b. Visualisasi data
Contoh visualisai data (dengan Excel)
25 21.2 19.9
18.7
20 16.2 17.4 14.9 15.1 14.8
13.6
15
9.1 8.7
10 6.3 6.2 5.4
4.8
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Data ke -
Interpretasi:
Gambar di atas adalah visualisasi dari data data pada tabel potensi Energi Angin
Data 1 memiliki besar 21,2 Data 9 memiliki besar 13,6
Data 2 memiliki besar 19,9 Data 10 memiliki besar 9,1
Data 3 memiliki besar 18,7 Data 11 memiliki besar 8,7
Data 4 memiliki besar 16,2 Data 12 memiliki besar 4,8
Data 5 memiliki besar 17,4 Data 13 memiliki besar 6,3
Data 6 memiliki besar 14,9 Data 14 memiliki besar 6,2
Data 7 memiliki besar 15,1 Data 15 memiliki besar 5,4
Data 8 memiliki besar 14,8
2. Uji Hipotesis
Proporsi
Klaim
𝐻0 : po = 0,4
𝐻1 : po ≠ 0,4
Statistik Uji:
Low
p hat = 8/15 = 0,5333
𝑥 − 𝑛 𝑝𝑜 𝑝 ℎ𝑎𝑡 − 𝑝𝑜 0,533 − 0,4
𝑧= = = = 1,051
√𝑛 𝑝𝑜 𝑞𝑜 √𝑝𝑜 𝑞𝑜⁄𝑛 √0,4 ∗ 0,6
15
Z 𝛼/2 = 1,96
Taraf Signifikansi : 𝛼 = 5%
Kriteria keputusan :
𝐻0 diterima jika Z hitung < Z tabel
𝐻0 ditolak jika Z hitung > Z tabel
Ho diterima
Kesimpulan:
Ho diterima karena Z hitung (1,051) < Z tabel (1,96), maka disimpulkan proporsi kondisi
awan dimuka bumi pada level low adalah sama dengan 40 %
3. Analisis Korelasi
𝒙𝒊 𝒚𝒊 ̅)
𝒙𝒊 − 𝒙 ̅̅̅
(𝒚𝒊 − 𝒚) ̅) 𝟐 )
(𝒙𝒊 − 𝒙 ̅̅̅𝟐
(𝒚𝒊 − 𝒚)
98.2 42.99 8.38 1848.43 70.22 360.28
78.3 23.09 7.08 533.30 50.13 163.50
85.2 29.99 5.88 899.60 34.57 176.36
76.4 21.19 3.38 449.16 11.42 71.63
80.2 24.99 4.58 624.67 20.98 114.47
66.9 11.69 2.08 136.73 4.33 24.32
92.2 36.99 2.28 1368.51 5.20 84.34
46.5 -8.71 1.98 75.81 3.92 -17.24
48.7 -6.51 0.78 42.34 0.61 -5.08
36.5 -18.71 -3.72 349.94 13.84 69.59
26.2 -29.01 -4.12 841.39 16.97 119.51
35.3 -19.91 -8.02 396.28 64.32 159.65
15.5 -39.71 -6.52 1576.62 42.51 258.89
20.6 -34.61 -6.62 1197.62 43.82 229.10
21.4 -33.81 -7.42 1142.89 55.06 250.85
𝑺𝒙𝒚 𝟏𝟒𝟕, 𝟏𝟔
𝒓𝒙𝒚 = = = 𝟎, 𝟗𝟏𝟖𝟕
𝑺𝒙 𝑺𝒚 𝟏𝟔𝟎, 𝟏𝟕
Interpretasi:
Berdasarkan nilai koefisien korelasi yang didapat , jenis korelasi antara :
Potensi energi angin dengan kecepatan angin adalah sangat kuat karena nilai
koefisien korelasi nya berada di antara interval 0,8 – 1
4. Model Regresi
a. Analisis Pengaruh kecepatan angin dan besar potensi energi angin dengan Model Regresi
Sederhana.
𝒙𝒊 𝒚𝒊
Y = 𝟐, 𝟗𝟏 + 𝟎, 𝟏𝟕𝟗𝟒 𝒙
Interpretasi:
Jika angin meningkat (X) meningkat maka potensi energi angin yang dihasilkan
meningkat juga
Berdasarkan nilai koefisien determinasinya dapat diambil kesimpulan bahwa
model regresi menjelaskan 84% variansi data respon disekitar rata ratanya
b. Model regresi berganda untuk melihat pengaruh keseluruhan variabel numerik terhadap
besar potensi energi angin.
Interpretasi:
Jika kemiringan blade (X1) meningkat dengan asumsi tinggi windmill (X2),
suhu udara (X3) dan kecepatan angin (X4) tetap, maka potensi energi angin
(Y) nya akan meningkat juga
Jika tinggi windmill (X2) menurun dengan asumsi tinggi windmill (X1), suhu
udara (X3) dan kecepatan angin (X4) tetap, maka potensi energi angin (Y)
nya akan menurun juga
Jika suhu udara (X3) meningkat dengan asumsi tinggi windmill (X1), tinggi
windmill (X2) dan kecepatan angin (X4) tetap, maka potensi energi angin
(Y) nya akan meningkat juga
Jika kecepatan angin (X4) meningkat dengan asumsi tinggi windmill (X1),
tinggi windmill (X2) dan suhu udara (X3) tetap, maka potensi energi angin
(Y) nya akan meningkat juga
Berdasarkan nilai koefisien determinasi, dapat diambil kesimpulan bahwa
regresi dapat menjelaskan 94% variansi data respon disekitar rata -
ratanya
5. Analisis Variansi Satu Arah
Uji anova satu arah untuk melihat apakah ada perbedaan pengaruh antara suhu udara,
ketinggian kincir, dan kemiringan blade.
𝑯𝟎 : Rata -rata pengaruh antara suhu udara, ketinggian kincir, dan kemiringan blade sama
𝑯𝟏 : Rata - rata perbedaan pengaruh antara suhu udara, ketinggian kincir, dan kemiringan
blade berbeda
Data Observasi
ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 2875.932 2 1437.966 6.177216 0.004449 3.219942
Within Groups 9776.991 42 232.7855
Total 12652.92 44