Praktikum ke – 6 M. K.

Metode Klimatologi
Nama : Muhammad Iqbal Susanto Asisten Praktikum
NRP : G24190023 1. Permata Mei Kartika (G24180004)
Tanggal : 27 September 2021 2. Nada Zulfa Amara (G24180045)

ANALISIS KORELASI, REGRESI, DAN DIAGNOSA REGRESI

PENDAHULUAN
Tinjauan Pustaka
Konsep analisis korelasi pertama kali dicetuskan oleh Sir Francis Galton
pada 1894 yang kemudian dideskripsikan secara matematis oleh Karl Pearson pada
1896. Analisis korelasi adalah sebuah metode evaluasi statistik tentang seberapa
kuat hubungan antara dua variabel numerik yang kontinu (Yadav 2018). Contoh
dari penerapan analisis korelasi ini adalah penelitian Nishimura et al. (2016)
tentang volume cairan kristaloid yang diinfuskan dan hubungannya dengan jumlah
kebocoran cairan interstisial selama operasi, dan penelitian Kim et al. (2016)
tentang hubungan antara ekspresi reseptor faktor pertumbuhan opioid (OGFR)
dengan poliferasi sel dalam sel kanker.
Konsep analisis regresi juga pertama kali dicetuskan oleh Sir Francis Galton
pada 1894. Analisis regresi merupakan tes statistik pada data untuk
mengidentifikasi relasi dari variabel tertentu. Bedanya dengan korelasi, regresi
menyatakan hubungan secara matematis, sedangkan korelasi menyatakan
hubungan dengan derajat korelasi yaitu tidak ada, rendah, tinggi, dan sempurna
(Jain et al. 2016). Analisis regresi memprediksi nilai dari suatu variabel terikat
berdasarkan setidaknya satu variabel bebas (Kurniawan dan Yuniarto 2016; Kumari
dan Yadav 2018).
Ada dua jenis analisis regresi, yaitu regresi dua variabel (bivariate
regression) dan regresi banyak variabel (multivariate regression). Regresi dua
variabel merupakan bentuk tersederhana dalam memprediksi sebuah nilai variabel
dengan variabel lain yang telah diketahui. Regresi banyak variabel merupakan
analisis regresi yang menggunakan banyak variabel untuk mengetahui hubungan
antara beberapa variabel bebas dengan sebuah variabel terikat. Ada dua jenis model
regresi, yaitu regresi linear sederhana (simple linear regression model) dan regresi
linear banyak variabel (multiple linear regression model). Regresi linear sederhana
menggunakan variabel bebas yang kontinu sedangkan variabel terikatnya dapat
berupa kontinu atau diskret. Bedanya dengan regresi linear banyak variabel adalah
hasil akhir regresi linear banyak variabel yang menghasilkan lebih dari satu variabel
terikat (Jain et al. 2016).
Tujuan
Praktikum ini bertujuan membedakan antara analisis korelasi dan analisis
regresi serta mengetahui cara menganalisis hubungan antara variabel iklim melalui
diagnosis regresi linear.
METODOLOGI
Alat dan bahan yang digunakan pada praktikum kali ini adalah komputer
dengan Ms. Excel dan Minitab, data evaporasi, suhu udara, dan kelembaban relatif
(RH) Stasiusn Klimatologi Palembang selama 1 tahun. Praktikum ini dilaksanakan
pada hari Senin, 27 September 2021 secara daring.

Gambar 1 Diagram alir analisis korelasi, regresi, dan diagnosa regresi

HASIL DAN PEMBAHASAN

Praktikum kali ini menggunakan data evaporasi, suhu udara, dan curah
hujan selama satu tahun dari Stasiun Klimatologi Palembang. Analisis korelasi,
regresi dan diagnosa regresi dilakukan pada data suhu udara, RH, dan evaporasi
dengan menggunakan Minitab. Analisis korelasi menggunakan korelasi Pearson,
dan juga menghasilkan nilai Durbin-Watson serta grafik four in one. Analisis ini
dilakukan untuk mengetahui pengaruh antar variabel pada data tersebut. Data
tersebut selanjutnya dibuat grafik dan tabel. Berikut merupakan grafik dan tabel
data dari data tersebut.

