Statistika Deskriptif
Statistika Deskriptif digunakan untuk mengetahui secara ringkas mengenai nilai
minimum, nilai maksimum, rata rata, standar deviasi dari masing masing
data penelitian. Data yang digunakan dalam penilitian ini ditampilkan dalam
tabel berikut :
Tabel 1.1 Data suhu udara dan curah hujan
Tahun
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Curah Hujan
3254
3010
3077
3030
2144
3375
2314
3150
3396
3850
3822
1682
2545
3981
Suhu
24
27
29
30
30
26
26
26
26
27
27
28
27
27
Tabel 1.1 merupakan data curah hujan dan suhu di Provinsi Bengkulu dari
tahun 2000 sampai dengan tahun 2013. Dengan suhu sebagai variabel bebas (X)
yang mempengaruhi curah hujan sebagai variabel terikat (Y).
Tabel 1.2
Descriptive Statistics
N
Minimu
m
Maximu
m
curah_hujan
14
1682
3981
suhu
Valid N
(listwise)
14
24
30
Mean
3045.0
0
27.14
Std.
Deviation
672.027
1.657
14
Berdasarkan tabel 1.2 di atas menunjukan bahwa nilai minimum dari data curah
hujan adalah 1682, nilai maximum adalah 3981, nilai mean adalah 3045,00 dan
nilai standar deviasi adalah 672,027. Sedangkan pada data suhu, nilai minimum
adalah 24, nilai maximum adalah 30, nilai mean adalah 27,14 dan nilai standar
deviasi adalah 1,657.
2. Analisi Korelasi
Sebelum melakukan analisis korelasi antar variabel, sebaiknya data tersebut
dieksplorasi terlebih dahulu secara grafis menggunakan scatterpolt
H0
: Tidak ada hubungan yang signifikan antara suhu udara dengan
curah hujan.
H1
: Ada hubungan yang signifikan antara suhu udara dengan curah
hujan.
Kriteria Uji
Jika nilai signifikansi < 0.05, maka H 0 ditolak.
Jika nilai signifikansi > 0.05, maka H 0 diterima.
Tabel 1.3 : Koefisien Korelasi
Kriteria uji
Dengan taraf signifikan 5% (0,05)
Jika nilai sig. > 0,05 maka Ho diterima
Jika nilai sig. < 0,05 maka Ho ditolak
Berdasarkan tabel 1.4 diperoleh nilai signifikan sebesar 0.222 > 0.05
maka H 0 diterima . Artinya Banyaknya suhu udara linear dengan curah hujan.
B. Uji Normalitas
Asumsi normalitas merupakan asumsi yanh harus dipenuhi dalam analisis
regresi linear sederhana maupun berganda untuk mengetahui apakah
data yang digunakan mengikuti sebaran normal atu tidak, maka dilakukan
uji normalitas . Dalam uji normalitas, yang diuji adalah residualnya. Untuk
menguji residual berdistribusi normal atau tidak dapat dilakukan dengan
melihat normal P-P plot.
Kriteria uji
Jika < < 4 - L, maka autokorelasi sama dengan 0, artinya tidak ada
autokorelasi
Jika < , maka koef autokorelasi lebih besar daripada 0, artinya ada
autokorelasi positif
Berdasarkan Tabel 1.8 diperoleh nilai = 1.959, pada kasus ini dengan
taraf signifikan = 0.05, jumlah sampel (n) sebanyak 14 observasi, dan jumlah
variabel bebas sebanyak 1, maka berdasarkan tabel Durbin-Watson diperoleh
nilai =1.045 dan nilai =1.350 . Karena =1.350< = 1.659<4- =2,65.
artinya tidak ada autokorelasi.
4. Analisis Regresi
a. Persamaan Regresi Linear Sederhana
Dengan menggunakan program SPSS diperoleh hasil olahan data yang dapat
disusun estimasi model regresi linear sederhana sebagai berikut.
Hipotesis
0 : =0, Suhu udara tidak berpengaruh signifikan terhadap curah hujan.
1 : 0, Suhu udara berpengaruh signifikan terhadap curah hujan
Kriteria Uji
Jika h> tabel, maka Ho ditolak
Jika h < , maka Ho diterima
Di mana :
=(1, 2)
= taraf signifikan
1 = = 1
2= - - 1 = 2
Dimana :
Ttabel = t(/2,db)
= taraf signifikan
df = n k 1 =n 2
statistik uji