makalah
TRANSCRIPT
MAKALAH
Nama : SUKO ABDI NAGORO
NPT : 13.11.2392
Kelas : METEOROLOGI – 3B
0
KATA PENGANTAR
Puji syukur saya panjatkan kehadirat Allah SWT yang telah
memberikan rahmat serta karunia-Nya kepada saya sehingga saya
berhasil menyelesaikan Makalah ini yang alhamdulillah tepat pada
waktunya yang berjudul “Prediksi Cuaca Dengan Data Statistik”.
Makalah ini berisikan tentang bagaimana menerapkan metode
statistik induktif dalam mengolah data dari unsur-unsur meteorologi serta
memprediksikan cuaca dengan data olahan tersebut. Metode statistik
induktif yang akan digunakan adalah Korelasi dan Regresi. Diharapkan
Makalah ini dapat memberikan informasi kepada kita semua bagaimana
kaitan antara meteorologi dan statistika dalam memprediksikan cuaca.
Saya menyadari bahwa makalah ini masih jauh dari sempurna, oleh
karena itu kritik dan saran dari semua pihak yang bersifat membangun
selalu saya harapkan demi kesempurnaan makalah ini.
Akhir kata, saya sampaikan terima kasih kepada semua pihak yang
telah berperan serta dalam penyusunan makalah ini dari awal sampai
akhir. Semoga Allah SWT senantiasa meridhai segala usaha kita. Amin.
Bintaro, 28 Oktober 2012
Suko Abdi Nagoro
NPT : 13.11.2392
1
DAFTAR ISI
Kata pengantar……………………………………………………………….1
Daftar Isi……………………………………………………………………….2
Pendahuluan………………………………………………………………....
Latar Belakang………………………………………………………..3
Tujuan…………………………………………………………………4
Manfaat………………………………………………………………...
Pembahasan………………………………………………………………….
Perolehan Data……………………………………………………….4
Data Berita Klimat Stamet Biak……………………………………..5
Pengolahan Data……………………………………………………..6
Metode Regresi………………………………………………………..6
Metode Korelasi……………………………………………………....11
Penutup………………………………………………………………………….
Kesimpulan……………………………………………………………13
Saran…………………………………………………………………...14
Daftar Pustaka…………………………………………………………………14
2
PENDAHULUAN
Latar belakang
Tekanan udara merupakan berat massa kolom udara di atmosfer
bumi per satuan luasan. Tekanan udara dipengaruhi oleh suhu udara dan
ketingan suatu tempat, makin tinggi tempatnya maka makin rendah
tekanan udaranya sedangan makin tinggi suhu udara di suatu permukaan
bumi maka makin kecil pula tekanan udara pada tempat itu.
Sedangan pengertian hujan adalah presipitasi dalam bentuk cairan
yang turun dari awan yang di karenakan proses kondensasi. Curah hujan
merupakan jumlah presipitasi yang ditampung selama hujan oleh alat
penakar dalam satuan mm.
Tekanan udara dan curah hujan memang tidak secara langsung
berhubungan, oleh karena itu pada makalah ini kita akan coba mencari
tahu hubungan dan kedakatan dua variable ini dengan metode statistik.
Metode statistik yang akan kita gunakan disini adalah statistik induktif.
Statistika Induktif adalah ilmu statistika yang mempelajari tata cara
penarikan kesimpulan mengenai keseluruhan data atau populasi
berdasarkan sebagian data atau sampel dari populasi tersebut. Dalam hal
ini kita akan menggunakan metode regresi dan korelasi dalam mencari
keterkaitan dan hubungan antara tekanan udara dan curah hujan.
3
Tujuan
- Menganalisa parameter cuaca dengan metode statistik induktif
- Menemukan hubungan antara varibel tekanan udara dan variabel
curah hujan
- Mencari kedekatan antara dua variable tersebut dengan
menggunakan metode korelasi
- Mecari persamaan regresi dari dua variable tersebut
Manfaat
- Dapat memanfaatkan metode statistik induktif untuk peramalan dan
analisa cuaca
- Dapat memahami metode regresi dan korelasi dalam perhitungan
data statistik .
