key area keragaman iklim indonesia mendukung...
TRANSCRIPT
KEY AREA KERAGAMAN IKLIM INDONESIA MENDUKUNG
PENINGKATAN INDEKS PERTANAMAN
Woro Estiningtyas dan Tim
Balai Penelitian Agroklimat dan Hidrologi
Kick of Meeting Penerapan Inovasi Teknologi untuk Peningkatan Indeks
Pertanaman
Bogor, 5 Maret 2019
PENDAHULUAN
SISTEMATIKA PENYAJIAN
1
HASIL PENELITIAN KEY AREA KERAGAMAN IKLIM INDONESIA
2 PERKEMBANGAN EL NINO 2019
3 KONSEP KEY AREA
4
RENCANA PENGEMBANGAN KEY AREA KERAGAMAN IKLIM INDONESIA DAN MONITORING DAMPAK UNTUK SEKTOR PERTANIAN 5
PENUTUP 6
3
SANGAT RENTAN TERHADAP
PERUBAHAN IKLIM
PERUBAHAN IKLIM
IKLIM INDONESIA YANG SANGAT KOMPLEKS DAN DINAMIS
Pemanasan Global
Perubahan Iklim
Dampak
Respon/Tindakan
ADAPTASI
SEBARAN
WILAYAH KUNCI
KERAGAMAN
IKLIM
INDONESIA
Keberlanjutan peningkatan produksi dan pendapatan Adaptasi dan membangun ketahanan thd PI Melakukan Mitigasi
Tingkat Kerentanan
4
5
Meningkatnya kejadian iklim ekstrim akibat perubahan iklim berdampak terhadap produksi padi nasional
Walaupun terjadi peningkatkan tren produksi akibat perkembangan teknologi namun kejadian iklim ekstem akibat dan La nina menyebabkan penurunan produksi signifikan
DAMPAK KEJADIAN IKLIM EKSTRIM TERHDAP PRODUKSI PADI
6
Bagaimana prediksi El Nino 2019
7
8
Sumber : Hidayat 2019
9
Sumber : Hidayat 2019
10
PERKEMBANGAN EL NINO 2019
Sumber : Hidayat 2019
11 Sumber : LAPAN 2019
12
Sumber : BMKG 2019
13
JUSTIFIKASI PENETAPAN KEY AREA
Fenomena perubahan iklim / kejadian iklim ekstrim terus terjadi dan menimbulkan dampak yang signifikan terutama pada sektor pertanian
Faktor pengendali curah hujan Indonesia dapat diidentifikasi pola dan sifatnya
Dari berbagai penelitian ada keterkaitan antara indeks global dengan curah hujan di Indonesia
Posisi Indonesia yang diapit dua samudera dan dua benua menjadikan iklim Indonesia sangat kompleks dan dinamis
Oleh karena itu perlu ada wilayah kunci (Key Area) yang bisa digunakan sebagai indikator untuk monitoring perubahan iklim/kejadian iklim ekstrim dan dampaknya pada sektor pertanian
14
KEY AREA : Konsep
Key Area adalah suatu wilayah kunci yang dapat digunakan sebagai indikator untuk monitoring perubahan iklim/kejadian iklim ekstrim dan dampaknya pada sektor pertanian
Key Area diidentifikasi dengan melihat korelasi dan signifikansi antara anomali curah hujan dan indeks global
15
BEBERAPA HASIL KAJIAN/PENELITIAN
Studi penentuan summer monsoon onset di Kerala (India) menggunakan 9 indikator global (Pai n Nair 2009)
Kajian Indeks sirkulasi monsoon berdasarkan Indikator global Solid Box angin zonal untuk mendefinisikan indeks sirkulasi monsoon
Pemanfaatan indikator global untuk berbagai kajian
(Wang et al 2001)
1. Anomali suhu muka laut pada zona NINO-1.2 (NINO12)
2. Anomali suhu muka laut pada zona NINO-3 (NINO3)
3. Anomali suhu muka laut pada zona NINO-4 (NINO4)
4. Anomali suhu muka laut pada zona NINO-3.4 (NINO34)
5. Oceanic Nino Index (ONI)
6. Multivariate Nino Index (MEI)
7. Japan Meteorologi AgencySea Surface Temperature
(JMASST)
8. ENSO Modoki Index (EMI)
9. Southern Oscillation Index (SOI)
10. Outgoing longwave radiation (OLR)
INDEKS GLOBAL
Trans Nino Index (TNI) didapatkan dari normalisasi rata-rata anomali SML antara wilayah Nino 1.2 dan Nino 4.
