PENDUGAAN DATA HILANG PDF

Preview

Summary

Hari/tanggal : Jum’at, 26 Desember 2014 Nama : Aji Permana Asisten : 1. Mufridatur Rohmah (G24110001) NIM : G24120002 2. Ina Rotulhuda (G24110049) PENDUGAAN DATA HILANG PENDAHULUAN Latar belakang Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan un...

Description

Accelerat ing t he world's research.

PENDUGAAN DATA HILANG Aji Permana

Related papers

Download a PDF Pack of t he best relat ed papers 

J U R U S A N M A N A J E M E N F A K U L T A S E K O N O M I UNIVERSITAS HALUOLEO K E N D A … angelia t an BAB 6 ANALISIS HUBUNGAN VARIABEL 6.1. T IPE-T IPE HUBUNGAN VARIBEL maria solikha Laporan ke Balit kabi Sheila dalimunt he

Hari/tanggal Asisten

: Jum’at, 26 Desember 2014 : 1. Mufridatur Rohmah (G24110001) 2. Ina Rotulhuda (G24110049)

Nama NIM

: Aji Permana : G24120002

PENDUGAAN DATA HILANG PENDAHULUAN Latar belakang Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal suatu variabel (Kutner, Nachtsheim dan Neter, 2004). Hubungan tersebut dapat dinyatakan dalam bentuk persamaan yang menghubungkan variabel terikat Y dengan satu atau lebih variabel bebas X1,X2,.....,Xn (Nachrowi, 2008:15). Selain itu, untuk mengkaji hubungan antar parameter dapat digunakan uji kendall. Uji ini digunakan untuk menentukan ada tidaknya keterkaitan antar komponen sehingga sebelum melakukan pengolahan data khususnya dalam pengisian data yang kosong harus terlebih dahulu melakukan pengujian ini. Dalam mengkaji hubungan antara beberapa variabel menggunakan analisis regresi, terlebih dahulu harus menentukan satu variabel yang disebut dengan variabel tidak satu atau lebih variabel bebas. Jika ingin dikaji hubungan atau pengaruh satu variabel bebas terhadap variabel tidak bebas, maka model regresi yang digunakan adalah model regresi linier sederhana. Kemudian Jika ingin dikaji hubungan atau pengaruh dua atau lebih variabel bebas terhadap variabel tidak bebas, maka model regresi yang digunakan adalah model regresi linier berganda (multiple linear regression model). Pembangkitan data iklim untuk masalah tidak tersedianya data iklim pada suatu lokasi ataupun menentukan data yang kosong dapat dilakukan dengan melakukan interpolasi parameter dari model stochastic. Banyak teknik yang tersedia, akan tetapi metode perhitungan untuk teknik-tekniknya cukup rumit misalnya Metode Kriging (Seaman dan Hutchinson 1985) dan Thiesen Polygon Weighting (De Jong et al. 1992). Akhirnya Boer et al. (1993a, 1993b) menemukan bahwa teknik regresi dapat diterapkan untuk memberikan hasil yang cukup akurat. Untuk mengisi data yang kosong dapat juga menggunakan beberapa metode, diantaranya metode rata-rata sederhana, metode kuadran empat dan metode regresi berganda. Tujuan Tujuan praktikum adalah 1. Dapat memahami teknik pendugaan data hilang 2. Dapat menentukan ada atau tidaknya keterkaitan antar stasiun untuk menduga data yang kosong. 3. Dapat mengisi data yang hilang dan membandingkan metode yang paling akurat dalam menduga data yang hilang METODOLOGI a. Alat dan Bahan Komputer terinstall Ms. Excel dan Ms. Word, Software Minitab data stasiun A,B,C dan D. b. Waktu dan tempat Waktu : Jum’at, 26 Desember 2014. Pukul 07.00-09.00 Tempat : Lab. Komputer Dept. Geofisika Meteorologi c. Metodologi Buka data excel Cari Rc,Rd dan Re (membandingkan stasiun yang dicari dengan data Cari keterkaitan (Tb,Tc,Td) dengan menggunakan rumus pembanding)