PEMBAHASAN
Perolehan data
Dalam makalah ini, penulis memperoleh data Laporan berita klimat
bulanan dari stasiun meteorologi Frans Kaisiepo Biak (97560). Data berita
klimat tersebut diambil oleh penulis dari situs pertukaran data meteorologi
dunia yaitu www.ogimet.com. Data perolehan asli dari www.ogimet.com
adalah sbb :
4
CLIMAT summary for 97560: Biak / Mokmer (Indonesia)
Latitude: 01-11S Longitude: 136-07E Altitude: 11 m.
MONTHPRESSURE
(HPa)
TEMPERATURE
(C)
VAP.T
(HPa)
PRECIP.
(mm)
SUNSHINE
(Hour)
YEAR M P0 Sea H T dT H Tx H Tn H E H R Q Nr H Hr % H
2011 10 1007.8 1009.7 027.2
(+0.4)0.8 0
30.3
(+0.6)024.5
(+1.6)030.6
(+1.8)0 222 -- 25 0 200 150 0
2011 11 ---- 1007.8 027.3
(+0.4)1.0 0
30.3
(-0.4)024.8
(+1.5)031.2
(+1.3)0 123 -- 22 0 148 110 0
2011 12 1005.4 1006.9 027.3
(+0.5)0.8 0
30.5
(+0.8)024.8
(+1.9)031.3
(+2.5)0 305 -- 24 0 117 90 0
2012 01 ---- 1008.2 027.5
(+0.9)0.8 0
30.5
(+0.2)024.6
(+1.2)030.8
(+1.1)0 182 -- 27 0 147 110 0
2012 02 ---- 1007.8 027.5
(+0.2)0.6 0
30.8
(-0.5)024.6
(+0.4)030.5
(+0.0)0 123 -- 26 0 149 110 0
2012 03 1006.5 1008.0 026.7
(+0.2)0.7 0
29.8
(-0.4)024.2
(+0.8)030.8
(+1.2)0 458 -- 30 0 115 90 0
2012 04 ---- 1009.5 027.1
(+0.4)0.5 0
30.2
(-0.2)024.5
(+0.8)030.8
(+0.7)- 187 -- 24 - 114 90 -
2012 05 ---- 1008.5 027.2
(+0.1)0.7 0
30.2
(-0.4)024.6
(+0.7)031.0
(+1.0)0 266 -- 25 0 151 120 0
2012 06 ---- 1009.3 026.8
(+0.1)0.8 0
29.7
(-0.5)024.2
(+0.5)030.4
(+1.0)0 287 -- 24 0 134 100 0
2012 07 ---- 1008.6 026.5
(-0.1)0.8 0
29.5
(-0.5)024.1
(+0.6)030.4
(+1.5)0 282 -- 28 0 80 60 0
2012 08 1008.6 1010.1 026.9
(+0.2)0.7 0
29.8
(-0.4)024.4
(+0.7)030.6
(+1.9)0 228 -- 25 0 106 80 0
2012 09 ---- 1009.6 027.2
(+0.4)1.0 0
30.3
(-0.2)024.6
(+1.1)030.6
(+1.4)0 200 -- 21 0 101 80 0
5
Data yang kita gunakan adalah data tekanan pada MSL dan data
curah hujan bulanan dari stamet Frans Kaisiepo Biak (97560).
MONTH/YEAR QFF(X) RRR(Y)
Oct-11 1009.7 222
Nov-11 1007.8 123
Dec-11 1006.9 305
Jan-12 1008.2 182
Feb-12 1007.8 123
Mar-12 1008 458
Apr-12 1009.5 187
May-12 1008.5 266
Jun-12 1009.3 287
Jul-12 1008.6 282
Aug-12 1010.1 228
Sep-12 1009.6 200
Pengolahan data
Metode Regresi
Secara umum, analisis regresi pada dasarnya adalah studi
mengenai ketergantungan satu variabel dependen (terikat) dengan satu
atau lebih variabel independent (variabel penjelas/bebas), dengan tujuan
untuk mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai
rata-rata variabel dependen berdasarkan nilai variabel independen yang
diketahui. Pusat perhatian adalah pada upaya menjelaskan dan
mengevalusi hubungan antara suatu variabel dengan satu atau lebih
variabel independen.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-
masing variable independent. Koefisien ini diperoleh dengan cara
memprediksi nilai variable dependen dengan suatu persamaan. Koefisien
6
regresi dihitung dengan dua tujuan sekaligus : Pertama, meminimumkan
penyimpangan antara nilai aktual dan nilai estimasi variable dependen;
Kedua, mengoptimalkan korelasi antara nilai aktual dan nilai estimasi
variable dependen berdasarkan data yang ada.