ONI adalah rerata bergerak dari anomali suhu muka laut pada wilayah east-central equatorial Pacific (atau dikenal sebagai wilayah Nino 3-4) minimal 5 bulan berturut-turut.
Indeks JMASST didefinisikan oleh Japan Meteorological Agency dan SML yang diukur berada pada wilayah Nino 3 mulai dari 4oN-4oS hingga 150oW-90oW.
17
TAHAPAN ANALISIS
Data Indikator
Global
Data Iklim
Data produksi, luas tanam, luas banjir, kekeringan dan
OPT
Data Debit
Quality Control
Analisis Korelasi/
Signifikansi
Peta Key Area Keragaman Iklim Indonesia
Analisis Pola Hujan
musiman dan dampak
Pola hubungan dan dampak Keragaman Iklim pada Sektor
Pertanian
Peta Key Area Keragaman Iklim Indonesia untuk Sektor Pertanian
1 2
3
El-Nino, La-Nina, Normal
Hubungan indikator global dan anomali CH
uji RAPS (Rescaled Adjusted Partial Sums) (Buishand, 1982).
Analisis key area dilakukan dengan tahapan, antara lain : 1. Pembaharuan (updating) data curah hujan,
2. Seleksi data curah hujan bulanan lebih dari 20 tahun,
3. Uji konsistensi data,
4. Penggolongan data berdasarkan tahun normal, El Nino dan La Nina,
5. Analisis korelasi dan signifikansi antara anomali curah hujan dengan indeks global (ada 10 indeks) pada lag 1-4,
6. Klasifikasi korelasi sangat kuat, kuat dan cukup serta signifikan dan sangat signifikan,
7. Klasifikasi sangat kuat dan kuat serta signifikan dan sangat signifikan untuk penentuan Key Area keragaman iklim Indonesia,
8. Analisis hubungan indikator pertanian (produksi dll) dengan anomali curah hujan,
9. Penyusunan Peta Key Area Keragaman Iklim Indonesia untuk Sektor Pertanian.
TAHAPAN ANALISIS
UJI KONSISTENSI DATA
Uji RAPS (Rescaled Adjusted Partial Sums) (Buishand, 1982)
SEBARAN STASIUN HUJAN
664 stasiun hujan seleksi data > 20 tahun dan uji homogenitas 621 stasiun hujan
Contoh Hasil korelasi untuk indeks global Nino 3.4 pada kondisi El Nino
Contoh Hasil signifikansi untuk indeks global Nino 3.4 pada kondisi El Nino
KERAGAAN NILAI KORELASI ANTARA ANO CH DENGAN INDEKS NINO 3.4
PADA KONDISI EL-NINO
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1
28
55
82
10
9
13
6
16
3
19
0
21
7
24
4
27
1
29
8
32
5
35
2
37
9
40
6
43
3
46
0
48
7
51
4
54
1
56
8
59
5
Nila
i Ko
rela
si
Nino 3.4-lag 1
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1
28
55
82
10
9
13
6
16
3
19
0
21
7
24
4
27
1
29
8
32
5
35
2
37
9
40
6
43
3
46
0
48
7
51
4
54
1
56
8
59
5
Nila
i Ko
rela
si
Nino 3.4-lag2
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1
28
55
82
10
9
13
6
16
3
19
0
21
7
24
4
27
1
29
8
32
5
35
2
37
9
40
6
43
3
46
0
48
7
51
4
54
1
56
8
59
5
Nila
i Ko
rela
si
