diberikan oleh parameter penyimpangan iklim terhadap curah hujan dan produksi yaitu pasangan kanonik kedua pada Lag 9 sebesar.1%. Kecilnya nilai sumbangan variabel penyimpangan iklim dalam mempengaruhi curah hujan bisa disebabkan karena beragamnya variabel yang terlibat dalam korelasi, akibatnya hanya sedikit variabel curah hujan dan produksi yang mampu diterangkan oleh variabel penyimpangan iklim. Faktor lain yang berperan dalam mempengaruhi variabilitas curah hujan Sumatera khususnya di Kebun Marihat dan Bekri adalah sirkulasi monsun, siklon tropis dan pengaruh lokal. Namun setiap pengaruh tersebut berbeda kekuatannya, tergantung letak geografisnya. Sirkulasi monsun terjadi akibat adanya sel tekanan tinggi dan sel tekanan rendah di benua Asia dan Australia yang terjadi bergantian. Pada bulan Desember sampai Februari belahan bumi utara mengalami musim dingin sedangkan Australia mengalami musim panas pada saat yang besamaan. Sehingga menyebabkan terbentuknya sel tekanan tinggi di Asia dan sel tekanan rendah di Australia. Karena perbedaan tekanan tersebut, maka terjadilah aliran udara dari tekanan tinggi yaitu Asia ke tekanan rendah yaitu di Australia. Aliran ini dikenal dengan monsun barat atau monsun barat laut. Aliran udara pada monsun barat ini membawa banyak uap air, sehingga menyebabkan curah hujan yang tinggi di daerah yang dilewatinya seperti Sumatera. Sebaliknya pada bulan Juni sampai Agustus terdapat tekanan rendah di Asia dan tekanan tinggi di Australia, sehingga terjadi monsun timur atau monsun tenggara. Namun aliran udara pada monsun timur memiliki kadar uap air yang rendah, sehingga curah hujan di daerah yang terkena pengaruhnya menjadi berkurang. Siklon tropis juga menjadi salah satu penyebab terganggunya pola curah hujan di Sumatera. Meskipun Indonesia merupakan negara yang terbebas dari munculnya siklon tropis, namun efek dari siklon tropis dapat mempengaruhi kondisi cuaca di berbagai tempat di Indonesia. Faktor lokal yang sangat mempengaruhi variabilitas curah hujan di Sumatera adalah topografi. Adanya Bukit Barisan di sepanjang Pulau Sumatera menyebabkan perubahan arah angin, hujan orografis, daerah hadap hujan dan daerah bayangan hujan. Pengaruhnya pun berbeda-beda di setiap daerah Pemilihan Kanonik Sebelum menganalisis lebih lanjut, perlu ditentukan variabel kanonik mana yang akan dipergunakan. Pendekatan yang dapat digunakan ada dua, yang pertama adalah dengan melihat keragaman data yang diterangkan oleh setiap pasangan variabel kanonik dan kedua dengan menguji apakah

4 13 koefisien korelasi kanonik setiap pasangan variabel tersebut nyata (signifikan). Berdasarkan Tabel 5, keragaman data yang diterangkan oleh pasangan variabel kanonik pertama dari Kebun Marihat pada Lag adalah sebesar 94.7%, yang berarti bahwa informasi (data) yang dihimpun oleh pasangan variabel kanonik pertama lag sebesar 94.7% dari keseluruhan data yang ada. Pasangan variabel kanonik kedua dan ketiga masingmasing menerangkan keragaman data sebesar 4.6% dan.8% yang jauh lebih kecil dibandingkan pasangan variabel kanonik pertama. Analisis struktur hubungan kanonik diperlukan keragaman data yang diterangkan minimal sebesar 8% (Dillon&Goldstein, 1984). Pada lag