Evaluasi Akhir Semester Nama : Erick Gusnaldi Hendrawan Ang

Pengantar Metode Statistik NIM : 10201036

Tahun Akademik 2020/2021

Analisis Data Beban Listrik dan Suhu Udara di Kalimantan Timur

1. Deskripsi Data
a. Statistik Deskriptif
Nilai Minimum = 4,8
Nilai Maksimum = 21,2
Range = 16,4
∑𝒏
𝒊=𝟏 𝒙𝒊 𝟏𝟗𝟐,𝟑
Mean = = = 𝟏𝟐, 𝟖
𝒏 𝟏𝟓
Variansi = 31,278
Std Deviasi = 5,593

b. Visualisasi data
Contoh visualisai data (dengan Excel)

Potensi Energi Angin (kW/h)

Potensi Energi Angin (kW/h)

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 2 memiliki besar 19,9
 Data 3 memiliki besar 18,7
 Data 4 memiliki besar 16,2
 Data 5 memiliki besar 17,4
 Data 6 memiliki besar 14,9
 Data 7 memiliki besar 15,1
 Data 8 memiliki besar 14,8
Data 9 memiliki besar 13,6
Data 10 memiliki besar 9,1
Data 11 memiliki besar 8,7
Data 12 memiliki besar 4,8
Data 13 memiliki besar 6,3
Data 14 memiliki besar 6,2
Data 15 memiliki besar 5,4
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

98.2 21.2 42.99 8.38 360.28 1848.43

78.3 19.9 23.09 7.08 163.50 533.30
85.2 18.7 29.99 5.88 176.36 899.60
76.4 16.2 21.19 3.38 71.63 449.16
80.2 17.4 24.99 4.58 114.47 624.67
66.9 14.9 11.69 2.08 24.32 136.73
92.2 15.1 36.99 2.28 84.34 1368.51
46.5 14.8 -8.71 1.98 -17.24 75.81
48.7 13.6 -6.51 0.78 -5.08 42.34
36.5 9.1 -18.71 -3.72 69.59 349.94
26.2 8.7 -29.01 -4.12 119.51 841.39
35.3 4.8 -19.91 -8.02 159.65 396.28
15.5 6.3 -39.71 -6.52 258.89 1576.62
20.6 6.2 -34.61 -6.62 229.10 1197.62
21.4 5.4 -33.81 -7.42 250.85 1142.89

∑(𝑥 − 𝑥 𝑏𝑎𝑟)(𝑦 − 𝑦 𝑏𝑎𝑟) 2060,18

𝑏1 = = = 0,1794
∑(𝑥 − 𝑥 𝑏𝑎𝑟)^2 11483,27
𝑏0 = 𝑦̅ − 𝑏1 𝑥̅ = 12,82 − 0,1794 ∗ 55,21 = 2,91
R2 = 0,844

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.

Model regresi berganda:

𝑦 = 𝑏0 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + ⋯ + 𝑏𝑛 𝑥𝑛

Y = 𝟖, 𝟔𝟒𝟗 + 𝟎, 𝟎𝟔𝟏𝟑 𝒙𝟏 − 𝟎, 𝟑𝟑𝟏𝟔 𝒙𝟐 + 𝟎, 𝟎𝟗𝟑𝟏 𝒙𝟑 + 𝟎, 𝟏𝟓𝟕𝟐 𝒙𝟒

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

Parameter Suhu Udara Ketinggian kincir Kemiringan blade

29.5 34.3 98.7
48.3 24.5 21.7
36.9 25.8 20.8
22.9 27.6 17.9
41.6 26.2 21.0
42.0 26.0 16.7
48.5 38.2 17.7
37.6 15.4 16.6
45.6 26.4 12.7
41.6 26.9 4.2
34.9 27.8 1.4
29.6 24.8 0.2
33.8 24.7 -0.4
26.1 26.7 -1.1
21.9 26.3 -0.9
Total 𝑌1. 540,8 𝑌2. 401,6 𝑌3. 247,2 𝑌.. 1189,6
Mean ̅𝑦̅̅1.̅ 36,05 𝑦2. 26,77
̅̅̅̅ 𝑦̅̅16,48
̅̅3. 𝑦̅∙∙ 26,44

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

Interpretasi dan Kesimpulan

 F hitung yang didapatkan adalah 6,177

 F tabel yang diperoleh dari derajat bebas 2 dan 42 serta taraf signifikansi 0,05 adalah F
crit (0,05,2,42) bernilai 3,21
Ho ditolak jika F hitung > F Tabel
Ho diterima jika F hitung < F Tabel
 Kesimpulan yang bisa diambil karena F hitung 6,177 > F crit (0,05,2,87) 3,21 artinya Ho
ditolak maka bisa disimpulkan rata - rata perbedaan pengaruh antara suhu udara,
ketinggian kincir, dan kemiringan blade berbeda