analisis suhu udara dan kelembapan relatif 2

22
ANALISIS SUHU UDARA DAN KELEMBAPAN RELATIF MENGGUNAKAN KORELASI DAN REGRESI SEDERHANA PENDAHULUAN Latar Belakang Masalah Stasiun Meteorologi Ranai adalah salah satu Unit Pelaksana Teknis BMKG di daerah yang berkewajiban memantau dan memprediksi perubahan cuaca di daerah yang menjadi tanggung jawabnya. Untuk memprediksi cuaca tidaklah mudah karena kondisi atmosfer bersifat dinamis atau senantiasa berubah-ubah dalam waktu yang singkat. Untuk menghasilkan prediksi yang tepat, diperlukan data yang kontinyu dan berkesinambungan. Namun, hal tersebut tidaklah mudah untuk dicapai, karena alat-alat yang digunakan tidak selamanya akan berfungsi dengan baik atau dengan kata lain mengalami kerusakan. Hal ini menyebabkan data yang dihasilkan tidak kontinyu. Oleh sebab itulah penulis mencoba melakukan suatu penelitian menggunakan korelasi dan regresi sederhana agar bisa mengetahui keeratan hubungan antar parameter cuaca dan menerka salah satu nilai parameter jika parameter yang lain tidak ada karena alat rusak. Sebagai permulaan, penulis akan menganalisis dua parameter cuaca yaitu suhu dan kelembapan, karena data kedua parameter, penulis anggap penting untuk memprediksi pemicu fenomena-fenomena cuaca bermakna di atmosfer seperti thunderstorm salah satunya.

Upload: 0kilometer

Post on 14-Aug-2015

513 views

Category:

Documents


11 download

DESCRIPTION

suhu udara

TRANSCRIPT

Page 1: Analisis Suhu Udara Dan Kelembapan Relatif 2

ANALISIS SUHU UDARA DAN KELEMBAPAN RELATIF

MENGGUNAKAN KORELASI DAN REGRESI SEDERHANA

PENDAHULUAN

Latar Belakang Masalah

Stasiun Meteorologi Ranai adalah salah satu Unit Pelaksana Teknis BMKG di

daerah yang berkewajiban memantau dan memprediksi perubahan cuaca di daerah

yang menjadi tanggung jawabnya. Untuk memprediksi cuaca tidaklah mudah karena

kondisi atmosfer bersifat dinamis atau senantiasa berubah-ubah dalam waktu yang

singkat. Untuk menghasilkan prediksi yang tepat, diperlukan data yang kontinyu dan

berkesinambungan.

Namun, hal tersebut tidaklah mudah untuk dicapai, karena alat-alat yang

digunakan tidak selamanya akan berfungsi dengan baik atau dengan kata lain

mengalami kerusakan. Hal ini menyebabkan data yang dihasilkan tidak kontinyu.

Oleh sebab itulah penulis mencoba melakukan suatu penelitian menggunakan korelasi

dan regresi sederhana agar bisa mengetahui keeratan hubungan antar parameter cuaca

dan menerka salah satu nilai parameter jika parameter yang lain tidak ada karena alat

rusak.

Sebagai permulaan, penulis akan menganalisis dua parameter cuaca yaitu suhu

dan kelembapan, karena data kedua parameter, penulis anggap penting untuk

memprediksi pemicu fenomena-fenomena cuaca bermakna di atmosfer seperti

thunderstorm salah satunya.

Rumusan Masalah

Dengan melihat latar belakang yang telah dikemukakan, maka beberapa masalah

yang dapat penulis rumuskan dan akan dibahas dalam makalah ini adalah:

1. Bagaimana keeratan hubungan antara suhu udara dan kelembapan relatif?

2. Bagaimana memprediksi nilai salah satu parameter jika parameter kedua tidak

ada?

3. Apakah model regresi sederhana untuk cocok untuk menganalisis hubungan

antara suhu udara dan kelembapan relative di Stasiun Meteorologi Ranai?