1

Rata-ratakan ketiga stasiun pembanding untuk mencari data hilang Jika kurang dari 10% maka data dapat digunakan Menggunakan rata-rata berbobot, cari Pa1988,pa1990 Pindahkan data di sheet ms. Excel “regresi” ke software Minitab, isi * di data yang kosong, kemudian klik stat, regretion, regretion Pilih A sebagai Respon dan C-D sebagai prediktor, klik option kemudian celist semua di display Copy hasil nya ke excel , kemudiaan dari persamaan yang dihasilkan cari nilai kosongnya.

HASIL DAN PEMBAHASAN Tabel 1 Uji kenda Tb Tc Td 0,867

0,905

0,905

Uji Kendal Tau (τ) merupakan statistik nonparametrik. Uji ini digunakan untuk mencari hubungan dan menguji hipotesis dua variabel atau lebih bila datanya berbentuk ordinal atau ranking. Kelebihannya dapat digunakan pada sampel lebih dari sepuluh (>10) dan dapat dikembangkan untuk mencari koefisien korelasi parsial (Slamet,1993). Pada Uji Kendall, dihasilkan nilai Tb 0,867 dan Tb dan Tc berturut-turut 0,905 dan 0,905. Nilai ini digunakan untuk menguji keeratan dari stasiun yang dicari dengan stasiun pembanding. Jika nilainya positif maka terdapat hubungan atau keterkaitan antar kedua stasiun, sedangkan jika nilainya negatif maka tidak ada hubungan antar stasiun, sehingga data tidak bisa digunakan unutk menduga data yang kosong. Berdasarkan hasil perhitungan nilai Tb, Tc dan Td bernilai positif maka data pembanding dari stasiun pembanding dapat digunakan untuk menduga data yang hilang (stasiun A). Tabel 2 Perbandingan hasil dengan beberapa metode Metode Pa1991 Pa1995 Pa1999

Pa2000

Metode Uji rata-rata sederhana

109,00

172,33

138,00

199,33

Metode Kuadran empat

94,48

135,49

152,02

201,36

Metode Analisis Regresi berganda

134,45

187,72

149,85

185,19

Pada praktikum ini didaptkan hasil seperti pada tabel diatas (tabel 2). Pengolahan data menggunakan metode uji rata-rata sederhana, metode kuadran empat dan analisis regresi berganda. Sebelum menggunakan metode uji rata-rata sederhana harus ditentukan terlebih dahulu dengan menghitung nilai nilai rata-ratanya. Metode rata-rata sederhana adalah metode yang menggunakan nilai rata rata secara sederhana dengan menentukan harga rata-rata per unit berdasarkan frekuensi (Zuli 2009). Metode rata-rata sederhana bisa digunakan apabila data yang tersedia tidak mengandung unsur musiman dan tren. Data tersebut harus stasioner. Semakin banyak data yng digunakan, maka semakin stabil rata-rata yang dihasilkan (Makridasi 1991). Jika nilai rata-rata nya kurang dari 10% maka data dapat digunakan untuk menentukan data yang kosong di stasiun A. Sedangkan jika nilai rata-rata nya lebih dari 10% maka data tidak dapat digunakan untuk menentukan data yang kosong menggunakan metode rata-rata sederhana. Dari hasil perhitungan,