Persamaan regresi: persamaan matematik yang memungkinkan
peramalan nilai suatu peubah tak bebas (dependent variable) dari nilai
peubah bebas (independent variable). Bentuk Umum persamaan regresi
linear.
Y = a + bX
Y : peubah tak bebas
X : peubah bebas
a : konstanta
b : kemiringan
MONTH/
YEAR
QFF(
X)
RRR(
Y)XY X2 Y2
Oct-111009.
7222
224153
.4
101949
4
4928
4
Nov-111007.
8123
123959
.4
101566
1
1512
9
Dec-111006.
9305
307104
.5
101384
8
9302
5
Jan-121008.
2182
183492
.4
101646
7
3312
4
Feb-121007.
8123
123959
.4
101566
1
1512
9
Mar-12 1008 458 461664101606
4
2097
64
Apr-121009.
5187
188776
.5
101909
0
3496
9
May-12 1008. 266 268261 101707 7075
7
5 2 6
Jun-121009.
3287
289669
.1
101868
6
8236
9
Jul-121008.
6282
284425
.2
101727
4
7952
4
Aug-121010.
1228
230302
.8
102030
2
5198
4
Sep-121009.
6200 201920
101929
2
4000
0
Jumlah1210
42863
288768
8
122089
12
7750
57
Pada perhitungan ini kita terlebih dahulu menentukan menentukan
persaman regresi dengan mencari nilai a dan nilai b
b=n∑ XY−∑ X∑Y
n∑ X 2−(∑ X)2
b=(12×2887688 )−(12104×2863)
(12×12208912 )−(12104)2
b = - 12.0083
a=Y−b X
a=∑ Y
n−b
∑ X
n
a=286312
−(−12.0083)× 1210412
a = 12350.98
8
Setelah kita memperoleh a dan b maka kita masukan ke
persamaan regresi.
Y = a + bX
Y = 12350.98 - 12.0083X
Setelah kita peroleh persamaan tersebut maka kita buat diagram
pencar yang menghubungkan antara X (Tekanan udara) dan Y (Curah
Hujan).
9
Setelah menemukan persamaan regresi tersebut maka kita dapat
menentukan curah hujan berdasarkan data tekanan yang diketahui.
Sebagai contoh kita akan memprediksi berapa curah hujan bulanan
Stamet frans kaisiepo Biak jika data tekanan udara rata” bulanan QFF
diketahui adalah 1010.1 mb. Maka kita dapat langsung mencarinya sbb :
Y = 12350.98 - 12.0083X
Y = 12350.98 - 12.0083(1010.1)
Y = 221.3714
Kita peroleh bahwa curah hujannya adalah 221.4 mm
Untuk melihat seberapa jauh antara hasil prediksi dengan hasil
pengamatan sebenarnya, maka kita buat tabel dan grafik yang
menghubungkan antar Y (Curah hujan hasil pengamatn) dan Y’ (Prediksi
hujan dengan Persamaan Regresi).
10
1006.5 1007 1007.5 1008 1008.5 1009 1009.5 1010 1010.50
50
100
150
200
250
300
350
400
450
500
Tekanan Udara
Cura
h Hu
jan
11
Oct-11
Nov-11
Dec-11
Jan-12
Feb-12
Mar-12
Apr-12
May-12
Jun-12Jul-1
2
Aug-12
Sep-12
0
50
100
150
200
250
300
350
400
450
500
PengamatanPrediksi
MONTH/YEAR Y Y’ = 12350.98 - 12.0083X
Oct-11 222 226.199
Nov-11 123 249.015
Dec-11 305 259.823
Jan-12 182 244.212
Feb-12 123 249.015
Mar-12 458 246.614
Apr-12 187 228.601
May-12 266 240.609
Jun-12 287 231.003
Jul-12 282 239.409
Aug-12 228 221.396
Sep-12 200 227.4
Metode 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.
Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y Nilai r
berkisar antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y
memiliki korelasi linier yang tinggi
Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier
sempurna.
Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier.
(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke
regresi eksponensial).
Koefisien Determinasi Sampel = R = r² merupakan Ukuran proporsi
keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai peubah X
melalui hubungan linier.
12
MONTH/
YEAR
QFF(
X)
RRR(
Y)XY X2 Y2
Oct-111009.
7222
224153
.4
101949
4
4928
4
Nov-111007.
8123
123959
.4
101566
1
1512
9
Dec-111006.
9305
307104
.5
101384
8
9302
5
Jan-121008.
2182
183492
.4
101646
7
3312
4
Feb-121007.
8123
123959
.4
101566
1
1512
9
Mar-12 1008 458 461664101606
4
2097
64
Apr-121009.
5187
188776
.5
101909
0
3496
9
May-121008.
5266 268261
101707
2
7075
6
Jun-121009.
3287
289669
.1
101868
6
8236
9
Jul-121008.
6282
284425
.2
101727
4
7952
4
Aug-121010.
1228
230302
.8
102030
2
5198
4
Sep-121009.
6200 201920
101929
2
4000
0
Jumlah1210
42863
288768
8
122089
12
7750
57
13
r=n∑ XY−∑ X∑ Y
√ [n∑ X2−(∑ X )2][n∑Y 2−(∑Y )2]
r=(12×2887688 )−(12104×2863)
√ [ (12×12208912 )−(12104 )2 ]×[(12×775057)−(2863)2]
r = - 0.12772
R=r2
R=(−0 .12772)2=0 .016313=1 .63%
R = 1.63 %
Berdasarkan perhitungan korelasi data tersebut kita peroleh bahwa
antara tekanan udara dan curah hujan memiliki korelasi (r) sebesar -
0.12772 dan Koefisien Determinasi (R) sebesar 1.63%. Nilai r = - 0.12772
menunjukkan bahwa peubah X (Tekanan Udara) dan Y (Curah Hujan)
berkorelasi linier yang negatif dan rendah. Koefisien Determinasi (R) = r2
= (- 0.12772)2 = 0.016313 = 1.63 %. Nilai R = 1.63 %, artinya: 1.63 %
proporsi keragaman nilai peubah Y (Curah Hujan) dapat dijelaskan oleh
nilai peubah X (Tekanan Udara) melalui hubungan linier. Sisanya, yaitu
98.37% dijelaskan oleh hal-hal lainnya.
PENUTUP
Kesimpulan
14
Berdasarkan pada tujuan, hasil pengamatan, dan pembahasan maka
dapat diambil beberapa kesimpulan sebagai berikut :
1. Metode statistik induktif dapat digunakan untuk menganalisa
parameter cuaca
2. Persamaan regresi antara tekanan udara dan curah hujan adalah
Y = 12350.98 - 12.0083X
3. Hubungan atau keterkaitan antara tekanan udara dan curah hujan
sangatlah kecil, hal tersebut ditunjukkan oleh hasil korelasinya yang
kecil yaitu – 0.12772
4. Keterkaitan antara tekanan udara dan curah hujan adalah
berbanding terbalik, hal itu ditunjukkan oleh hasil korelasi bertanda
minus (-).
Saran
Untuk memperoleh hasil analisa yang lebih baik dan akurat,
sebaiknya kita menggunakan variabel parameter cuaca yang banyak pula,
kita bisa menggunakan metode regresi liner berganda dalam
perhitungannya.
DAFTAR PUSTAKA
www.ogimet.com
http://www.slideshare.net/efvolutionzunior/regresi-dan-korelasi
15
http://arisetiadi11911.blogspot.com/2012/02/laporan-klimatologi-acara-
3-analisis.html
http://mbem25.blogspot.com/2012/06/analisis-dan-interpretasi-data-
cuaca.html
http://widyago.wordpress.com/2011/04/03/pengertian-regresi-dan-
korelasi/
16