Statistika Terapan Penelitian:

STUDI VARIABILITAS SPASIAL DAN TEMPORAL TEMPERATUR PERMUKAAN LAUT BERDASARKAN ANALISIS CITRA TERMAL SATELIT LANDSAT-8 DI PERAIRAN PLTU SUMURADEM INDRAMAYU JAWA

BARAT

Tugas Akhir Mata Kuliah Statistika Terapan

Dosen Pengampu: Dr. Agus Trianto, ST., M.Sc.

Disusun Oleh:

Yusuf Jati Wijaya

NIM 26020115410001

Magister Ilmu Kelautan

Fakultas Perikanan dan llmu Kelautan

Universitas Diponegoro

Semarang

2016

I. PENDAHULUAN

1.1. Pengertian Korelasi

Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Analisis korelasi merupakan studi pembahasan mengenai derajat hubungan atau derajat asosiasi antara dua variabel, misalnya variabel X dan variabel Y. Adapun pengertian korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang bersifat substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan bahwa tujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa erat hubungan antara dua variabel.

Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab akibat antara dua peubah atau lebih, tetapi semata-mata menggambarkan keterkaitan linier antar peubah. (Mattjik & Sumertajaya, 2000) Nilai dari Koefisien korelasi berkisar antara -1 sampai dengan 1.-1 berarti terdapat hubungan negatif (berkebalikan) yang sempurna0 berarti tidak terdapat hubungan sama sekali1 berarti terdapat hubungan positif yang sempurnaBanyak metode statistika untuk mengukur korelasi.

Salah satu yang paling seringdi gunakan adalah Korelasi Pearson. Ini merupakan Metode Parametrik sehinggamemerlukan pengujian asumsi, yaitu:

1. Data memiliki skala pengukuran interval atau rasio (harus numerik bukan kategorik)

2. Mengikuti Distribusi Normal

3. Memiliki hubungan linier

Apabila data Anda tidak memenuhi asumsi di atas maka gunakan korelasi yang lain,yaitu:

1. Tau Kendall

2. Spearman

Syarat yang harus terpenuhi adalah:

–Data berskala interval atau rasio

–Sebaran data mengikuti distribusi kurva normal

–Tehnik sampling sebaiknya probability sampling

1.2. Tujuan Penggunaan Analisa korelasi.

Pada makalah ini penggunaannya untuk mengetahui sejauh mana korelasi atau kedekatan hasil pengolahan citra dengan hasil lapangan.

II. MATERI DAN METODE

2.1. Materi

Pada makalah ini data yang digunakan adalah hasil penelitian mengenai temperatur permukaan laut di daerah PLTU Sumuradem, Indramayu. Data terdiri dari hasil pengolahan citra Landsat-8 dan pengukuran di lapangan. Waktu pengukuran di lapangan pada bulan Juni 2014, dan citra satelit bulan Agustus 2013. Masih dalam satu musim merupakan pertimbangan ke dua data tersebut untuk dilakukan uji keeratan hubungan.

Tabel 1. Data PengamatanNO Suhu Insitu Suhu Citra

1 34 33.62 31.9 32.33 31 30.94 30.9 31.15 31.1 30.46 30.8 30.57 31 30.78 32.1 31.59 31.8 32.1

10 32.8 32.611 32 32.412 33.5 33.113 30.1 30.614 30 30.4(Sumber: Wijaya , 2014)

2.2. Metode

Dalam melakukan uji korelasi bivariate menggunakan software SPSS versi 16. Berikut adalah langkah-langkahnya :

2.2.1. Uji Normalitas

Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang

dapat digunakan untuk menguji normalitas data, antara lain uji chi-kuadrat, uji lilliefors, dan uji kolmogorov-smirnov.

Untuk menguji normalitas data dengan SPSS, lakukan langkah- langkah berikut ini.

· Entry data atau buka file data yang akan dianalisis

· Pilih menu berikut ini

Analyze Descriptives Statistics Explore

2.2.2. Uji Korelasi Bivariate

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.

