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