sampai lag 3, lag 6 sampai lag 7 dan lag 12, pasangan variabel kanonik pertamanya sudah memenuhi syarat, sehingga pasangan variabel kanonik kedua sudah tidak diperlukan lagi. Sedangkan pada lag 4 sampai lag 5 dan lag 8 sampai lag 11 pasangan variabel kanoniknya belum memenuhi syarat, karena hanya mampu menerangkan data sebesar kurang dari 8%, sehingga diperlukan pasangan variabel kanonik kedua. Apabila keragaman kumulatifnya sampai pada pasangan variabel kanonik kedua masih belum memenuhi syarat, maka digunakan pasangan variabel kanonik ketiga. Namun dalam penelitian ini. Pasangan variabel kanonik pertama dan kedua sudah mampu memenuhi syarat yang diajukan Dillon&Goldstein. Pada Kebun Bekri, keragaman data yang diterangkan oleh pasangan variabel kanonik pertama pada Lag sebesar 94.6%, berarti informasi yang dihimpun oleh pasangan variabel kanonik pertama Lag sebesar 94.6% dari keseluruhan data. Pada Lag hingga lag 12, kecuali pada lag 2 dan lag 4, syarat keragaman data dipenuhi oleh pasangan variabel kanonik pertama. Apabila dilihat dari syarat keragaman data 8%, lag 2 dan lag 4 belum mampu memenuhi, hanya menerangkan data sebesar 68.4% dan 72.%, sehingga diperlukan pasangan variabel kanonik kedua. Tabel 5. Keragaman Data yang Diterangkan Oleh Setiap Pasangan Kanonik Kebun Marihat dan Kebun Bekri Pasangan Kebun Marihat Kebun Bekri Pasangan Kebun Marihat Kebun Bekri Keragaman Data Keragaman Data Kanonik Kanonik Keragaman Data Keragaman Data Diterangkan Kumulatif Diterangkan Kumulatif Diterangkan Kumulatif Diterangkan Kumulatif Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag

5 14 Tabel 6. Hasil pengujian signifikansi koefisien korelasi kanonik Kebun Marihat Korelasi Hasil Pengujian Signifikansi Koefisien Korelasi Kanonik Kebun Marihat Kanonik Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag Korelasi Hasil Pengujian Signifikansi Koefisien Korelasi Kanonik Kebun Bekri Kanonik Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 5 Lag 6 Lag 7 Lag 8 Lag 9 Lag 1 Lag 11 Lag Keterangan : Nilai yang miring dan dicetak tebal adalah nilai yang menunjukkan hubungan nyata (signifikan) Dari Tabel 6, dapat dilihat bahwa korelasi kanonik pertama Kebun Marihat pada lag hingga lag 4 dan lag 8 sampai lag 12 menunjukkan hubungan yang nyata (signifikan) pada tingkat signifikansi 5%. Sedangkan korelasi kanonik kedua dan ketiga nya tidak satupun yang menunjukkan hubungan yang nyata. Pada Lag 5 sampai Lag 7 tidak ada satu korelasipun yang signifikan. kedua dari lag 4 dan lag 8 sampai lag 11 tidak signifikan, tetapi syarat keragaman baru dapat terpenuhi jika variabel tersebut disertakan. Sedangkan pada Kebun Bekri, hanya koefisien korelasi kanonik pertama pada Lag dan lag 7 sampai lag 9 saja yang menunjukkan hubungan yang signifikan Interpretasi variabel kanonik Dalam penelitian ini digunakan beban kanonik yang disajikan dalam Gambar 14 dan beban kanonik silang yang disajikan dalam lampiran. kanonik pertama Dilihat dari nilai beban kanonik atau korelasi antar parameter penyimpangan iklim dengan variabel kanoniknya, terlihat bahwa variabel yang mempunyai hubungan paling erat dengan variabel kanonik pertama untuk parameter penyimpangan iklim di Kebun Marihat adalah SOI, ASPL dan DMI pada lag 2, lag 4, lag 9, lag 11 dan 12. Pada lag, lag 1, lag 3 dan lag 8, ASPL dan SOI yang