Page 2: Analisis Suhu Udara Dan Kelembapan Relatif 2

Tujuan Penelitian

Penulisan makalah ini dilakukan untuk memenuhi tujuan-tujuan yang diharapkan

dapat bermanfaat bagi kita semua dalam menambah ilmu pengetahuan dan wawasan.

Secara rinci, tujuan-tujuan tersebut adalah:

1. Mengetahui keeratan hubungan antara suhu udara dan kelembapan relatif

2. Mendapat suatu persamaan dari hubungan tersebut untuk digunakan dalam

memprediksi nilai kelelmbapan relatif dari suhu udara

Manfaat Penelitian

Manfaat yang diperoleh dari penelitian ini adalah didapatkannya persamaan

korelasi antara suhu bola kering dan kelembapan relatif di Stasiun Meteorologi Ranai,

sehingga bila suatu saat terjadi kerusakan pada thermometer bola basah ataupun

terdapat data hilang, kita dapat memperkirakan kelembapan relatif melalui persamaan

korelasi dan regresi linear sederhana yang kita peroleh.

Sistematika Penulisan

1. BAB I. PENDAHULUAN

2. BAB II. LANDASAN TEORI

3. BAB III. METODE PENELITIAN

4. BAB IV. ANALISA DAN PEMBAHASAN

5. BAB V. KESIMPULAN DAN SARAN.

Page 3: Analisis Suhu Udara Dan Kelembapan Relatif 2

LANDASAN TEORI

A. Suhu udara dan kelembaban

1. Suhu Udara

Suhu udara adalah ukuran energi kinetik rata – rata dari pergerakan molekul –

molekul.  Suhu suatu benda ialah keadaan yang menentukan kemampuan benda

tersebut, untuk memindahkan (transfer) panas ke benda – benda lain atau menerima

panas dari benda – benda lain tersebut. Dalam sistem dua benda, benda yang

kehilangan panas dikatakan benda yang bersuhu lebih tinggi.

Alat pengukur suhu disebut termometer. Termometer dibuat dengan mendasarkan

sifat – sifat fisik dari suatu zat (bahan), misalnya pengembangan benda padat, benda

cair, gas dan juga sifat merubahnya tahanan listrik terhadap suhu. Suhu tidak

berdimensi sehingga untuk mengukur derajat suhu, pertama – tama ditentukan 2 titik

tertentu yang disesuaikan dengan suatu sifat fisik suatu benda tertentu. Kemudian

diantara dua buah titik yang telah di tentukan tersebut di bagi – bagi dalam skala –

skala, yang menunjukan derajat – derajat suhu. Skala – skala tersebut merupakan

pembagian suhu dan bukan satuan daripada suhu. Dengan demikian suhu 30°C tidak

berarti 3 x 10°C, dan 10°C berarti skala derajat C ke sepuluh. Skala suhu yang biasa

digunakan yaitu :

1.Skala Celsius, dengan titik es 0°C dan titik uap 100°C dan dibagi menjadi 100

bagian (skala).

2.Skala Fahreinheit, dengan titik es 32°F dan titik uap 212°F, dibagi menjadi 180

bagian (skala). 

Variasi Harian Suhu Permukaan

Selama 24 jam, suhu udara selalu mengalami perubahan – perubahan. Di atas

lautan perubahan suhu berlangsung lebih banyak perlahan – lahan daripada di atas

daratan. Variasi suhu pada permukaan laut kurang dari 1°C, dan dalam keadaan

tenang variasi suhu udara dekat laut hampir sama. Sebaliknya diatas daerah

pedalaman continental dan padang pasir perubahan suhu udara permukaan antara

siang dan malam mencapai 20°C. Sedangkan pada daerah pantai variasinya

Page 4: Analisis Suhu Udara Dan Kelembapan Relatif 2

tergantung dari arah angin yang bertiup. Variasinya besar bila angin bertiup dari atas

daratan dan sebaliknya.

