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