Nino 3.4-lag 3
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1
28
55
82
10
9
13
6
16
3
19
0
21
7
24
4
27
1
29
8
32
5
35
2
37
9
40
6
43
3
46
0
48
7
51
4
54
1
56
8
59
5
Nila
i Ko
rela
si
Nino 3.4-lag 4
Contoh Hasil korelasi untuk indeks global Nino 3.4 pada kondisi La Nina
Contoh Hasil signifikansi untuk indeks global Nino 3.4 pada kondisi La Nina
KERAGAAN NILAI KORELASI ANTARA ANO CH DENGAN INDEKS NINO 3.4
PADA KONDISI LA-NINA
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
12
75
37
91
05
13
11
57
18
32
09
23
52
61
28
73
13
33
93
65
39
14
17
44
34
69
49
55
21
54
75
73
59
9
Nila
i Ko
rela
si
Nino 3.4-lag 1
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1
16
31
46
61
76
91
10
6
12
1
13
6
15
1
16
6
18
1
19
6
21
1
22
6
24
1
25
6
27
1
28
6
30
1
31
6
33
1
34
6
Nila
i Ko
rela
si
Nino 3.4-lag 2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
12
75
37
91
05
13
11
57
18
32
09
23
52
61
28
73
13
33
93
65
39
14
17
44
34
69
49
55
21
54
75
73
59
9
Nila
i Ko
rela
si
Nino 3.4-lag 3
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
12
75
37
91
05
13
11
57
18
32
09
23
52
61
28
73
13
33
93
65
39
14
17
44
34
69
49
55
21
54
75
73
59
9
Nila
i Ko
rela
si
Nino 3.4-lag 4
Klasifikasi korelasi : Sangat kuat = 0,75 – 1, Kuat = 0,5 – 0,75, Cukup = 0,25 – 0,5
Sudah dipetakan untuk 10 indeks global 10 indeks x 4 lag x 3 klas x 2 kondisi = 240 peta
PENENTUAN KEY AREA
• Dipilih stasiun dengan korelasi kuat dan sangat kuat (>0,5)
• Dipilih tingkat signifikansi <0,1 (signifikan dan sangat signifikan)
Kelas Korelasi Nilai Korelasi Kelas Signifikansi
Nilai Signifikansi
Klasifikasi Key Area
Sangat Kuat Negatif
-1--0.75 Sangat Signifikan 0-0.05 Korelasi Sangat Kuat Negatif - Sangat Signifikan
Sangat Kuat Negatif
-1--0.75 Signifikan 0.05-0.1 Korelasi Sangat Kuat Negatif - Signifikan
Kuat Negatif -0.75-0.50 Sangat Signifikan 0-0.05 Korelasi Kuat Negatif - Sangat Signifikan
Kuat Negatif -0.75-0.50 Signifikan 0.05-0.1 Korelasi Kuat Negatif - Signifikan
Kuat Positif 0.50-0.75 Signifikan 0.05-0.1 Korelasi Kuat Positif - Signifikan
Kuat Positif 0.50-0.75 Sangat Signifikan 0-0.05 Korelasi Kuat Positif - Sangat Signifikan
Sangat Kuat Positif
0.75-1 Signifikan 0.05-0.1 Korelasi Sangat Kuat Positif - Signifikan
Sangat Kuat Positif
0.75-1 Sangat Signifikan 0-0.05 Korelasi Sangat Kuat Positif - Sangat Signifikan
PROVINSI KABUPATEN LOKASI KORELASI SIGNIFIKANSI LAG KLASIFIKASI KEY AREA
JAWA BARAT Indramayu Juntinyuat -0.585 0.011 1 Korelasi Kuat Negatif - Sangat Signifikan
JAWA TENGAH Blora Jiken 0.507 0.027 1 Korelasi Kuat Positif - Sangat Signifikan
