bab 3 metodologi penelitian 3.1 kerangka pemikiran dan...
TRANSCRIPT
BAB 3
METODOLOGI PENELITIAN
3.1 Kerangka Pemikiran dan Hipotesis
3.1.1 Kerangka Pemikiran
Berdasarkan kerangka teori yang telah dijelaskan pada gambaran umum objek,
maka di kembangkan kerangka pemikiran penelitian sebagai berikut: ketinggian
permukaan air sungai manggarai dalam satuan meter dipengaruhi oleh variabel
klimatologis yang ada di daerah Bogor per hari. Dengan demikian maka ketinggian
permukaan air sungai manggarai akan menjadi variabel dependent dan data klimatologi
di Bogor sebagai variabel independent. Karena penulis ingin menduga ketinggian
permukaan air sungai dengan menggunakan data periodik data klimatologi di Bogor.
Maka metode autoregresi multivariant dirasa paling tepat. Pertama perlu dilakukan
adalah mengkorelasi data. Korelasi ini bertujuan untuk mengatahui besarnya hubungan
antar variabel. Data yang didapat yaitu data ketinggian permukaan air dan data
klimatologi ternyata tidak bisa langsung digunakan. Hal ini disebabkan karena adanya
perbedaan satuan waktu. Untuk data ketinggian sungai petugas pintu air Manggarai
mencatatnya dalam satuan jam. Sedangkan untuk data klimatologi Bogor dicatat dalam
satuan hari. Dalam hal ini maka penulis mengambil suatu asumsi, karena tujuan kita
adalah memprediksi banjir dan banjir akan terjadi bila ketinggian permukaan air sungai
mencapai batas tertentu yaitu 800 meter maka penulis mengambil permukaan air
tertinggi yang dicapai pada hari tersebut. Dengan cara demikian maka didapatlah data
per hari untuk permukaan air sungai. Nantinya melalui model yang didapat kita bisa
45
menentukan nilai variabel Y yang merupakan nilai dari variabel dependent yaitu
ketinggian permukaan air sungai Manggarai.
3.1.2 Hipotesis
Hipotesis :
Bahwa ada hubungan linear antara ketinggian permukaan air sungai Manggarai
dengan data-data klimatologi Darmaga Bogor.
Variabel Bebas Variabel tak bebas
(independent) (dependent)
Gambar 3.1 Kerangka Penelitian
Hubungan Antara Data Klimatologi dengan Ketinggian Permukaan Air Sungai
3.2 Pengumpulan Data
Data yang dikumpulkan adalah data dari catatan harian petugas pintu air
Manggarai. Ketinggian permukaan air dicatat setiap jam dengan melihat alat pengukur
yang sering disebut dengan pel scale. Skala ini merupakan skala yang menunjukan
Curah hujan (mm)
Temperatur oC
Penyinaran matahari (%)
Kelembaban nisbi (%)
Ketinggian permukaan air (m)
46
ketinggian permukaan air sungai yang di ukur dalam satuan meter. Untuk keadaan
normal biasanya ketinggian air berkisar di angka 650m – 750m. Bila ketinggian air
menunjukan angka 800 ke atas maka itulah batas dimana daerah kanal barat akan
terendam banjir. Sedangkan untuk data klimatologi Bogor sendiri, data didapat dari
catatan harian Badan Meteorologi dan Geofisika wilayah – II Stasiun klimatologi klas I
Darmaga Bogor, detailnya kotak pos 76 Bogor. Dengan garis lintang 6o44’ LS , garis
bujur 107o BT dan tinggi 1120 m diatas permuakaan laut.
3.2.1 Tempat dan Waktu Penelitian
Tempat penelitian dilakukan di pintu air Manggarai. Penelitian dilakukan
sebanyak dua kali. Kunjungan pertama dilakukan sekitar bulan September 2009. Pada
kunjunga pertama ini penulis melakukan survei tempat, membuat perkiraan variabel dan
meneliti catatan harian yang ada di permukaan air. Kunjuangan kedua dilakukan pada
bulan November 2009. Pada kunjungan kedua ini bertujuan untuk mendapatkan data-
data secara lengkap dari catatan harian ketinggian permukaan sungai.