2

nilai rata-ratanya yaitu 3,031% sehingga data dapat digunakan untuk menentukan data yang hilang dengan menggunakan metode rata-rata sederhana. Dari perhitungan menggunakan metode ini, nilai data yang kosong untuk Pa1991 dan Pa1995 yaitu 109 dan 172,3 sedangkan untuk nilai Pa1999 dan Pa2000 berturut-turut adalah 138 dan 199,3. Metode kuadran empat adalah digunakan dengan cara membagi empat kuadran data stasiun yang datanya hilang, yaitu stasiun A. Berdasarkan hasil perhitungan menggunakan metode ini didapatan hasil nilai Pa1991 dan Pa1995 yaitu 94,48 dan 135,49 sedangkan untuk nilai Pa1999 dan Pa2000 berturut-turut adalah 152,02 dan 201,36. Metode analisis regresi berganda adalah metode yang digunakan untuk menentukan hubungan atau pengaruh dua atau lebih variabel bebas terhadap variabel tidak bebas. Metode analisis regresi berganda digunakan untuk mengetahui pengaruh variabel-variabel bebas (independen) terhadap variabel terikat atau yang dipengaruhi (dependen) (Khoerudin 2010). Dari hasil perhitungan menggunakan metode ini didapatkan nilai Pa1991 dan Pa1995 yaitu 134,48 dan 187,72 sedangkan untuk nilai Pa1999 dan Pa2000 berturut-turut adalah 149,85 dan 185,19. Tabel 3 Metode rata-rata bebrbobot Pa1988 Pa1990 Pa1995 Pa1999 48,45

167,37

218,69

260,55

Metode rata-rata berbobot adalah metode rata-rata berbobot merupakan metode yang digunakan bila terdapat perbedaan data tahunan di stasiun pembanding lebih dari 10% dari data tahunan di stasiun yang datanya hilang (Saputro 2011). Metode rata-rata berbobot ini digunakan jika adanya data yang tidak signifikan dalam penghitungan rata-rata sederhana (Hidayah 2010). Dari hasil perhitungan didapat nilai Pa1988 dan Pa1990 yaitu 48,45 dan 167,37 seangkan untuk Pa1995 dan Pa1999 berturutturut adalah 218,69 dam 260,55. Metode rata-rata berbobot dipisahkan dari ketiga metode diatas (tabel 2) karena data kosong yang dicari tahunnya berbeda sehingga tidak dapat dibandingkan.

KESIMPULAN Pengisian data yang hilang harus terlebih dahulu melakukan pengecekan apakah data memiliki keeratan atau keterkaitan dengan stasiun lain atau tidak. Pengujian ini dapat dilakukan dengan uji kendall. Selain itu, untuk melakukan pengisian data yang hilang harus dilakukan uji dengan berbagai macam metode untuk mendapatan nilai yang paling mendekati dengan hasil yang sebenarnya. Untuk menggunakan suatu metode harus dilakukan pengujian apakah data memiliki kriteria untuk diolah menggunakan teknik tersebut atau tidak. Data dapat dioleh menggunakan metode rata-rata sederhana karena nilai nya 3,031% (kurang dari 10%). Data B, C dan D memiliki keterkaitan dengan data di stasiusn A sehingga dapat digunakan untuk memprediksi di stasiun A. Tidak ada metode yang baik dalam memprediksi karena setiap metode ada yang mendekati dan ada yang menyimpang jauh di tahun-tahun tertentu. DAFTAR PUSTAKA Hidayah, Nur.2010.Analisis Data Hilang pada Rancangan Petak Teralur (Strip Plot Design) dan Rancangan Petak-Petak Terbagi (Split-Split Plot Design). S1 thesis, UNY. Khoerudin, M. 2010. Pendugaan data hilang dengan menggunakan metode ordinary kringing. Skripsi. Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Kutner, M.H., C.J. Nachtsheim., dan J. Neter. 2004. Applied Linear Regression Models. 4 Th ed. New York: McGraw-Hill Companies, Inc. Makridasi 1991. Metode dan aplikasi Peramalan. Bandung: Erlangga Nachrowi, N.D. 2008. Penggunaan Teknik Ekonometri. PT. Raja Grando Persada, Jakarta. Saputro, DR dkk. 2011. Pendugaan data tidak lengkap curah hujan di Kabupaten Indramayu (berdasarkan data tahun 1980-2000). Sains. Bogor: IPB Press. Slamet Y.,1993. Analisis Kuantitatif Untuk Data Sosial. Solo : Dabara Publisher

Zuli,

D.2009.Penilaian Desember 2014]

Persediaan.http://staff.uny.ac.id/2009/02/20/penilaian-persediaan/.[25

3...