Tabel 1 Nilai korelasi suhu udara, evaporasi, dan RH

Suhu Udara RH
RH -0.931
Evaporasi 0.814 -0.775
Tabel 1 menunjukkan nilai korelasi atau tingkat keeratan dari masing-
masing ketiga variabel. Tingkat keeratan antara dua variabel atau lebih dapat
diketahui dengan mencari besarnya angka korelasi atau yang disebut dengan
koefisien korelasi (Telussa et al. 2013). Koefisien korelasi digunakan untuk
mengetahui kuat atau tidaknya hubungan antar variabel. Nilai koefisien korelasi
berada diantara -1 dan 1. Suatu variabel dikatakan memiliki korelasi yang kuat jika
nilai koefisien korelasinya mendekati 1 atau -1. Jika nilai koefisien korelasinya
positif artinya kenaikan (penurunan) nilai variabel bebas umumnya diikuti oleh
kenaikan (penurunan) nilai variabel tidak bebas, atau hubungannya berbanding
lurus, sedangkan jika nilai koefisien korelasinya negatif maka sebaliknya,
berhubungan terbalik (Budiwati et al. 2010).
Nilai korelasi yang menunjukkan korelasi negatif yaitu antara RH dan suhu
udara sebesar -0,931, serta antara RH dan evaporasi yaitu sebesar -0,775.
Sedangkan korelasi positif hanya terdapat pada korelasi evaporasi dengan suhu
udara yang bernilai 0,814. Hal ini menunjukkan bahwa hubungan antara RH dan
suhu udara serta hubungan antara RH dan evaporasi berbanding terbalik, sedangkan
hubungan antara evaporasi dengan suhu berbanding lurus. Ketiga variabel
berkorelasi kuat karena nilai koefisien korelasi mendekati 1 dan -1.

Tabel 2 Parameter nilai regresi antara variabel evaporasi terhadap predictor RH,
suhu udara, serta RH dan suhu udara
Durbin-
R- F-
Response Predictor Persamaan P-Value VIF Watson
square Value
Statistic
11.227 -
Evaporasi RH 60.03% 0 43.56 1
0.0624 RH
1.359 +
Suhu
Evaporasi 0.1509 66.22% 0 56.85 1
Udara
Suhu
2.91 -
RH dan 0.673 0.18
0.0103 RH
Evaporasi Suhu 66.44% 7.53 1.86046
+ 0.1288
Udara 0.028 5.34
Suhu
Tabel 2 menunjukkan nilai regresi antara variabel respon yaitu evaporasi
dengan variabel prediktor yaitu RH dan suhu udara. Diperoleh dari tabel nilai
persamaan, R-square, P- value, F-value, dan VIF. Persamaan yang diperoleh secara
berurutan adalah 11,227 – 0.0624 RH, 1,359 + 0,1509 suhu udara, dan 2,91 –
0,0103 RH + 0,1288. Seperti pada pembahasan Tabel 1, nilai positif atau negatif
pada persamaan regresi menunjukkan hubungan berbanding lurus atau berbanding
terbalik terhadap variabel respon. Nilai R-square adalah koefisien determinasi yang
menunjukkan persentase pengaruh variabel predictor terhadap variabel respon
(Khumaedi 2016). Contohnya pada persamaan evaporasi dengan suhu udara, nilai
respon evaporasi dipengaruhi oleh predictor suhu udara sebesar 66,22%, selain itu
yaitu sebesar 33,78% dipengaruhi oleh faktor lain.
Nilai P-value menunjukkan kriteria hipotesis dari variabel. Jika nilai P-
value < nilai α (dalam kasus ini nilai α adalah 0,5), maka tolak H0. Sedangkan jika
nilai P-value > nilai α maka terima H0 (Hardono 2015). Satu-satunya kasus yang
menghasilkan terima H0 terjadi pada respon evaporasi terhadap RH dan suhu udara
pada kasus RH yang bernilai 0,673. Nilai F-value diuji untuk mengetahui pengaruh
variabel bebas terhadap variabel terikat (Chadhir 2015). Nilai yang diperoleh untuk
respon evaporasi terhadap predictor RH adalah 43,56, terhadap prediktor suhu
udara adalah 56,85, serta terhadap RH dan suhu udara adalah 0,18 dan 5,34.
 Variance Inflation Factor atau VIF digunakan untuk mendeteksi
keberadaan multikolinearitas dalam model regresi, dengan kata lain, mengecek
apakah ada hubungan antara variabel terikat. Adanya multikolinieritas akan
menyebabkan kesalahan pada interpretasi model yang terbentuk (Subekti 2011),
multikolinearitas terjadi jika nilai VIF lebih dari 10 (Sarwoko dalam Zaenuddin
2015). Regresi bebas dari multikolinearitas jika nilai VIF kurang dari 10 dan nilai
tolerance > 0,10 (Haslinda dan Jamaluddin 2016). Nilai VIF yang ditunjukkan pada
tabel memiliki nilai < 10 yang berarti tidak ada multikolinearitas.
Nilai Durbin-Watson merupakan hasil dari uji autokorelasi pada residual
dari analisis regresi statistik. Autokorelasi merupakan korelasi antara serial data
atau antara data sebelum dengan data sesudahnya dalam data yang disusun
berdasarkan urutan waktu (time series). Nilai ini akan memiliki rentang antara 0
sampai 4, dengan nilai 0 sampai kurang dari 2 merupakan autokorelasi positif, dan
nilai 2 sampai 4 merupakan autokorelasi negatif (Farooq et al. 2019). Nilai yang
diperoleh dari analisis regresi dengan respon evaporasi terhadap prediktor RH dan
suhu udara adalah 1,86046 yang berarti respon tersebut memiliki autokorelasi
positif.

Gambar 2 Grafik Four in One evaporasi dengan prediktor RH dan suhu udara
Gambar 2 menunjukkan plot-plot yang termasuk ke dalam four in one, yaitu
normal probability plot, versus fits, histogram, dan versus order. Normal
probability plot menunjukkan titik-titik tersebar di dekat garis kemiringan yang
berarti residual menyebar normal. Versus fits menunjukkan data menyebar
mendekati garis 0 namun tidak berpola yang berarti residual cukup homogen.
Histogram menunjukkan bentuk yang menyerupai lonceng yang berarti data
menyebar normal, dengan satu pencilan pada kelas 0,4. Versus order menunjukkan
data yang tidak berpola, yang berarti diperoleh data independen atau bebas. Plot
yang tidak berpola ini juga menunjukkan bahwa residual tidak berkorelasi satu
sama lain (Poernomo et al. 2017).

KESIMPULAN
Analisis korelasi digunakan untuk mengetahui seberapa kuat hubungan
antara dua variabel numerik yang kontinu, sedangkan analisis regresi menunjukkan
prinsip besarnya keterkaitan antara varibel terikat dengan variavbel bebas, seperti
meningkatnya suhu udara 0,15 akan menyebabkan meningkatnya evaporasi sebesar
1 mm/hari. Pengaruh dari variabel iklim dapat didiagnosa dengan nilai uji
parameter regresi yaitu melalui koefisisen determinasi atau R-square, P-value dan
F-value, serta nilai VIF. Kemudian diagnosa dari parameter evaporasi dapat
menggunakan analisa dengan analisis residual plot dan prinsip statistik uji Durbin-
Watson.

DAFTAR PUSTAKA
Budiwati T, Budiyono A, Setyawati W, Indrawati A. 2010. Analisis korelasi
pearson untuk unsur-unsur kimia air hujan di Bandung. Jurnal Sains
Dirgantara. 7(2): 100-112.
Chadhir M. 2015. Analisis faktor-faktor yang mempengaruhi ekspor teh Indonesia
ke negara Inggris 1979-2012. Economics Development Analysis Journal.
4(3): 292- 300.
Farooq R, Mubarak N, Nawaz H. 2019. Study of environmental factors affecting
climate change in Lahore over time by using multiple regression. Di dalam:
Hanif M, Khan S, editor. Proceedings 15th Islamic Countries Conferences on
Statistical Sciences (ICCS-15); 2019 Dec 21-24; Lahore, Pakistan; Lahore:
ISOSS; hlm:179-187.
Hardono. 2015. Pengaruh kualitas pelayanan terhadap keputusan pasien rawat inap
dalam menggunakan jasa. Jurnal Ilmu Manajemen. 12(1): 18-37. DOI:
10.21831/jim.v12i1.11740.
Haslinda, Jamaluddin M. 2016. Pengaruh perencanaan anggaran dan evaluasi
anggaran terhadap kinerja organisasi dengan standar biaya sebagai variabel
moderating pada pemerintah daerah Kabupaten Wajo. Jurnal Ilmiah
Akuntansi Peradaban. 2(1): 1-21. DOI:
https://doi.org/10.24252/jiap.v2i2.3015.
Jain S, Chourse S, Dubey S, Jain S, Kamakoty J, Jain D. 2016. Regression analysis
- its formulation and execution in dentistry. Journal of Applied Dental and
Medical Sciences. 2(1):199-208.
Khumaedi E. 2016. Pengaruh disiplin dan motivasi kerja terhadap kinerja pegawai
pada dinas sentra operasi terminal PT. Angkasa Pura II. Jurnal Ilmiah
Manajemen dan Bisnis. 2(1): 66-77.
Kim JY, Ahn, HJ, Kim JK, Kim J, Lee SH, Chae HB. 2016. Morphine suppresses
lung cancer cell proliferation through the interaction with opioid growth factor
 receptor: An in vitro and human lung tissue study. Anesthesia and Analgesia.
123(1): 1429- 1436. DOI: 10.1213/ane.0000000000001293.
Kumari K, Yadav S. 2018. Linear regression analysis study. Journal of the Practice
of Cardiovascular Sciences. 4(1): 33-36. DOI: 10.4103/jpcs.jpcs_8_18.
Kurniawan R dan Yuniarto B. 2016. Analisis Regresi: Dasar dan Penerapannya
dengan R. Jakarta(ID): Kencana.
Nishimura A, Tabuchi Y, Kikuchi M, Masuda R, Goto K, Iijima T. 2016. The
amount of fluid given during surgery that leaks into the interstitium correlates
with infused fluid volume and varies widely between patients. Anesthesia and
Analgesia. 123(1):925-932. DOI: 10.1213/ane.0000000000001505.
Poernomo PP, Wahjudi D, Alimin R. 2017. Studi penentuan tahapan kuat arus
untuk mendapatkan kekasaran permukaan dan lama waktu proses yang
diinginkan pada proses electric discharge machining (EDM). Jurnal
Mechanova. 6(2017): 1-7.
Subekti R. 2011. Pemanfaatan software minitab untuk regresi PLS (Partial Least
Square) [skripsi]. Yogyakarta (ID): Universitas Negeri Yogyakarta.
Yadav S. 2018. Correlation analysis in biological studies. J Pract Cardiovasc Sci.
4(1): 116- 121. DOI: 10.4103/jpcs.jpcs_31_18.
Zaenuddin M. 2015. Isu, Problematika, Dan Dinamika Perekonomian, Dan
Kebijakan Publik. Yogyakarta (ID): Deepublish.