3.2.2 Cakupan Waktu Penelitian
Cakupan waktu dalam penelitian ini adalah data deret waktu dari ketinggian
permukaan air sungai Manggarai selama tahun 2006-2007 dan curah hujan harian di
Bogor untuk tahun yang sama. Tahun 2006 - 2007 diambil karena pada tahun tersebut
terjadi banjir terdasyat selama kurun waktu lima tahun terakhir ini di Jakarta. Sehingga
model yang di ambil adalah model data deret waktu banjir besar Jakarta.
47
3.2.3 Etika Penilitian
Pengambilan data dilakukan setelah mendapat ijin petugas pintu air Manggarai
dan setelah mendapat surat keterangan ijin penelitian dari Universitas Bina Nusantara.
3.2.4 Tehnik Pengumpulan Data
3.2.4.1 Jenis Data:
Data yang di ambil adalah data sekunder, yaitu data dengan pola musiman untuk
ketinggian air sungai dan data klimatologi.
3.2.4.2 Variabel yang Diteliti
Ada dua variabel yang diteliti yaitu :
1. Variabel ketinggian permukaan air di sungai Manggarai sebagai variabel bebas
(dependent). Basarnya variabel ini akan dipengaruhi oleh besarnya variabel
lainnya.
2. Variabel data stasiun klimatologi Bogor sebagai variabel tak bebas
(independent). Karena variabel ini tidak dipengaruhi oleh besarnya variabel lain
dalam penelitian. Data-data ini meliputi data temperature, lama penyinaran
matahari, curah hujan dan kelembaban nisbi.
3.2.4.3 Metoda Pengumpulan Data
Pengumpulan data dilakukan dengan cara mengobservasi data yang tercatat pada
catatan harian pintu air dan data klimatologi di Bogor, yang pengisianya dilakukan oleh
peneliti. Adapun langkah-langkah penelitianya sebagai berikut :
48
1. Mengamati pola deret waktu yang akan dijadikan model untuk peramalan. Pola
data tahun 2006 sampai 2007 awal dianggap paling tepat karena terjadi banjir
yang paling besar dalam kurun lima tahun terakhir di Jakarta.
2. Melakukan korelasi terhadap data-data klimatologi untuk mengetahui besarnya
hubungan setiap data–data klimatologi dengan data ketinggian permukaan air.
Mengetahui besarnya derajat hubungan antar variabel akan berguna untuk
mendapatkan model yang terbaik. Untuk lebih jelasnya akan dibahas di bab
selanjutnya.
3. Merubah data ketinggian permukaan air yang dicatat dalam satuan jam menjadi
satuan harian. Hal ini penting karena dengan demikian proses analisis dapat
dilaksanakan karena data curah hujan dicatat dalam satuan harian.
4. Mengumpulkan semua data observasi yang telah disiapkan guna analisis lebih
lanjut.
3.2.4.4 Pengolahan Data
Setelah data dikumpulkan maka tahapan selanjutnya adalah pengolahan data.
Adapun proses pengolahan data adalah editing, coding, dan entry. Pada tahap ini, hal
utama yang dilakukan adalah mengubah data mentah (data yang masih perlu diolah
menjadi informasinya yang akhirnya dapat digunakan untuk menjawab penelitian
(Hastono, 2001)).
1. Editing. Editing dilakukan untuk menghilangkan kesalahan-kesalahan yang
terdapat pada pencatatanhasil observasi dan bersifat koreksi dengan cara
mengumpulkan data ulang.
49
2. Coding. Yaitu pemberian kode pada data yang masuk, khususnya variabel
dengan skala nominal.
