Professional Documents
Culture Documents
Abstract
Abstrak
Perkembangan teknologi informasi pada era globalisasi saat ini sangat berkembang
pesat. Perkembangan ini juga telah melahirkan perkembangan banyak data,
termasuk data-data tentang cuaca. Metode analisis data yang digunakan dengan
multiple linear regression. Pada penelitian ini digunakan uji F, uji korelasi parsial dan
koefisien determinasinya. Setelah didapatkan model regresi dengan dua variable
bebas, kemudian dilakukan pengujian terhadap koefisien regresi. Dari hasil
perhitungan, dapat diketahui keterkaitan antara jumlah hari hujan dengan curah
hujan sangat kuat. Keterkaitan antara lama penyinaran dan curah hujan kuat.
Sedangkan, keterkaitan antara jumlah hari hujan dan lama penyinaran sangat kuat.
Koefisien determinasinya 0,5778. Artinya tingkat kecocokan model multiple linear
regression memiliki tingkat kehandalan 57,78%. Kesimpulan dari penelitian ini
adalah jumlah hari hujan dan lamanya penyinaran matahari berpengaruh signifikan
terhadap curah hujan. Model regresi yang digunakan memberikan hasil 57,78% yang
berarti curah hujan dipengaruhi oleh 57,78% variable bebas yang diukur pada
penelitian ini.
Kata Kunci: Multiple Linear Regression, data mining, curah hujan.
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |34
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
1. PENDAHULUAN
1.1 Latar Belakang
Cuaca merupakan keadaan yang menunjukkan adanya aktifitas alam di
atmosfer pada suatu wilayah tertentu dan dalam waktu yang singkat. Berbagai
aktifitas manusia bergantung dengan kondisi cuaca. Kondisi cuaca berpengaruh
pada beberapa sektor. Informasi tentang cuaca bisa didapatkan secara berkala.
Badan Metereologi, Klimatologi dan Geofisika (BMKG) dapat mempublikasikan
informasi ini per bulan. Adanya pemberian informasi secara berkala ini dapat
dijadikan acuan untuk menggali pengetahuan dari data-data ini.
Perkembangan teknologi informasi pada era globalisasi saat ini sangat
berkembang pesat. Perkembangan ini juga telah melahirkan perkembangan
banyak data, termasuk data-data tentang cuaca. Teknologi saat ini mampu
menyimpan dan mengumpulkan berbagai tipe data. Untuk menangani jumlah data
yang besar ini, maka lahirlah sebuah metode baru, yaitu data mining. Data mining
digunakan untuk mencari pengetahuan apa yang dapat digali dari informasi yang
diambil dari data-data yang jumlahnya besar. Dari informasi inilah kita akan
mencari pengetahuan yang bisa diambil dari data-data tersebut
Oleh karena itu, digunakanlah data mining untuk mengetahui pola
hubungan curah hujan dengan variabel cuaca lainnya. Data yang didapat yaitu dari
data-data yang didapatkan dari Badan Metereologi, Klimatologi dan Geofisika
(BMKG). Pengetahuan yang didapat berguna nantinya untuk mengetahui
hubungan curah hujan dengan variabel cuaca.
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |35
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
2. METODE PENELITIAN
Metode analisis data yang digunakan dengan multiple linear regression.
Setelah didapatkan model regresi dengan dua variable bebas, kemudian dilakukan
pengujian terhadap koefisien regresi. Pada penelitian ini digunakan uji korelasi
parsial dan koefisien determinasi nya. Hal ini digunakan untuk mengetahui
seberapa besar pengaruh semua variabel bebas secara bersama-sama terhadap
perubahan variabel tak bebas Y dan mengukur seberapa kuat hubungan antara
variabel-variabel bebas yang telah ditetapkan dalam model terbaik terhadap
variabel tak bebasnya. Setelah itu dilakukan uji F untuk mengukur tingkat
signifikansinya. Setelah dilakukan uji F, dilakukanlah pengujian terhadap model
regresi. Hasil pengujian (prediksi) dibandingkan dengan nilai kenyataan dan
kemudian dihitung nilai standar error nya.