6 15 memiliki hubungan paling erat. Sedangkan pada lag 1, hanya DMI dan ASPL saja yang memiliki hubungan erat. Beban kanonik antara curah hujan dengan variabel kanoniknya, memperlihatkan bahwa yang memiliki hubungan erat dengan variabel kanonik pertama adalah Helvetia pada lag, lag 1, lag 2, lag 4, lag 1 dan lag 12, Rambutan pada lag sampai lag 3 dan lag 9 sampai lag 12. Pematang Sijonam pada lag 2 sampai lag 4, Sei Semayang pada lag 1 sampai 4. Sedangkan beban kanonik antara produksi dengan variabel kanoniknya kurang menunjukkan hubungan yang erat, hubunga yang paling erat terjadi pada lag 3 dan lag 4. Apabila dilihat dari hasil cross loading (beban kanonik silang) atau korelasi antara variabel asli curah hujan dan produksi dengan variabel kanonik penyimpangan iklim dan juga korelasi antara variabel asli penyimpangan iklim dengan variabel kanonik curah hujan, maka diperoleh nilai beban kanonik silang yang dapat dilihat pada lampiran. Sama seperti yang digambarkan oleh beban kanonik, parameter yang mempunyai hubungan yang paling erat dengan curah hujan pada Kebun Marihat adalah Rambutan. Pengaruh penyimpangan iklim terhadap curah hujan terdiri dari dua, yaitu pengaruh positif dan negatif yang ditunjukkan dengan tanda positif dan negatif pada beban kanonik variabel. Saat DMI negatif, SPL negatif menghangat di samudera Hindia bagian tenggara (barat Sumatera) dan konveksi meningkat, sementara di bagian barat Samudera Hindia (timur Afrika) SPL mendingin, sehingga terjadi aliran udara dari barat ke Indonesia, akibatnya curah hujan di Indonesia meningkat. Pada lag 3, curah hujan di Rambutan, Pematang Sijonam dan Sei Semayang akan mengalami peningkatan seiring dengan meningkatnya ASPL negatif dan SOI positif. Pada lag 4, kenaikan curah hujan pada stasiun Helvetia, Pematang Sijonam dan Sei Semayang seiring dengangan meningkatnya DMI negatif, ASPL negatif dan SOI positif. BEBAN KANONIK KEBUN MARIHAT Nilai Beban Kanonik Lag Lag 1 Lag 2 Lag 3 Lag 4 Lag 8 Lag 9 Lag 1 Lag 11 Lag 12 Lag PRODUKSI HELVETIA RAMBUTAN PSIJONAM SEI SEMAYANG Gambar 14. Beban Kanonik Kebun Marihat Tabel 7. Interpretasi nilai beban kanonik kebun Marihat No. Lag Nama Stasiun Indikator Penyimpangan Iklim Lag Helvetia ASPL (-), SOI (+) Rambutan ASPL (-), SOI (+) Sei Semayang ASPL (-), SOI (+) Lag 1 Helvetia ASPL (-), SOI (+) Rambutan ASPL (-), SOI (+) Sei Semayang ASPL (-), SOI (+)

7 16 Lag 2 Helvetia DMI (-), ASPL (-), SOI (+) Rambutan DMI (-), ASPL (-), SOI (+) Pematang Sijonam DMI (-), ASPL (-), SOI (+) Sei Semayang DMI (-), ASPL (-), SOI (+) Lag 3 Rambutan ASPL (-), SOI (+) Pematang Sijonam ASPL (-), SOI (+) Sei Semayang ASPL (-), SOI (+) Lag 4 PRODUKSI PROD DMI (-) Helvetia DMI (-), ASPL (-), SOI (+) Rambutan DMI (-), ASPL (-), SOI (+) Pematang Sijonam DMI (-), ASPL (-), SOI (+) Sei Semayang DMI (-), ASPL (-), SOI (+) Lag 8 Helvetia DMI (+) Lag 9 PRODUKSI PROD SOI (+) Rambutan DMI (+), ASPL (+), SOI (-) Sei Semayang SOI (+) Lag 1 Helvetia DMI (+), ASPL (+) Rambutan DMI (+), ASPL (+) Sei Semayang ASPL (-), SOI (+) Lag 11 PRODUKSI PROD DMI (-), ASPL (+), SOI (+) Rambutan DMI (+), ASPL (+), SOI (+) Sei Semayang DMI (+), ASPL (+), SOI (+) Lag 12 Helvetia DMI (+), ASPL (+), SOI (+) Rambutan DMI (+), ASPL (+), SOI (+) Pada Lag, semakin tinggi nilai SOI positif maka semakin tinggi pula curah hujan di Stasiun Rambutan. Hal tersebut wajar, karena pada saat SOI positif kuat, tekanan udara di atas Pasifik tengah tinggi dan di atas Indonesia-Australia bagian utara rendah. Angin pasat tenggara berhembus sangat kuat di Pasifik dan membawa uap air yang banyak, sehingga Indonesia mendapatkan curah hujan di atas rata-rata. Curah hujan Sei Semayang semakin tinggi seiring dengan meningkatnya DMI (negatif) dan ASPL (negatif). Saat DMI negatif, suhu permukaan laut menghangat di Samudera Hindia bagian tenggara (barat Sumatera) dan konveksi meningkat, sementara di barat Samudera Hindia (Timur Afrika) SPL mendingin, sehingga terjadi aliran udara dari barat ke Indonesia, yang mengakibatkan curah hujan di Indonesia meningkat. Gambar 15. La Nina (SOI positif) Pada lag 1, jumlah curah hujan Helvetia, Rambutan dan Sei Semayang akan mengalami peningkatan seiring dengan meningkatnya ASPL negatif serta SOI positif. Pada lag 2, jumlah curah hujan di keempat stasiun akan mengalami peningkatan dengan meningkatnya DMI negatif, ASPL negatif dan SOI positif. Gambar 16. IOD Negatif Pada lag 8, tidak ada satupun wilayah yang terpengaruh oleh peningkatan dan penurunan ASPL dan SOI. Meskipun pada beban kanoniknya ASPL dan SOI memiliki hubungan yang paling erat. Kalaupun ada

8 17 daerah yang terpengaruh, pengaruhnya tidak cukup besar untuk mempengaruhi kenaikan ataupun penurunan curah hujan di wilayah tersebut. Daerah yang paling besar dipengaruhi curah hujannya adalah Sei Semayang, kemudian Rambutan dan Pematang Sijonam, namun pengaruhnya terhadap variabilitas curah hujan tidak dominan. Pada lag 9, curah hujan Rambutan meningkat seiring dengan meningkatnya DMI positif, ASPL positif dan SOI negatif. Pada lag 1, curah hujan Helvetia dan Rambutan meningkat dengan meningkatnya DMI positif dan ASPL positif. Pada lag 11, curah hujan Rambutan meningkat dengan meningkatnya DMI positif, ASPL positif dan SOI positif. Pada lag 12, curah hujan Helvetia dan Rambutan meningkat dengan meningkatnya DMI positif, ASPL positif dan SOI positif. Pengaruh DMI, ASPL dan SOI terhadap produksi kelapa sawit tidak terlihat pada variabel kanonik pertama pada lag-lag yang menunjukkan hubungan nyata tersebut. Pada Kebun Bekri, berdasarkan nilai beban kanonik atau korelasi antar parameter penyimpangan iklim dengan variabel kanoniknya, terlihat bahwa variabel yang mempunyai hubungan paling erat dengan variabel kanoniknya adalah DMI pada lag, lag 8 dan lag 9, sedangkan pada lag 7 hanya SOI saja yang memiliki hubungan erat. Nilai Beban Kanonik BEBAN KANONIK KEBUN BEKRI Lag Lag 7 Lag 8 Lag 9 Lag PRODUKSI BEKRI Gambar 17. Beban Kanonik Kebun Bekri Tabel 8. Interpretasi beban kanonik Kebun Bekri Indikator No. Lag Nama Stasiun Penyimpangan Iklim Lag Bekri DMI (+) Lag 7 PRODUKSI PROD SOI (+) Lag 8 PRODUKSI PROD DMI (+) Lag 9 PRODUKSI PROD DMI (+) Beban kanonik antara curah hujan dengan variabel kanoniknya memperlihatkan bahwa yang mempunyai hubungan paling erat dengan variabel kanonik pertamanya