3. Entry. Data hasil observasi dan hasil koding dimasukan ke dalam komputer
secara manual.
3.3 Teknik Analisis Data
Design penelitian ini menggunakan tiga buah metode yaitu perhitungan koefisien
korelasi untuk mengetahui variabel yang mempunyai hubungan yang kuat. Penyusunan
deret waktu dengan autoregresi dan yang terakhir adalah menghasilkan model dengan
menggunakan regresi berganda atau multivariate regression dengan deret waktu yang
telah disusun. Hal itu semua berguna untuk menggambarkan hubungan antara keadaaan
klimatologis yang berada di Bogor sebagai variabel bebas dengan ketinggian permukan
sungai Manggarai yang ada di Jakarta yang berjangka waktu dari bulan Oktober 2006 –
April 2007 sebagai contoh model. Adapun tahap-tahap analisis data dalam penelitian ini
dapat dilihat pada gambar 3.2 di bawah ini.
50
Gambar 3.2 Tahapan Analisis Data
51
3.3.1 Analisis Data
Tahap ini berguna untuk menganalisis data mentah. Sehingga siap untuk di
analisis lebih lanjut. Melalui analisis awal kita bisa memperkirakan pola data yang kita
hadapi dan karakteristiknya.
3.3.2 Korelasi
Setelah mengetahui karakteristik masing-masing data penelitian, selanjutnya
adalah menghitung derajat korelasi untuk melihat hubungan antar variabel. Korelasi
yang digunakan oleh ,penulis adalah korelasi Pearson atau sering sebut koefisien
korelasi contoh yang mempunyai rumus sebagai berikut :
2 2 2 2
( )( )( ) ( )
XYn XY X Yr
n X X n Y YΣ − Σ Σ
=Σ − Σ Σ − Σ
Dimana :
XYr : koefisien korelasi
n : jumlah data
XYΣ
: penjumlahan variabel X kali Y
XΣ : penjumlahan variabel X
YΣ : penjumlahan variabel Y
2XΣ : penjumlahan variabel X kuadrat
2( )XΣ : penjumlahan variabel X lalu dikuadratkan
2( )YΣ : penjumlahan variabel Y lalu dikuadratkan
52
3.3.3 Autoregresi
Setelah kita mencoba mengkorelasikan satu buah variabel dengan variabel
lainya. Maka dengan pemodelan autoregresi ini kita mencoba untuk membentuk suatu
pola dengan time lag yang baru. Biasanya rumus autoregresi mempunyai model seperti
ini
1 1 2 2' ...t t t p t p tX X X X eμ β β β− − −= + + + + +
Namun pada peneltian ini peneleti menggunakan modifikasi dari pemodelan
autoregresi guna untuk mendapatkan hasil yang lebih baik, yaitu ragam yang lebih besar
untuk Y dugaannya. Secara statistik diperbolehkan untuk memodifikasi pemodelan
dengan mengubah nilai variabel bebasnya (X) untuk mencari nilai-nilai variabel member
pengaruh lebih baik untuk hasil dugaan. Hal ini dapat kita lihat pada pemodelan regresi
Stepwise dalam buku Makridakis (Makridakis, 1999, p305). Untuk lebih jelasnya akan
dibahas dalam bab hasil dan pembahasan.
3.3.4 Regresi Berganda
Regresi berganda akan berguna untuk menghitung koefisien pemodelan yang
sudah dibuat. Karena pada dasarnya pemodelan yang sudah dibuat sebelumnya adalah
model regresi berganda, bedanya adalah bahwa masing-masing variabelnya terdapat
selang waktu. Metode yang digunakan adalah least square method (metode kuadrat
terkecil) adalah sebagai berikut :
µ 1( ' ) 'B X X X Y−=
Dimana :
^B = matriks nilai dugaan bagi parameter β
53
(X’X)-1 = invers dari matriks X’X, berukuran, matriks X’X mengandung elemen-
elemen jumlah kuadrat dan jumlah hasil kali dari variabel-variabel
bebas X.