2. Kelembaban Udara

kelembaban udara adalah banyaknya kandungan uap air di atmosfer. Udara

atmosfer adalah campuran dari udara kering dan uap air. Beberapa cara untuk

menyatakan jumlah uap air yaitu :

a. Tekanan uap adalah tekanan parsial dari uap air. Dalam fase gas maka uap air di dalam atmosfer seperti gas sempurna (ideal).

b. Kelembaban mutlak yaitu massa air yang terkandung dalam satu satuan volume udara lengas.

c. Nisbah percampuran (mixing ratio) yaitu nisbah massa uap air terhadap massa udara kering.

d. Kelembaban spesifik didefinisikan sebagai massa uap air persatuan massa udara basah.

e. Kelembaban nisbi (RH) ialah perbandingan nisbah percampuran dengan nilai jenuhnya dan dinyatakan dalam %.

f. Suhu virtual.

 Besaran yang sering dipakai untuk menyatakan kelembaban udara adalah kelembaban nisbi yang diukur dengan psikrometer atau higrometer. Kelembaban nisbi berubah sesuai tempat dan waktu. Pada siang hari kelembaban nisbi berangsur – angsur turun kemudian pada sore hari sampai menjelang pagi bertambah besar.

B. Korelasi dan regresi

1. Korelasi

Korelasi merupakan teknik analisis yang  termasuk dalam salah satu teknik

pengukuran asosiasi / hubungan (measures of association). Pengukuran

asosiasi   merupakan istilah umum yang mengacu pada sekelompok teknik dalam

statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua

variabel.

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui kekuatan

hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel

Page 5: Analisis Suhu Udara Dan Kelembapan Relatif 2

yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua

variabel tersebut disebut independen.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel

(kadang lebih dari dua variabel). Kuat lemah hubungan diukur diantara jarak (range) 0

sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah

(two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif;

sebaliknya jika nilai koefesien korelasi negatif, korelasi  disebut tidak searah. Yang

dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau

asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan

nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika  koefesien

korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna

atau hubungan linear sempurna dengan kemiringan (slope) positif. Jika  koefesien

korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna

atau hubungan linear sempurna dengan kemiringan (slope) negatif.

(http://www.jonathansarwono.info/korelasi/korelasi.htm)

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua

variabel mempunyai hubungan linear yang sempurna. Artinya variabel X

mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka

tidak terdapat hubungan antara kedua variabel tersebut.

Dalam korelasi tidak dikenal istilah variabel bebas dan variabel tergantung.

Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y

untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan

kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja

merupakan variabel Y.

2. Regresi

Regresi linier adalah metode statistika yang digunakan untuk membentuk model

hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih

variabel bebas (independen, prediktor, X). Apabila banyaknya variabel bebas hanya

ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila terdapat lebih

dari 1 variabel bebas, disebut sebagai regresi linier berganda.

Analisis regresi memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari fenomena

data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi.

Regresi mampu mendeskripsikan fenomena data melalui terbentuknya suatu model

Page 6: Analisis Suhu Udara Dan Kelembapan Relatif 2

hubungan yang bersifatnya numerik. Regresi juga dapat digunakan untuk melakukan

pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati melalui

penggunaan model regresi yang diperoleh. Selain itu, model regresi juga dapat

dimanfaatkan untuk melakukan prediksi untuk

variabel terikat. Model regresi dapat dituliskan sebagai berikut ;

Ŷ=β₀+β₁X +e

dimana β₀ menunjukkan intersep (suatu titik perpotongan antara suatu garis dengan

sumbu Y pada diagram kartesius saat X=0. β₁ menunjukkan slope/ kemiringan garis

regresi dan e menunjukkan nilai error. Error dalam statistik memiliki arti semua hal

yang mungkin mempengaruhi variable Y, yang tidak diamati peneliti.

Setelah menaksir persamaan regresi dari data, masalah yang dihadapi selanjutnya

adalah menilai baik buruknya model regresi yang digunakan dengan data. Jadi kita

memerlukan ukuran tentang kecocokan model. Dalam regresi, kecocokan tersebut

ditunjukkan oleh nilai R². R² adalah koefisien korelasi darab atau koefisien penentu

(determinasi), dimana makin dekat R² dengan 1, maka makin baik kecocokan data

dengan model dan makin dekat dengan 0 makin jelek kecocokan data tersebut.