adalah Stasiun Bekri pada lag. Ini berarti bahwa fenomena ENSO dan IOD hanya mempengaruhi curah hujan di Stasiun Bekri pada bulan yang sama saja. Sedangkan produksi mempunyai hubungan yang erat pada lag 7 hingga lag 9, yang berarti bahwa fenomena ENSO dan IOD mempengaruhi jumlah produksi kelapa sawit dalam 7-9 bulan setelah kejadian. Hasil ini sesuai dengan hasil penelitian Hasan, H(1998), bahwa pengaruh dari kekeringan terhadap produksi sawit baru akan terlihat setelah 6-12 bulan berikutnya. Beban kanonik kedua Pada kebun Bekri, variabel kanonik kedua tidak dipakai karena syarat keragaman data sudah dapat terpenuhi oleh variabel kanonik pertama. Berdasarkan hasil uji signifikansi koefisien korelasi kanonik, variabel kedua lag hingga lag 12 Kebun Marihat tidak signifikan, maka tidak akan dibahas lebih lanjut. Pengaruh DMI negatif pada Helvetia, Rambutan dan Pematang Sijonam mendominasi pada lag 4, seiiring dengan meningkatnya DMI negatif, terjadi peningkatan curah hujan di ketiga stasiun. Karena saat IOD negatif, SPL negatif menghangat di samudera Hindia bagian tenggara (barat Sumatera) dan konveksi meningkat, sementara di bagian barat Samudera Hindia (timur Afrika) SPL mendingin, sehingga terjadi aliran udara dari barat ke Indonesia, akibatnya curah hujan di Indonesia meningkat. Pada beban kanonik dan beban kanonik silang, terlihat bahwa peningkatan nilai DMI negatif akan meningkatkan curah hujan di daerah-daerah tersebut, tapi hasil ini tidak nyata secara statistik. Sesuai dengan hasil penelitian Kurniati, N (21) bahwa hal tersebut wajar, karena Kebun Marihat terletak di bagian utara pulau Sumatera dan di sekitar atau di atas ekuator merupakan wilayah yang tidak terpengaruh oleh penyimpangan perubahan iklim global. Bagian yang terpengaruh oleh penyimpangan dan perubahan iklim global adalah wilayah di bagian selatan Pulau Sumatera dan pesisir barat pulau tersebut. Pada lag 8, curah hujan Helvetia akan meningkat dengan meningkatnya DMI negatif, namun pengaruh ini tidak nyata. Pada lag 9, curah hujan Sei Semayang dan produksi sawit Kebun Bekri akan meningkat dengan meningkatnya SOI positif, namun pengaruhnya tidak nyata. Pada lag 1, curah hujan Sei Semayang akan meningkat dengan

9 18 meningkatnya ASPL negatif dan SOI positif, namun pengaruhnya juga tidak nyata. Pada lag 11, curah hujan Sei Semayang dan produksi meningkat dengan meningkatnya DMI positif, ASPL positif dan SOI positif, pengaruh penyimpangan iklim tersebut juga tidak nyata. Perubahan jumlah produksi TBS terhadap variabilitas curah hujan dapat dilihat pada grafik pola time series nilai bulanan curah hujan dan produksi pada Gambar 18, Gambar 19 dan Gambar 2 Nilai dan Produksi Kebun Marihat (Tahun ) Produksi (per 1 Ton) Bulan Produksi Gambar 18. Nilai Curah Hujan dan Produksi Kebun Marihat (Tahun ) Nilai dan Produksi Kebun Marihat (Tahun ) Bulan (per 1 Ton) Produksi Produksi Gambar 19. Nilai Curah Hujan dan Produksi Kebun Marihat (Tahun ) Nilai Ch dan Produksi Kebun Bekri (tahun ) bulanan Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Produksi Bulan Produksi Gambar 2. Nilai Curah Hujan dan Produksi Kebun Bekri (Tahun ) 4.3. Evaluasi Produksi Kelapa Sawit Terhadap ENSO Dalam evaluasi ini, kebun yang dievaluasi hanya Kebun Marihat, karena hanya Kebun Marihat saja yang memiliki data paling