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |36
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |37
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
Keterangan :
Tgl : bulan dan tahun
X1 : jumlah hari hujan
X2 : lama penyinaran
Y : curah hujan
Kedua, untuk menghitung rX2Y, maka query SQL yang digunakan adalah :
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |38
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
Ketiga, untuk menghitung rX1X2, maka query SQL yang digunakan adalah :
Keempat, untuk menghitung jumlah per kolom dari tabel rX1Y, maka query
SQL yang digunakan adalah :
Kelima, untuk menghitung jumlah per kolom rX2Y, maka query SQL yang
digunakan adalah :
Keenam, untuk menghitung jumlah per kolom rX1X2, maka query SQL yang
digunakan adalah:
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |39
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
rx1Y 0,7536
rx2Y -0,6765
rX1X2 -0,8228
0,7601 0,5778
d. Uji F
Uji F digunakan untuk mengukur signifikan keseluruhan model
regresi F. Apakah hasilnya signifikan atau tidak. Jika hasilnya signifikan,
artinya model regresi bisa digunakan untuk peramalan. Untuk melakukan uji
F, Pertama-tama kita melakukan perhitungan Fhitung.
Fhitung =
=
= 71,854
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |40
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
Kriteria :
Fhitung > Ftabel Ha diterima
Fhitung <= Ftabel Ho diterima
Ho : variable bebas tidak berpengaruh signifikan terhadap variable terikat
Ha : variable bebas berpengaruh signifikan terhadap variable terikat.
Ftable dengan menggunakan tingkat kepercayaan (α) 0,05 dan dk pembilang
andalah banyaknya variable bebas yaitu 2 dan dk penyebut adalah n-k-1
yaitu 105, maka didapatlah hasil Ftable adalah 3,0829. Dengan demikian Fhitung
> Ftable. Ini artinya jumlah hari hujan dan lamanya penyinaran matahari
berpengaruh signifikan terhadap curah hujan.
e. Pengujian
Misalkan terdapat data jumlah hari hujan dan lama penyinaran
sebagai berikut
Tabel 5 Data Pengujian
Tgl X1 X2
Jan-2014 26 33.3
Feb-2014 21 44.9
Mar-2014 24 49.4
Apr-2014 21 56.4
Mei-2014 27 62.3
Jun-2014 20 50.9
Jul-2014 12 64.2
Agt-2014 12 18
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |41
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
Jan-
2014 26 33.3 325.508 443 117.49 13804.38
Feb- 247.028
2014 21 44.9 7 220 -27.03 730.55
Mar- 274.604
2014 24 49.4 1 332 57.40 3294.29
Apr- 227.448
2014 21 56.4 4 223 -4.45 19.79
Mei- 287.877 -
2014 27 62.3 3 156 131.88 17391.63
Jun- 225.067
2014 20 50.9 2 221 -4.07 16.54
Jul- 108.456
2014 12 64.2 2 113 4.54 20.65
Agt- 187.117 -
2014 12 18 9 53 134.12 17987.61
TOTAL 53265.43
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |42
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
4.2 Saran
Berdasarkan hasil pembahasan dan kesimpulan, maka saran untuk
penelitian selanjutnya adalah sebagai berikut :
a. Sebaiknya data yang digunakan lebih banyak lagi agar model regresi yang
digunakan lebih baik lagi.
b. Variable bebas yang digunakan dapat ditambah lagi (seperti suhu udara, tekanan
udara, dan lain-lain) agar diketahui seberapa besar pengaruh variable lainnya
terhadap curah hujan.
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |43
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 02, No.01 Februari 2015
ISSN: 2406-7857
DAFTAR PUSTAKA
[1]. Kurniadi, Eka, dkk. 2012. “Multiple linear regression Menggunakan
Aplikasi Matlab”. Universitas Pendidikan Ganesha Singaraja. Bali.
[2]. Larose, Daniel T. 2006. “Data mining Methods and Models”. John Wiley &
Sons Inc.Hoboken New Jersey.
[3]. Lesmana, Eman dan Riaman. 2013. “Penggunaan Model Regresi linear
Berganda pada Program Penggemukan Sapi PO (Peranakan Ongole)
serta Analisis BCR (Benefit Cost Ratio) Penggunaan Bahan Pakan
Kering”. Prosiding Seminar Nasional Sains dan Teknologi Nuklir PTNBR-
BATAN Bandung 4 Juli 2013.
[4]. Turban, E., Aronson Jay E. dan Liang T. 2005. “Decision Support Systems and
Intelligent Systems Seventh Edition”. Andi. Yogyakarta.
Multiple Linear Regression untuk Pengenalan Pola Curah Hujan (Irwan Budiman) |44