Page 7: Analisis Suhu Udara Dan Kelembapan Relatif 2

METODE PENELITIAN

Subyek penelitian adalah suhu dan kelembaban relative di Stasiun Meterologi

Ranai-Natuna. Untuk keperluan penelitian penulis mengambil sampel data rata-rata

suhu udara dan kelembaban relative bulan Januari 2010. Alasan penulis memakai data

bulan Januari adalah karena data bulan tersebut penulis anggap bisa mewakili

populasi yang ada.

Data suhu udara dan kelembaban relatif yang diambil adalah suhu udara pada jam

07.00, 13.00 dan 18.00 wib. Dimana dengan melalui perhitungan ((2xT/ RH

07.00)+T/RH 13.00+T/RH 18.00) : 4 akan memperoleh rata-rata suhu udara dan

kelembaban relatif dalam satu hari. Data rata-rata harian suhu udara dan kelembaban

relatif masing-masing berjumlah 31.

Data yang telah masuk dianalisis dengan metode korelasi dan regresi linear

sederhana dengan menentukan predictor dan responnya terlebih dahulu. Dalam

penelitian ini, penulis menetapkan suhu udara sebagai predictor (X) dan kelembaban

relatif sebagai respon (Y).

Page 8: Analisis Suhu Udara Dan Kelembapan Relatif 2

DATA RATA-RATA SUHU HARIAN DAN KELEMBABAN RELATIF

BULAN JANUARI 2010

STASIUN METEOROLOGI RANAI-NATUNA

SUHUKELEMBABAN

RELATIF26.5 8926.4 9028.1 8727.6 8827.0 8927.6 8727.4 8427.5 8727.9 8327.3 8227.0 8126.6 8326.6 8027.2 7926.5 7826.7 7926.8 8626.4 8226.8 8326.3 9125.3 8526.7 8327.8 8327.9 8227.3 8328.0 8227.8 8227.6 8326.7 83

Page 9: Analisis Suhu Udara Dan Kelembapan Relatif 2

27.6 8027.6 79

ANALISA DAN PEMBAHASAN

A. Mencari koefisien korelasi (r) dan Menentukan Model Regresi Linier

Berikut adalah table rata-rata suhu harian dan Rh di stasiun Ranai

TGL SUHU=X RH=Y X² Y² XY Ŷ1 26.5 89 699.6025 7876.563 2347.438 842 26.4 90 694.3225 8100 2371.5 843 28.1 87 788.2056 7482.25 2428.488 834 27.6 88 761.76 7700.063 2421.9 835 27.0 89 730.3506 7876.563 2398.469 846 27.6 87 759.0025 7612.563 2403.738 837 27.4 84 749.3906 6972.25 2285.813 838 27.5 87 756.25 7482.25 2378.75 839 27.9 83 778.41 6930.563 2322.675 83

10 27.3 82 745.29 6724 2238.6 8311 27.0 81 726.3025 6520.563 2176.213 8412 26.6 83 708.8906 6889 2209.875 8413 26.6 80 707.56 6440.063 2134.65 8414 27.2 79 739.84 6241 2148.8 8315 26.5 78 702.25 6006.25 2053.75 8416 26.7 79 710.2225 6280.563 2112.013 8417 26.8 86 715.5625 7396 2300.5 8418 26.4 82 695.6406 6683.063 2156.156 8419 26.8 83 716.9006 6847.563 2215.631 8420 26.3 91 691.69 8281 2393.3 8421 25.3 85 638.8256 7140.25 2135.738 8522 26.7 83 710.2225 6847.563 2205.288 8423 27.8 83 770.0625 6847.563 2296.313 8324 27.9 82 777.0156 6683.063 2278.781 8325 27.3 83 743.9256 6847.563 2257.006 8326 28.0 82 781.2025 6765.063 2298.888 8327 27.8 82 770.0625 6683.063 2268.563 8328 27.6 83 759.0025 6889 2286.65 8329 26.7 83 714.2256 6889 2218.175 8430 27.6 80 759.0025 6400 2204 8331 27.6 79 761.76 6162.25 2166.6 83

ΣX=839.8 ΣY=2589 Σx²=22762.75 ΣXY=70114.26

= 839,8/31 = 27,1= 2589/31 = 83,5

Page 10: Analisis Suhu Udara Dan Kelembapan Relatif 2

Untuk menganalisa sebuah data menggunakan korelasi dan regresi sederhana, hal

pertama yang dilakukan adalah mencari koefisien korelasi (r). Pengukuran koefisien

korelasi berguna untuk mengetahui hubungan antara X (suhu) dan Y (kelembaban

relatif). Dalam mencarinya digunakan persamaan berikut :

Dari perhitungan, didapat r sebesar -0,003226075, artinya tidak ada hubungan sekali

antara parameter suhu dan kelembaban relatif di kota Ranai. Namun, hasil tersebut

belum begitu memuaskan, karena korelasi hanya menggambarkan kedekatan

hubungan antara dua variable tersebut.

Untuk meneliti hubungan sebab-akibat antara dua variable tersebut, kita gunakan

analisis regresi.dalam analisis regresi, hal pertama yang harus dilakukan adalah

menentukan terlebih dahulu model regresi liniernya.

Model regresi linier secara umum dituliskan :

Ŷ=β₀+β₁X

Untuk mendapatkan persamaan tersebut pertama yang akan kita cari adalah β₁

β₁=

β₁=β₁=-0,73536

Setelah mendapatkan β₁, selanjutnya mencari nilai β₀

β₀= - β₁

= 83,5-(-0,73536)27,1

Page 11: Analisis Suhu Udara Dan Kelembapan Relatif 2

= 103,4212Sehingga, model regresi liniernya adalah sebagai berikut :Ŷ)=β₀+β₁X iŶ)=103,4212-0,73536X atau

Dari persamaan yang ada, beberapa hal yang dapat dijelaskan yaitu bahwa Ŷ

merupakan nilai taksir dari Y. Kemudian nilai β₁ sebesar 0,73536 memiliki arti bahwa

setiap perubahan predictor(variable bebas) X(suhu) akan diimbangi dengan

perubahan respon(variable terikat) Y(RH) sebesar 0,73536 %. Karena nilai β₁ ternyata negative 0.7356, ini berarti bahwa tiap kenaikan/ penurunan suhu akan diiringi dengan penurunan/ kenaikan Kelembaban ralatif sebesar 0.7356 %.Jika digambarkan dalam scatter plot, maka akan menghasilkan gambar sebagai berikut :

B. Menilai kecocokan Model menggunakan Koefisien korelasi Darab (R )²

Ŷ=-0,73536X +103,4212

Page 12: Analisis Suhu Udara Dan Kelembapan Relatif 2

Setelah menaksir persamaan regresi dari data, masalah yang kita hadapi adalah menilai baik buruknya kecocokan model regresi dengan data yang digunakan. Koefisien korelasi darab/ koefisien determinasi (α≠0)berangkat dari persamaan dasar dalam analisis regresi dan analisis variansi yaitu :Σ (yi- ) = ² Σ (Ŷi- ) +² Σ (yi- Ŷi) …(1)²

dimana ruas kiri disebut jumlah kuadrat total (JKT). JKT menyatakan jumlah

penyimpangan y disekitar nilai rata-ratanya. Kemudian, bagian pertama ruas kanan

disebut jumlah kuadrat regresi (JKR). JKT menyatakan pengaruh regresi, atau x,

pada respon y. Terakhir, bagian kedua dari ruas kanan disebut jumlah kuadrat sisa

(JKS). JKS ini mengukur sisa dari variasi total (JKT), yang tidak dapat diterangkan

oleh x. jadi persamaan (1) dapat pula ditulis sebagai berikut :

JKT = JKR + JKS

Dari ketiga unsur dalam persamaan tersebut yang bernilai tetap (tidak terpengaruh

oleh model) adalah JKT, sehingga untuk menilai kecocokan model memakai R², kita

harus membandingkan antara JKR dan JKT. Sehingga, diperoleh persamaan sebagai

berikut :