JAWA TENGAH Pati Cluwak -0.548 0.015 1 Korelasi Kuat Negatif - Sangat Signifikan
DIY Bantul Ringinharjo -0.552 0.004 1 Korelasi Kuat Negatif - Sangat Signifikan
BALI Jembrana Palasasri -0.5 0.029 1 Korelasi Kuat Negatif - Sangat Signifikan
SULAWESI SELATAN Jeneponto Tamanroya 0.599 0.067 1 Korelasi Kuat Positif - Signifikan
JAWA TENGAH Blora Jiken 0.594 0.007 2 Korelasi Kuat Positif - Sangat Signifikan
BALI Jembrana Palasasri -0.562 0.012 2 Korelasi Kuat Negatif - Sangat Signifikan
NTT Ende Detusoko -0.693 0.009 2 Korelasi Kuat Negatif - Sangat Signifikan
KALIMANTAN TENGAH Kotawaringin Barat Pangkalanbun 0.566 0.012 2 Korelasi Kuat Positif - Sangat Signifikan
KALIMANTAN TIMUR Paser Tanah Grogot -0.511 0 2 Korelasi Kuat Negatif - Sangat Signifikan
PAPUA Nabire Sta. Met. Kelas III Moanamani 0.585 0 2 Korelasi Kuat Positif - Sangat Signifikan
JAWA BARAT Bogor Cigudeg 0.52 0.00 3 Korelasi Kuat Positif - Sangat Signifikan
JAWA BARAT Subang Subang -0.53 0.05 3 Korelasi Kuat Negatif - Signifikan
JAWA TENGAH Semarang Banyubiru 0.64 0.00 3 Korelasi Kuat Positif - Sangat Signifikan
PAPUA Nabire Sta. Met. Kelas III Moanamani 0.59 0.00 3 Korelasi Kuat Positif - Sangat Signifikan
JAWA BARAT Bogor Cigudeg 0.548 0.00 4 Korelasi Kuat Positif - Sangat Signifikan
JAWA TENGAH Semarang Banyubiru 0.627 0.00 4 Korelasi Kuat Positif - Sangat Signifikan
BANTEN Tangerang Rancasumur-Cisoka 0.503 0.00 4 Korelasi Kuat Positif - Sangat Signifikan
KALIMANTAN UTARA Barito Utara Sta Muara Teweh Tengah 0.552 0.01 4 Korelasi Kuat Positif - Sangat Signifikan
GORONTALO Gorontalo Gorontalo -0.549 0.03 4 Korelasi Kuat Negatif - Sangat Signifikan
PAPUA Nabire Sta. Met. Kelas III Moanamani 0.579 0.00 4 Korelasi Kuat Positif - Sangat Signifikan
CONTOH HASIL IDENTIFIKASI KEY AREA UNTUK NINO 3.4 PADA KONDISI EL-NINO
PROVINSI KABUPATEN LOKASI KORELASI SIGNIFIKANSI LAG KA
JAWA BARAT Bogor Dayeuh 0.51 0.001 1 Korelasi Kuat Positif - Sangat Signifikan
KALIMANTAN SELATAN Tabalong Haruai Muui -0.51 0 1 Korelasi Kuat Negatif - Sangat Signifikan
SULAWESI SELATAN Jeneponto Tamanroya -1.00 0.055 1 Korelasi Sangat Kuat Negatif - Signifikan
LAMPUNG Lampung Selatan Metro DPU 0.515 0 2 Korelasi Kuat Positif - Sangat Signifikan
JAWA BARAT Bogor Dayeuh 0.589 0.000 2 Korelasi Kuat Positif - Sangat Signifikan
KALIMANTAN SELATAN Tabalong Haruai Muui -0.532 0 2 Korelasi Kuat Negatif - Sangat Signifikan
SULAWESI SELATAN Jeneponto Tamanroya -1 0.1 2 Korelasi Sangat Kuat Negatif - Signifikan
JAWA BARAT Bogor Dayeuh 0.534 0.001 3 Korelasi Kuat Positif - Sangat Signifikan
BANTEN Tangerang Cikasungka 0.534 0 3 Korelasi Kuat Positif - Sangat Signifikan
SULAWESI SELATAN Jeneponto Tamanroya -1 0.06 3 Korelasi Sangat Kuat Negatif - Sangat Signifikan
KALIMANTAN SELATAN Tabalong Haruai Muui -0.535 0 4 Korelasi Kuat Negatif - Sangat Signifikan
CONTOH HASIL IDENTIFIKASI KEY AREA UNTUK NINO 3.4 PADA KONDISI LA-NINA
Sudah dilakukan pemetaan untuk 10 indeks global x 4 lag x 2 kondisi = 80 peta
0
100000
200000
300000
400000
500000
600000
700000
800000
900000
1000000
19
86
19
87
19
91
19
92
19
94
19
95
19
97
19
98
20
02
20
03
20
09
20
10
20
14
20
15
Pro
du
ksi P
adi (
ton
)
Tahun El-Nino
Produksi Padi Jawa dan Luar Jawa pada Kondisi El Nino
Jawa
Luar Jawa
0
100000
200000
300000
400000
500000
600000
700000
800000
900000
1000000
19
88
19
89
19
99
20
00
20
01
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
16
Pro
du
ksi P
adi (
ton
/tah
un
)
Tahun La-Nina
Produksi Padi Jawa dan Luar Jawa Pada Kondisi La-Nina
Jawa
Luar Jawa
KERAGAANPRODUKSI PADI DI LOKASI KEY AREA PADA KONDISI EL-NINO DAN LA-NINA
Produksi Padi Pada kondisi El-Nino rata-rata lebih rendah dibandingkan pada kondisi La-Nina
Provinsi Kabupaten/Kota Stasiun Hujan
1 Jawa Tengah Pati Cluwak y = 68.447x + 447892 0,6214
2 Jawa Barat Karawang Lemahabang y = -61.832x + 1E+06 0,8982
3 Jawa Barat Indramayu Jutinyuat y = 277.59x + 1E+06 0,9961
4 Jawa Barat Cianjur Pacet y = 89.924x + 741189 0,9014
5 Banten Tangerang Rancasumur-Cisoka y = 57.602x + 361307 0,5421
6 Nusa Tenggara Timur Timor Tengah Utara Eban y = -9.4332x + 35129 0,6327
7 Nusa Tenggara Barat Lombok Barat Narmada y = 62.222x + 202697 0,8378
8 Nusa Tenggara Barat Sumbawa Alas y = 654.17x + 466041 0,5783
9 Lampung Lampung Barat Sekincau y = 12.011x + 97176 0,5733
10 Kalimantan Utara Barito Utara Muara Teweh Tengah y = -6.0309x + 27487 0,8739
11 Bali Jembrana Palasari y = -12.116x + 54542 0,6249
12 Bali Klungkung Dawan y = 1.6385x + 31514 0,5315
Persamaan (y)Key Area
R2No
HUBUNGAN ANOMALI CURAH HUJAN DENGAN PRODUKSI PADI DI KEY AREA
PADA KONDISI EL-NINO DAN LA-NINA
Provinsi Kabupaten/Kota Stasiun Hujan
1 Kalimantan Selatan Tabalong Haruai Muui y = -19.285x + 94511 0,5545
2 Nusa Tenggara Timur Timor Tengah UtaraEban y = -5.5216x + 28196 0,8094
3 Nusa Tenggara Timur Manggarai Ruteng y = -24.952x + 83615 0,5192
Key AreaPersamaan (y) R2No
El-Nino
La-Nina
Produksi pada El-Nino lebih besar dari pada La-Nina
KERAGAAN PRODUKSI JAGUNG DI KEY AREA PADA KONDISI EL-NINO DAN LA-NINA
HUBUNGAN ANOMALI CURAH HUJAN DENGAN PRODUKSI JAGUNG DI KEY AREA
PADA KONDISI EL-NINO DAN LA-NINA
Provinsi Kabupaten/Kota Stasiun Hujan
1 Jawa Barat Cianjur Pagelaran y = 3.5107x + 30158 0,9044
2 Jawa Barat Cianjur Pacet y = 4.7609x + 31024 0,9953
3 Jawa Barat Cianjur Ciwangi y = 5.5868x + 30175 0,5744
4 Jawa Barat Garut Leles y = 574.76x + 2E+06 0,8863
5 Jawa Barat Bandung Cicalengka y = -89.054x + 31136 0,7457
6 Jawa Barat Indramayu Juntinyuat y = -0.9122x + 848.22 0,8423
7 Jawa Barat Tasikmalaya Singaparna y = 6.8489x + 45413 0,717
8 Jawa Barat Subang Karanganyar y = -0.8092x + 2719.3 0,5894
9 Jawa Tengah Pati Cluwak y = 58.048x + 60849 0,6557
NoKey Area
Persamaan (y) R2
Provinsi Kab/Kota Stasiun Hujan
1 Nusa Tenggara TimurFlores Timur Larantuka y = 29.465x + 31179 0,5005
Key Area
Persamaan (y)R2No
El-Nino
La-Nina
KERAGAAN PRODUKSI KEDELAI DI KEY AREA PADA KONDISI EL-NINO DAN LA-NINA
No Key Area
Persamaan (y) R2 Provinsi Kab/Kota Stasiun Hujan
1 Jawa Barat Cianjur Pacet y = 8.6186x + 9293.6 0,7069
2 Jawa Barat Bandung Cicalengka y = 0.7552x + 997.01 0,5629
3 Jawa Barat Indramayu Jutinyuat y = 25.636x + 10443 0,9202
4 Jawa Barat Garut Leles y = 24.225x + 66595 0,9285
5 Jawa Barat Karawang Lemahabang y = -0.161x + 469.95 0,6019
6 Jawa Barat Tasikmalaya Singaparna y = 3.8453x + 2825.6 0,6297
7 Jawa Tengah Semarang Cimalak y = -0.1602x - 186.5 0,6331
8 Kalimantan Tengah Kotawaringin Timur Sampit y = 0.0169x + 19.997 0,9601
9 Kalimantan Tengah Kotawaringin Barat Pangkalanbun y = 0.0892x + 57.046 0,8508
10 Kalimantan Tengah Barito Utara Muara Teweh Tengah y = -0.3136x + 255.4 0,634
11 Nusa Tenggara Barat Lombok Barat Mataram Kediri y = 24.483x + 7885.6 0,8789
12 Nusa Tenggara Timur Manggarai Ruteng y = 0.2643x + 447.45 0,7553
13 Nusa Tenggara Timur Ende Detusoko y = -0.0335x + 2.3976 0,7794
HUBUNGAN ANOMALI CURAH HUJAN DENGAN PRODUKSI KEDELAI DI KEY AREA
PADA KONDISI EL-NINO DAN LA-NINA
No Key Area
Persamaan (y) R2 Provinsi Kab/Kota Stasiun Hujan
1 Jawa Tengah Magelang Magelang y = 0.0241x + 13.5 0,8256
2 Nusa Tenggara Barat Lombok Barat Mataram Kediri y = -4.5142x + 4744.8 0,554
PENGEMBANGAN KEY AREA DAN MONITORING DAMPAK
Simulasi tanaman
METODOLOGI
PREDIKSI HUJAN :
BMKG
Filter Kalman
MARS
ANN
dll
PREDIKSI INDIKATOR PERTANIAN (PRODUKSI/PRODUKTIFITAS/LUAS TANAM :
Berdasarkan hubungan curah hujan dan indikator pertanian secara time series jangka panjang
Simulasi tanaman
http://www.cpc.ncep.noaa.gov/products/predictions/90day/tools/briefing/ssttt.gif
Sistim Informasi Key Area dan Monitoring Dampak Keragaman Iklim Indonesia MH/MK 20....pada Sektor Pertanian
Mendukung Adaptasi Terhadap Perubahan Iklim
abcdhhhhhhhhhhhhhhh
Pola curah hujan
MH/MK 20...
Prediksi produksi/produktifitas/
luas tanam pajale MH/MK 20.....
Fluktuasi produksi/produktifitas/
luas tanam pajale MH/MK 20.....
Prediksi curah hujan
MH/MK 20...
LOKASI MONITORING DAMPAK
1. Wilayah kunci untuk monitoring dampak kejadian iklim ekstrim pada produksi padi untuk kondisi El Nino adalah : Cluwak-Pati, Lemahbang-Karwang, Juntinyuat-Indramayu, Pacet-Cianjur, Rancasumur Cisoka-Tagerang, Eban-Timor Tengah Utara, Narmada-Lombok Barat, Alas-Sumbawa, Sekincau-Sumbawa, Muara Teweh Tengah-Barito Utara, Palasari-Jembrana dan Dawan-Klungkung. Pada kondisi La-Nina adalah : Haruai Muui-Tabalong, Eban-Timor Tengah Utara dan Ruteng-Manggarai.
2. Wilayah kunci monitoring dampak kejadian iklim ekstrim pada produksi jagung untuk kondisi El-Nino adalah : Pagelaran-Cianjur, Pacet-Cianjur, Ciwangi-Cianjur, Leles-Garut, Cicalengka-Bandung, Juntinyuat-Indramayu, Singaparna-Tasikmalaya, Karanganyar-Subang dan Cluwak-Pati, sedangkan untuk kondisi La-Nina adalah : Larantuka-Flores Timur di Provinsi Nusa Tenggara Timur.
3. Lokasi monitoring dampak kejadian iklim ekstrim pada produksi kedelai untuk kondisi El-nino adalah: Pacet-Cianjur, Cicalengka-Bandung, Juntinyuat-Indramayu, Leles-Garut, Lemahabang-Karawang, Singaparna-Tasikmalaya, Cimalak-Semarang, Sampit-Kotawaringin Timur, Pangkalanbun-Kotawaringin Barat, Muarateweh Tengah-Barito Utara, Mataram Kediri-Lombok Barat, Ruteng-Manggarai dan Detusoko-Ende. Untuk kondisi La-Nina adalah di Magelang-Magelang dan Mataram Kediri-Lombok Barat.
PENUTUP
Key Area yang telah teridentifikasi merupakan lokasi dimana anomali curah hujannya sangat dipengaruhi oleh anomali global (SST Nino 3.4, Nino 2, Nino 3 dll)
Munculnya kejadian iklim ekstrim yang tercermin dari indeks global akan berpengaruh terhadap anomali curah hujan di lokasi Key Area
Prediksi anomali iklim (El Nino dan La Nina) yang dapat dipantau melalui indeks global dan dapat diakses dari situs resmi (NOAA, IRI dll) menjadi informasi awal untuk mengetahui kemungkinan fluktuasi produksi dan luas tanam
Apabila dari hasil prediksi indeks global diindikasikan akan terjadi kejadian iklim ekstrim (El Nino atau La Nina), maka lokasi Key Area harus menjadi prioritas dalam melakukan monitoring dampak terhadap produksi dan luas tanam
Usahatani di wilayah yang terdampak (Key Area) perlu didukung dengan penyiapan prasarana dan sarana pertanian dalam rangka meminimalkan risiko dan peningkatan indeks pertanaman
TERIMA KASIH