(X’Y) = matriks yang mengandung elemen-elemen jumlah hasil kali antara
nilai-nilai variabel bebas X dan variabel tak bebas Y.
3.4.5 Koefisien Determinasi
Koefisien determinasi diperlukan untuk mengetahui bagaimana sebaran ragam
model dugaan terhadap sebaran ragam sebenarnya. Karena rumus koefisien determinasi
adalah proporsi ragam pada Y yang dapat diterangkan oleh µY . Dalam kasus ini berarti
kita ingin melihat bagaimana nilai ragam ketinggian permukaan air dapat dapat
diterangkan oleh ragam dugaan nya. Jika proporsinya besar maka hal itu menunjukan
bahwa model dugaannya mempunyai nilai yang menyebar dan hal ini berarti pemodelan
yang di dapat cukup bagus. Karena biasanya regesi menarik nilai ragamnya kearah rata-
rata data sehingga model yang didapat tidak mampu meramalkan perubahan yang terjadi
secara akurat.
3.4.6 Statistik Durbin Watson
Statistik ini berguna untuk mengetahui sebaran galat yang didapat dari
pemodelan. Pengujian galat ini bisa menunjukan bahwa sebaran galat yang didapat
cenderung memiliki pola melambat atau pola mempercepat. Bila galat yang dihasilkan
memiliki pola mengecil maka hal ini menunjukan bahwa semakin lama pemodelan kita
ada kolerasi negatif dan sebaliknya. Nilai DW yang bagus adalah mendekati nilai 2.
54
Kedua pola baik mempercepat atau melambat akan diketahui buruk ketika statistik DW
nya jauh dari nilai 2, karena jika jauh dari nilai tersebut berarti akan model kita tidak
akurat lagi karena terlalu jauh perbandingan dengan data sebenarnya.
3.4 Metodologi Perancangan
Perancangan program aplikasi autoregresif multivariate bertujuan untuk
membentuk model autoregresi (AR) dengan empat buah variabel yang sudah ditetapkan.
Dari program ini pula kita bisa melihat pola-pola yang terbentuk. Dari mulai pola data
sebenarnya, data eksporasi, data peramalan dan perbandingan antara data sebenarnya
dengan data peramalan. Dengan melihat tampilan data berupa grafik diharapkan agar
lebih mudah dipahami sekalipun untuk orang awam. Adapun metodologi yang dibuat
terdiri dari tiga bagian yaitu : Perancangan diagram STD, Perancangan flowchart, dan
perancangan layar.
3.4.1 Perancangan Diagram Transisi (STD)
Diagram transisi digunakan untuk memberi gambaran secara menyeluruh tentang
cara kerja suatu sistem aplikasi. Dengan menggambarkan keadaan (state) dan aksi
(event) yang menyebabkan sistem tersebut untuk berpindah keadaan.
55
Gambar 3.3 Diagram Transisi Program
3.4.2 Perancangan Diagram Alir (Flowchart)
Diagram alir ini dibuat untuk menggambarkan interaksi antara perhitungan
metode autoregresif multivariate dengan sistem aplikasi yang dibuat dengan adanya
flowchart ini maka kita dapat lebih jelas lagi melihat bagaimana perhitungan yang
dilakukan oleh program (proses perhitungan yang biasanya tidak ditampilkan pada
program aplikasi).
56
57
58
59
60
61
62
63
64
65
66
Gambar 3.4 Flowchart Autoregresi
67
3.4.3 Perancangan Layar
Perancangan layar adalah gambaran layar muka pengguna (user interface) yang
diberikan oleh program aplikasi ini. Adapun rancangan program deteksi dini banjir kanal
barat dengan menggunakan program metode autoregresi multivariate adalah sebagai
berikut :
Gambar 3.5 Rancangan Layar