R² =

Untuk memudahkan perhitungan penulis menggunakan tebel seperti di bawah ini :

x y Ŷ Ŷ- (Ŷ- )² (y- ) (y- )² y-Ŷ (y-Ŷ)²26.5 89 84 0.5 0.221718158 5.3 27.5625 4.8 22.840087626.4 90 84 0.5 0.296377766 6.5 42.25 6.0 35.469101328.1 87 83 -0.7 0.524314158 3.0 9 3.7 13.868886627.6 88 83 -0.4 0.140473503 4.3 18.0625 4.6 21.388756127.0 89 84 0.0 0.002307439 5.3 27.5625 5.2 27.060431427.6 87 83 -0.3 0.114264144 3.8 14.0625 4.1 16.711987627.4 84 83 -0.2 0.043823763 0.0 0 0.2 0.0438237627.5 87 83 -0.3 0.090758578 3.0 9 3.3 10.898328427.9 83 83 -0.6 0.354509341 -0.3 0.0625 0.3 0.1193059127.3 82 83 -0.2 0.023774257 -1.5 2.25 -1.3 1.8112071727.0 81 84 0.1 0.010647772 -2.8 7.5625 -2.9 8.1406820126.6 83 84 0.3 0.117087864 -0.5 0.25 -0.8 0.709268926.6 80 84 0.4 0.130007203 -3.3 10.5625 -3.6 13.036180527.2 79 83 -0.1 0.006504862 -4.5 20.25 -4.4 19.530630426.5 78 84 0.4 0.188444046 -6.0 36 -6.4 41.3976611

Page 13: Analisis Suhu Udara Dan Kelembapan Relatif 2

26.7 79 84 0.3 0.104844473 -4.3 18.0625 -4.6 20.919618726.8 86 84 0.3 0.062630396 2.5 6.25 2.2 5.0613271126.4 82 84 0.5 0.276698941 -1.8 3.0625 -2.3 5.1802752626.8 83 84 0.2 0.053766748 -0.8 0.5625 -1.0 0.9640816226.3 91 84 0.6 0.337763261 7.5 56.25 6.9 47.870152725.3 85 85 1.3 1.782014557 1.0 1 -0.3 0.112172226.7 83 84 0.3 0.104844473 -0.8 0.5625 -1.1 1.1530399227.8 83 83 -0.5 0.235324348 -0.8 0.5625 -0.3 0.0701707327.9 82 83 -0.6 0.332955304 -1.8 3.0625 -1.2 1.3758755327.3 83 83 -0.1 0.018442985 -0.8 0.5625 -0.6 0.3772355628.0 82 83 -0.6 0.39964526 -1.3 1.5625 -0.6 0.381707727.8 82 83 -0.5 0.235324348 -1.8 3.0625 -1.3 1.5999659127.6 83 83 -0.3 0.114264144 -0.5 0.25 -0.2 0.0262343526.7 83 84 0.3 0.072169993 -0.5 0.25 -0.8 0.5908147327.6 80 83 -0.3 0.114264144 -3.5 12.25 -3.2 9.9980555727.6 79 83 -0.4 0.140473503 -5.0 25 -4.6 21.392494

JKR = Σ (Ŷi- )² = 6,7JKT = Σ (yi- )² = 356,8JKS = Σ (yi- Ŷi)² = 350,1Sehingga nilai

R² =

R² =

Nilai tersebut, artinya bahwa sebesar 1,86% dari seluruh variasi total y diterangkan

oleh regresi, atau x. Sedangkan sisanya 98.4% lagi variasi y yang tidak dapat

diterangkan oleh model yang kita gunakan. Bagian sisanya sebesar 98,45 ini

kemungkinan disebabkan oleh fakto-faktor lain yang gagal diperhitungkan oleh

model. Factor-faktor tersebut salah satunya ialah human error (kesalahan manusia)

saat melakukan observasi).

