ANALISIS SUHU UDARA DAN KELEMBAPAN RELATIF MENGGUNAKAN KORELASI DAN REGRESI SEDERHANA

PENDAHULUAN

Latar Belakang Masalah Stasiun Meteorologi Ranai adalah salah satu Unit Pelaksana Teknis BMKG di daerah yang berkewajiban memantau dan memprediksi perubahan cuaca di daerah yang menjadi tanggung jawabnya. Untuk memprediksi cuaca tidaklah mudah karena kondisi atmosfer bersifat dinamis atau senantiasa berubah-ubah dalam waktu yang singkat. Untuk menghasilkan prediksi yang tepat, diperlukan data yang kontinyu dan berkesinambungan. Namun, hal tersebut tidaklah mudah untuk dicapai, karena alat-alat yang digunakan tidak selamanya akan berfungsi dengan baik atau dengan kata lain mengalami kerusakan. Hal ini menyebabkan data yang dihasilkan tidak kontinyu. Oleh sebab itulah penulis mencoba melakukan suatu penelitian menggunakan korelasi dan regresi sederhana agar bisa mengetahui keeratan hubungan antar parameter cuaca dan menerka salah satu nilai parameter jika parameter yang lain tidak ada karena alat rusak. Sebagai permulaan, penulis akan menganalisis dua parameter cuaca yaitu suhu dan kelembapan, karena data kedua parameter, penulis anggap penting untuk memprediksi pemicu fenomena-fenomena cuaca bermakna di atmosfer seperti thunderstorm salah satunya.

Rumusan Masalah Dengan melihat latar belakang yang telah dikemukakan, maka beberapa masalah yang dapat penulis rumuskan dan akan dibahas dalam makalah ini adalah:

1. Bagaimana keeratan hubungan antara suhu udara dan kelembapan relatif?

2. Bagaimana memprediksi nilai salah satu parameter jika parameter kedua tidak ada?
3. Apakah model regresi sederhana untuk cocok untuk menganalisis hubungan

antara suhu udara dan kelembapan relative di Stasiun Meteorologi Ranai?

Tujuan Penelitian Penulisan makalah ini dilakukan untuk memenuhi tujuan-tujuan yang diharapkan dapat bermanfaat bagi kita semua dalam menambah ilmu pengetahuan dan wawasan. Secara rinci, tujuan-tujuan tersebut adalah: 1. Mengetahui keeratan hubungan antara suhu udara dan kelembapan relatif
2. Mendapat suatu persamaan dari hubungan tersebut untuk digunakan dalam

memprediksi nilai kelelmbapan relatif dari suhu udara

Manfaat Penelitian Manfaat yang diperoleh dari penelitian ini adalah didapatkannya persamaan korelasi antara suhu bola kering dan kelembapan relatif di Stasiun Meteorologi Ranai, sehingga bila suatu saat terjadi kerusakan pada thermometer bola basah ataupun terdapat data hilang, kita dapat memperkirakan kelembapan relatif melalui persamaan korelasi dan regresi linear sederhana yang kita peroleh.

Sistematika Penulisan 1. BAB I. PENDAHULUAN 2. BAB II. LANDASAN TEORI 3. BAB III. METODE PENELITIAN 4. BAB IV. ANALISA DAN PEMBAHASAN

5. BAB V. KESIMPULAN DAN SARAN.

LANDASAN TEORI

A. Suhu udara dan kelembaban 1. Suhu Udara Suhu udara adalah ukuran energi kinetik rata rata dari pergerakan molekul molekul. