Nama : Amilya Novy Prisanti

Nim : 1607015017
PEGARUH TEKANAN UDARA, KECEPATAN ANGIN, DAN PENYINARAAN
MATAHARI TERHADAP KELEMBABAN UDARA
Kelembapan atau kelembaban adalah konsentrasi uap air di udara. Angka konsentasi ini
dapat diekspresikan dalam kelembaban absolut, kelembaban spesifik atau kelembaban relative.
Kelembaban udara menjadi perhatian penting bagi beberapa bidang kehidupan, seperti pada
bidang pertanian, seorang petani perlu memprediksi kelembaban suatu tempat agar tanaman yang
mereka tanam di tempat tersebut tidak terkena hama yang timbul akibat kelembaban udara dan
dapat melakukan pencegahan akan timbulnya hama. Kemudian pada bidang kesehatan,
kelembaban udara sangat diperhatikan untuk pertimbangan penyimpanan obat-obatan, karena pada
umumnya obat-obatan tidak boleh di letakan pada daerah yang lembab.
Agar dapat mengurangi kelembaban udara yang dapat menyebabkan kerugian maka perlu
dilakukan penelitian terhadap faktor-faktor yang mempengaruhi kelembaban udara seperti
a. Kuantitas dan Kualitas Penyinaran
Lamanya radiasi yang mengenai tumbuhan mempunyai pengaruh besar terhadap berbagai
proses fisiologi tumbuhan. Cahaya mempengaruhi pembentukkan klorofil, fotosintesis, dan
fotoperiodisme. Hal ini dapat membuat berkembangbiaknya tumbuh-tumbuhan yang
menimbulkan kelembaban
b. Pergerakkan Angin
Semakin tinggi kecepatan angin akan lebih mempercepat pengangkatan uap menggepul di
udara.
c. Tekanan Udara
Tekanan udara ada kaitannya dengan pergerakkan angin
Kemudian akan dilakukan analisa regresi linear berganda terhadap 3 faktor diatas. Untuk
mengetahui pengaruh langsung dari variabel bebas terhadap variabel terikat. Dan seberapa besar
pengaruh ketiga faktor tersebut terhadap kelembaban udara.

Tabel Data Rata-rata Suhu Udara, Kelembaban, Tekanan Udara, Kecepatan Angin,
dan Penyinaran Matahari Melalui Stasiun Meteorologi Samarinda, 2015
Kelembaban Tekanan Kecepatan Penyinaran
Udara Udara Angin Matahari
83 1012.8 2 31
83 1013.1 2 38
81 1013.4 3 53
81 1012.2 4 50
84 1012 3 47
83 1012.4 4 36
80 1013.1 4 52
76 1013.1 5 61
75 1013.4 5 36
 74 1013.8 5 51
80 1012 4 49
78 1012.7 5 58

Dimana
Kelembaban :Y
Tekanan Udara : X1
Kecepatan Angin : X2
Penyinaran Matahari : X3

ANALIS REGRESI

Tabel Estimasi Model

Unstandardized Coefficients
Konstanta 2807
X1 -2,685
X2 -2,233
X3 2,075

Model Awal
Y   0   1 X1   2 X 2   3 X 3
Y  2807  2, 685 X1  2, 233 X 2  0, 002 X 3

1. Uji Simultan
Tabel ANOVA
p-value 0.0002888
Hipotesis
H 0 : Variabel-variabel bebas secara simultan tidak berpengaruh terhadap variabel terikat
H1 : Variabel-variabel bebas secara simultan berpengaruh terhadap variabel terikat
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.0002    0.05 maka diputuskan tolak H 0
Kesimpulan
Variabel-variabel bebas secara simultan berpengaruh terhadap variabel terikat
2. Uji Parsial
Tabel Coefficients
Model p-value
Tekanan Udara 0.004105
terhadap Kelembaban
Kecepatan Angin 0.000702
terhadap Kelembaban
Penyinaran Matahari 0.966861
terhadap Kelembaban

 Tekanan Udara terhadap Kelembaban

Hipotesis
H 0 : Tidak terdapat pengaruh Tekanan Udara terhadap Kelembaban
H1 : Terdapat pengaruh Tekanan Udara terhadap Kelembaban
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.004    0.05 maka diputuskan tolak H 0
Kesimpulan
Terdapat pengaruh Tekanan Udara terhadap Kelembaban

 Kecepatan Angin terhadap Kelembaban

Hipotesis
H 0 : Tidak terdapat pengaruh Kecepatan Angin terhadap Kelembaban
H1 : Terdapat pengaruh Kecepatan Angin terhadap Kelembaban
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.0007    0.05 maka diputuskan tolak H 0
Kesimpulan
Terdapat pengaruh Kecepatan Angin terhadap Kelembaban