C. Analisis Variansi

Dalam analisis variansi, digunakan suatu pembanding baku yang disebut dengan

penaksir tak bias σ². σ², dapat diperoleh dari Jumlah Kuadrat Sisa, yaitu JKS/(n-2),

yaitu rataan kuadrat sisa (RKS). Pembanding baku adalah suatu pembanding yang

tidak dipengaruhi oleh baik buruknya model, sehingga bisa memberikan gambaran

Page 14: Analisis Suhu Udara Dan Kelembapan Relatif 2

yang lebih jelas mengenai pengaruh suatu predictor (suhu), terhadap respon

(kelembaban relatif).

Analisis variansi, berujung pada pengujian suatu hipotesis. Dimana dalam regresi,

dikenal dua macam hipotesis yaitu Hipotesis Nol (HN) dan Hipotesis tandingan (HT).

Dalam hipotesis nol, memiliki ketentuan β=0 dan untuk hipotesis tandingan, memiliki

ketentuan β≠0. Untuk membuktikan apakah hipotesis itu termasuk HN atau HT, yang

akan digunakan adalah nisbah dari RKR/ RKS. Bila nisbah lebih besar dari 1, maka

kesimpulannya adalah β≠0, sebaliknya bila nisbah kurang dari satu atau sama dengan

satu maka kesimpulannya β=0.

Untuk memudahkan perhitungan, digunakanlah table analisis variansi seperti di

bawah ini :

Sumber variasi

JK (Jumlah Kuadrat)

Dk (derajat kebebasan)

RK (rataan kuadrat)

F-hitung

Regresi JKR 1 RKR = JKR/1 RKR/ RKS

Sisa JKS n-2 RKS = JKS/ n-2

Total JKT n-1

Dari data suhu dan kelembaban relatif, diperoleh hasil :

RKR = JKR/1 = 6,7

RKS = JKS/ n-2 = 350,1/ 31-2 = 12,1

Sumber variasi

JK (Jumlah Kuadrat)

Dk (derajat kebebasan)

RK (rataan kuadrat)

F-hitung

Regresi JKR 1 6,7 0,551

Sisa JKS 29 12,1

Total JKT 30

Dari perhitungan didapatkan F = 6,7/ 12,1 = 0,551. Dari table F, untuk α = 0,05

didapatkan F (1, 29) adalah 4, 185. Jadi, HN: β = 0, diterima. Dengan kata lain, bahwa

predictor (suhu) tidak memiliki pengaruh terhadap respon (kelembaban relatif).

Page 15: Analisis Suhu Udara Dan Kelembapan Relatif 2

KESIMPULAN

Berdasarkan data-data yang ada dan analisis menggunakan korelasi dan regresi

linier sederhana didapatkan beberapa kesimpulan sebagai berikut :

1. Di Stasiun Meteorologi Ranai, nilai parameter Kelembaban Relatif tidak bisa

diprediksi dari nilai parameter Suhu Udara, karena tidak ada hubungan sama

sekali antara Suhu udara dan Kelembaban relatif. Hal ini dapat dibuktikan dengan

nilai koefisien korelasi r sebesar 0,003226075 dan diterimanya hipotesis nol (β=0)

dalam uji-F.

2. Model Regresi linier tidak cocok digunakan di Stasiun Meteorologi Ranai, karena

Pertama variasi total Y (kelembaban Relatif) yang bisa diterangkan model hanya

sebesar 1,86% dan Kedua, nilai respon Y (kelembaban Relatif) di Stasiun

Meteorologi Ranai banyak dipengaruhi oleh factor-faktor lain di luar suhu, hal ini

ditunjukkan dengan sisa sebesar 98,4%.

SARAN

Tiada gading yang tak retak, begitu juga dengan makalah ini. Oleh karena itu, penulis selalu mengharapkan adanya kritik dan saran yang membangun, agar makalah berikutnya bisa menjadi lebih baik lagi.

Page 16: Analisis Suhu Udara Dan Kelembapan Relatif 2

DAFTAR PUSTAKA

Dajan, Anto. (1972). Pengantar Metode Statistik Jilid I. Penerbit LP3ES, Jakarta.

Sembiring, R.K. (1995). Analisis Regresi. Penerbit ITB, Bandung.