Untuk menguji korelasi bivariate dengan SPSS, lakukan langkah- langkah berikut ini.

· Entry data atau buka file data yang akan dianalisis

· Pilih menu berikut ini

Analyze Correlate Bivariate

2.2. Membaca Analisis Data Output SPSS.

Secara umum, dapat dikatakan bahwa kooefisien korelasi (r) yang besar menunjukkan hubungan yang kuat, dan sebaliknya. Terdapat korelasi kuat antar variabel, dengan besar koefisien -1.00 sampai -0.50 dan 0.50 sampai 1.00. Akan tetapi, bila r mendekati nol, hubungan linier antara X dan Y sangat lemah atau mungkin tidak ada sama sekali.

Korelasi Negatif Positif

Kecil -0.29 sampai -0.10 0.10 sampai 0.29

Medium -0.49 sampai -0.30 0.30 sampai 0.49

Besar -1.00 sampai -0.50 0.50 sampai 1.00

Sugiyono (2007) memberikan pedoman yang agak berbeda untuk

memberikan interpretasi koefisien korelasi, yaitu sebagai berikut:

0,00 - 0,199 = sangat rendah

0,20 - 0,399 = rendah

0,40 - 0,599 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

Apabila diperhatikan kriteria di atas lebih spesifik apabila dibandingan

kriteria sebelumnya.

III. HASIL ANALISIS KORELASI BIVARIATE

3.1. Uji Normalitas Data

Hasil uji normalitas data akan menentukan apakah data ini bisa dilakukan

untuk proses selanjutnya, yaitu uji korelasi bivariate.

Hasil di atas menunjukkan signifikasi 0.2, dimana dinyatakan normal apabila Sig.

> 0,05. Dapat disimpulkan data tersebut layak untuk dilakukan uji selanjutnya.

3.2. Uji Korelasi Bivariate

Hasil uji ini merupakan hasil akhir dari tujuan pembuatan makalah ini,

untuk mengetahui seberapa besar hubungan data suhu citra dan suhu di lapangan.

Koefisiensi korelasi yang didapat dari pengolahan SPSS adalah 0.938.

Hasil tersebut sangat mendekati 1, pada bab materi telah dijelaskan apabila

koefisiensi yang didapat 1.00 sampai -0.50 dan 0.50 sampai 1.00 maka hubungan

ke dua data tersebut sangat kuat.

IV. KESIMPULAN

Setelah dilakukan analisis korelasi bivariate antara data suhu permukaan

laut citra satelit dan suhu permukaan laut insitu, didapatkan hasil 0.938. Hasil

tersebut menunjukkan bahwa hubungan ke dua data tersebut kuat, yaitu masuk

dalam kategori 0.5-0.1. Apabila berdasarkan kriteria Sugiyono (2007) maka hasil

tersebut sangat kuat berada antara 0.8-1.0.

Hasil tersebut juga menunjukkan bahwa algoritma yang digunakan untuk

mengolah data citra satelit sudah betul dan hasil pengolahan citra tersebut bisa

digunakan untuk analisis dan pengamatan selanjutnya.

DAFTAR PUSTAKA

Mattjik, A. A & Sumertajaya, I. M. 2000. Perancangan Percobaan dengan Aplikasi SAS dan Minitab Jilid I. Bogor: IPB Press.

Sugiyono. 2007. Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif dan R&D. Bandung: ALFABETA.

Wijaya, Yusuf J., Muh. Yusuf dan dan M. Helmi. 2014. STUDI VARIABILITAS SPASIAL DAN TEMPORAL TEMPERATUR PERMUKAAN LAUT BERDASARKAN ANALISIS CITRA TERMAL SATELIT LANDSAT-8 DI PERAIRAN PLTU SUMURADEM INDRAMAYU JAWA BARAT. Semarang: Undip Jurusan Ilmu Kelautan.