10 19 lengkap. Berdasarkan produksi kelapa sawit selama periode di Kebun Marihat, menunjukkan bahwa 4 dari 5 kejadian El Nino, menyebabkan penurunan produksi di tahun berikutnya. Tabel 9. Tahun-tahun El Nino Tahun Kekeringan El Nino Sumber :Boer, 24 Gambar 21 menunjukkan bahwa anomali produksi kelapa sawit yang negatif umumnya terjadi pada tahun-tahun setelah El Nino. Pada tahun 1987 terjadi penurunan sebesar 3,5% dari produksi normalnya ( Ton) yaitu sebesar Ton. Dari kelima tahun El Nino, hanya El Nino tahun 1991 saja yang tidak menyebabkan penurunan produksi di tahun berikutnya. Penyebabnya adalah kemungkinan adanya perluasan kebun, sehingga terjadi penambahan luas tanaman menghasilkan. Anomali (%) % Anomali Produksi Kelapa Sawit Kebun Marihat 2.1% -4.6% -7.2% -12.2% Tahun Keterangan : Warna biru tua merupakan tahun setelah tahun El Nino Gambar 21. Anomali Produksi Sawit Kebun Marihat tahun Produksi sawit menurun akibat berkurangnya curah hujan yang diakibatkan oleh fenomena ENSO dan IOD. Sebab lain yaitu, berkurangnya produktivitas tanaman kelapa sawit. Semakin tua usia kelapa sawit, berat buah sawit akan bertambah karena pertambahan tebal mesokarp (daging buah), namun TBS yang dihasilkan akan semakin berkurang, sehingga akan menyebabkan penurunan total produksi sawit. Begitupula dengan Kebun Bekri, terjadi penurunan produksi setelah terjadi El Nino di tahun Penurunan produksi baru terjadi pada tahun yaitu sebesar 32.1% dari normalnya ( Ton) yaitu Ton. Peristiwa ini sesuai dengan penelitian yang dilakukan Hasril, H (1998), bahwa penurunan produksi kelapa sawit baru akan terjadi 6-12 bulan setelah terjadinya masa kekeringan yang panjang. Anomali (%) Anomali Produksi Kelapa Sawit Kebun Bekri -32.1% Tahun Keterangan : Warna biru tua merupakan tahun setelah tahun El Nino Gambar 22. Anomali Produksi Sawit Kebun Bekri tahun Pada tanaman sawit, pembentukan buah mulai dari bunga mekar (anthesis) sampai buah matang fisiologis bergantung pada dinamika iklim, terutama curah hujan. Waktunya bervariasi, pada tanaman sawit di Sumatera Utara dan Malaysia diperlukan waktu 5-6 bulan. Berkurangnya jumlah TBS dapat disebabkan oleh beberapa hal, yaitu adanya aborsi bunga betina dan adanya kegagalan tandan. Kegagalan tandan disebabkan oleh penyerbukan yang tidak sempurna, karbohidrat kurang, variasi musim ataupun serangan hama dan penyakit. Kegagalan perkembangan tandan bunga dari bunga mekar hingga matang fisiologis (3-4 minggu sebelum siap dipanen) juga merupakan faktor yang mempengaruhi tandan dan fluktuasi produktivitas kelapa sawit. Penyebab aborsi bunga adalah karbohidrat yang kurang untuk perkembangan bunga, kurangnya ketersediaan air, pengurangan daun yang terlalu banyak sehingga tanaman mengalami cekaman. Salah satu penyebab kurangnya ketersedian air adalah berkurangnya curah hujan di wilayah tersebut. Kerawanan aborsi ini biasanya terjadi 4,5-5,5 bulan sebelum bunga mekar. Jadi apabila terjadi cekaman air pada bulan ini, dampak terhadap produksi TBS sawit baru akan terlihat pada 1 bulan kemudian. Pada Kebun Bekri, perubahan produksi TBS terlihat setelah 