 Penyinaran Matahari terhadap Kelembaban

Hipotesis
H 0 : Tidak terdapat pengaruh Penyinaran Matahari terhadap Kelembaban
H1 : Terdapat pengaruh Penyinaran Matahari terhadap Kelembaban
Taraf Signifikansi
   5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.9668    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Tidak terdapat pengaruh Penyinaran Matahari terhadap Kelembaban

3. Koefisien Determinasi

Tabel Multiple R-Squared

R-square 0.8948
Interpretasi:
Bedasrkan tabel diatas diperoleh nilai koefisien determinasi (Multiple R-Squared) sebesar
0.8948. hal ini menunjukkan bahwa variasi kelembaban udara dipengaruhi oleh tekanan udara,
kecepatan angin, dan penyinaran matahari sebesar 89.48% dan sisanya 10.52% di pengaruhi oleh
faktor lain yang tidak diketahui.

4. Uji Asumsi Klasik

Tabel Uji Asumsi Klasik
p-value
Uji Normal 0.748
Uji Heteroskedastisitas 0.2854
Uji Autokorelasi 0.1197

 Normalitas
Hipotesis
H 0 : Data residual berasal dari data yang berdistribusi normal
H1 : Data residual berasal dari data yang tidak bersdistribusi normal
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.748    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Data residual berasal dari data yang berdistribusi normal
  Autokorelasi
Hipotesis
H 0 : Tidak terjadi autokorelasi pada analisis regresi
H1 : Terjadi autokorelasi pada analisis regresi
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.1197    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Tidak terjadi autokorelasi pada analisis regresi.

 Heteroskedastisitas
Hipotesis
H 0 : Tidak terjadi heteroskedastisitas pada analisis regresi
H1 : Terjadi heteroskedastisitas pada analisis regresi
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.2854    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Tidak terjadi heteroskedastisitas pada analisis regresi

 Multikolinearitas
Tabel Multikolinearitas
NILAI VIF
X1 1.046234
X2 1.451610
X3 1.397162

Bedasarkan tabel di atas nilai VIF pada X1 sebesar 1.046234, X2 sebesar 1.451610, dan X3
sebesar 1.397162 dimana nilai VIF tersebut krang dari 10 maka dapat disimpulkan bahwa tidak
terjadi multikolinearitas pada analisis regresi
 Tabel estimasi model
Unstandardized Coefficients
Konstanta 2808,9866
X1 -2,6862
X2 -2,2239

Model Terbaik
Y   0   1 X1   2 X 2   3 X 3
Y  2808,98  2,6862 X1  2, 2239 X 2

5. Uji Simultan
Tabel ANOVA
p-value 0.00003
Hipotesis
H 0 : Variabel-variabel bebas secara simultan tidak berpengaruh terhadap variabel terikat
H1 : Variabel-variabel bebas secara simultan berpengaruh terhadap variabel terikat
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.00003    0.05 maka diputuskan tolak H 0
Kesimpulan
Variabel-variabel bebas secara simultan berpengaruh terhadap variabel terikat

6. Uji Parsial
Tabel Coefficients
Model p-value
Tekanan Udara terhadap 0.00224
Kelembaban
Kecepatan Angin terhadap 0.00009
Kelembaban

 Tekanan Udara terhadap Kelembaban

Hipotesis
H 0 : Tidak terdapat pengaruh Tekanan Udara terhadap Kelembaban
H1 : Terdapat pengaruh Tekanan Udara terhadap Kelembaban
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
 Keputusan
Karena p  value  0.00224    0.05 maka diputuskan tolak H 0
Kesimpulan
Terdapat pengaruh Tekanan Udara terhadap Kelembaban

 Kecepatan Angin terhadap Kelembaban

Hipotesis
H 0 : Tidak terdapat pengaruh Kecepatan Angin terhadap Kelembaban
H1 : Terdapat pengaruh Kecepatan Angin terhadap Kelembaban
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.00009    0.05 maka diputuskan tolak H 0
Kesimpulan
Terdapat pengaruh Kecepatan Angin terhadap Kelembaban

7. Koefisien Determinasi

Tabel Multiple R-Squared

R-square 0.8947
Interpretasi:
Bedasrkan tabel diatas diperoleh nilai koefisien determinasi (Multiple R-Squared) sebesar
0.8948. hal ini menunjukkan bahwa variasi kelembaban udara dipengaruhi oleh tekanan udara, dan
kecepatan angin sebesar 89.47% dan sisanya 10.53% di pengaruhi oleh faktor lain yang tidak
diketahui.

8. Uji Asumsi Klasik

Tabel Uji Asumsi Klasik
p-value
Uji Normal 0.8044
Uji Heteroskedastisitas 0.5092
Uji Autokorelasi 0.09953

 Normalitas
Hipotesis
H 0 : Data residual berasal dari data yang berdistribusi normal
H1 : Data residual berasal dari data yang tidak bersdistribusi normal
 Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.8044    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Data residual berasal dari data yang berdistribusi normal

 Autokorelasi
Hipotesis
H 0 : Tidak terjadi autokorelasi pada analisis regresi
H1 : Terjadi autokorelasi pada analisis regresi
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.09953    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Tidak terjadi autokorelasi pada analisis regresi

 Heteroskedastisitas
Hipotesis
H 0 : Tidak terjadi heteroskedastisitas pada analisis regresi
H1 : Terjadi heteroskedastisitas pada analisis regresi
Taraf Signifikansi
  5%  0.05
Daerah Kritis
Tolak H 0 jika p  value  
Keputusan
Karena p  value  0.5092    0.05 maka diputuskan gagal tolak H 0
Kesimpulan
Tidak terjadi heteroskedastisitas pada analisis regresi

 Multikolinearitas
Tabel Multikolinearitas
NILAI VIF
X1 1.043369
X2 1.043369
 Bedasarkan tabel di atas nilai VIF pada X1 sebesar 1.043369, dan X2 sebesar 1.043369
dimana nilai VIF tersebut krang dari 10 maka dapat disimpulkan bahwa tidak terjadi
multikolinearitas pada analisis regresi

Interpretasi Model Terbaik

Y  2808,98  2,6862 X1  2, 2239 X 2

Dari model diatas diperoleh koefisien tekanan udara sebesar -2,6868 yang berarti jika
terdapat penambahan 1Mbs tekanan udara akan mengurangi 2,6868 % kelembaban udara.
Koefisien Kecepatan Angin sebesar -2,2239 yang berarti jika terdapat penambahan 1Knot
kecepatan angin akan mengurangi 2,2239 % kelembaban udara. Sedangkan konstanta sebesar
2808,98 menunjukkan bahwa jika tidak ada variabel bebas dalam model yang berpengaruh maka
kelembaban udara adalah sebesar 2808,98 %.
 LAMPIRAN

Lampiran 1. Data Analisis

Lampiran 2. Output R Analisis Regresi Linear Berganda (Y~X1+X2+X3)

Call:
lm(formula = Y ~ x1 + x2 + x3, data = data)

Residuals:
Min 1Q Median 3Q Max
-1.7028 -0.6518 -0.1809 0.4969 2.3980

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.807e+03 6.843e+02 4.103 0.003426 **
x1 -2.685e+00 6.758e-01 -3.972 0.004105 **
x2 -2.233e+00 4.190e-01 -5.330 0.000702 ***
x3 2.075e-03 4.841e-02 0.043 0.966861
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.286 on 8 degrees of freedom

Multiple R-squared: 0.8948, Adjusted R-squared: 0.8553
F-statistic: 22.67 on 3 and 8 DF, p-value: 0.0002888
Lampiran 3. Output R Analisis Regresi Linear Berganda (Y~X1+X2)
Call:
lm(formula = Y ~ X1 + X2, data = data)

Residuals:
Min 1Q Median 3Q Max
-1.7011 -0.6607 -0.1791 0.5112 2.3733

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2808.9866 644.2834 4.360 0.00182 **
X1 -2.6862 0.6364 -4.221 0.00224 **
X2 -2.2239 0.3350 -6.639 9.49e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.212 on 9 degrees of freedom

Multiple R-squared: 0.8947, Adjusted R-squared: 0.8713
F-statistic: 38.25 on 2 and 9 DF, p-value: 3.983e-05

Lampiran 4. Output Uji Asumsi Klasik(Y~X1+X2+X3)

> vif(reg)
x1 x2 x3
1.046234 1.451610 1.397162
> bptest(reg,studentize=FALSE)

Breusch-Pagan test

data: reg
BP = 3.7867, df = 3, p-value = 0.2854

> dwtest(reg,alternative="two.sided",data=data)

Durbin-Watson test

data: reg
DW = 1.3719, p-value = 0.1197
alternative hypothesis: true autocorrelation is not 0

> res=resid(reg)
> shapiro.test(res)

Shapiro-Wilk normality test

data: res
W = 0.95752, p-value = 0.748
Lampiran 5. Output Uji Asumsi Klasik (Y~X1+X2)
> vif(reg)
X1 X2
1.043369 1.043369
> bptest(reg,studentize=FALSE)

Breusch-Pagan test

data: reg
BP = 1.3497, df = 2, p-value = 0.5092

> dwtest(reg,alternative="two.sided",data=data)

Durbin-Watson test

data: reg
DW = 1.3645, p-value = 0.09953
alternative hypothesis: true autocorrelation is not 0

> res=resid(reg)
> shapiro.test(res)

Shapiro-Wilk normality test

data: res
W = 0.96146, p-value = 0.8044