7-9 bulan berikutnya. Namun sebenarnya perubahan produksi sudah terlihat pada 2 bulan kemudian. Perubahan tersebut terjadi hingga lag 12, yaitu 12 bulan setelah terjadi cekaman air. Namun karena data yang dihasilkan tidak nyata, maka data perubahan produksi yang dapat dipakai hanya pada lag 7 hingga lag 9. Dari hasil analisis korelasi kanonik, terlihat bahwa fenomena IOD dan ENSO berpengaruh terhadap variabilitas curah hujan pada bulan yang sama. Sehingga dapat ditarik kesimpulan bahwa apabila terjadi cekaman air

11 2 pada Kebun Bekri, maka dampak terhadap produksi TBS baru akan terlihat pada 7-9 bulan berikutya. Sedangkan pada Kebun Marihat, apabila terjadi cekaman air, perubahan jumlah produksi baru terlihat pada 4 bulan setelahnya hingga bulan ke Estimasi Perubahan Curah Hujan Terhadap Suhu Permukaan Laut Dalam periode , telah terjadi 5 kali kejadian El Nino, diperoleh bahwa untuk setiap peningkatan anomali suhu muka laut Nino 3.4 akan menyebabkan penurunan curah hujan. Apabila dilihat dari keseluruhan tahun, pengaruh Suhu Permukaan Laut (SPL) Nino 3.4 tidak terlihat. Namun apabila hanya dilihat pada tahun-tahun El Nino saja, maka keeratan antara SPL dengan curah hujan dapat dilihat jelas. Pada Kebun Marihat, setiap kenaikan 1 C suhu muka laut, maka akan mengakibatkan penurunan curah hujan sebesar 4 mm (Gambar 23 dan Gambar 24). Anomali 1 Hubungan Curah Hujan Kebun Marihat dengan 5 y = x R 2 = Gambar 23. Hubungan Curah Hujan Kebun Marihat dengan (Tahun ) Anomali Hubungan Curah Hujan Kebun Marihat dengan Pada Tahun El Nino y = x R 2 =.582 Gambar 24. Hubungan Curah Hujan Kebun Marihat dengan Pada Tahun El Nino (Tahun ) Pada Kebun Bekri, apabila dilihat pada keseluruhan tahun, pengaruh SPL Nino 3.4 terhadap variabilitas curah hujan tidak terlihat jelas. Namun jika apabila dilihat pada tahuntahun El Nino, maka pengaruh SPL Nino 3.4 terhadap curah hujan di Kebun Bekri dapat dilihat jelas (Gambar 25 dan Gambar 26) Anomali Hubungan Curah Hujan Kebun Bekri dengan y = x R 2 = Gambar 25. Hubungan Curah Hujan Kebun Bekri dengan (Tahun ) Anomali Hubungan Curah Hujan Kebun Bekri dengan Pada Tahun El Nino y = x R 2 = Gambar 26. Hubungan Curah Hujan Kebun Bekri dengan Pada Tahun El Nino (Tahun ) Pada tahun-tahun El Nino, untuk setiap kenaikan 1 C SPL Nino 3.4 maka penurunan curah hujan yang terjadi dapat mencapai 8mm. Sama seperti hasil korelasi kanonik, Kebun Bekri lebih dipengaruhi oleh adanya penyimpangan iklim. Hal tersebut sesuai dengan letak Kebun Bekri yang memiliki pola iklim Moonson, dimana sangat kuat pengaruh El Nino-nya. Sedangkan pola iklim pada Kebun Marihat, Sumatera Utara adalah ekuatorial, dimana pengaruh El Nino lemah pada wilayah tersebut. V. KESIMPULAN 5.1. Kesimpulan Secara umum, indikator penyimpangan iklim SOI, ASPL, dan DMI mempunyai hubungan yang kurang erat dengan curah hujan di kedua kebun. Secara statistik, hubungan ENSO dan IOD terhadap curah hujan di Kebun Marihat signifikan pada lag atau bulan yang sama (bulan ke-) sampai dengan bulan ke-4 (lag 4) dan bulan ke-8 (lag 8) sampai dengan bulan ke-12 (lag 12). Sedangkan pada Kebun Bekri, secara statistik hubungan ENSO dan IOD terhadap curah hujan Kebun Bekri signifikan pada bulan yang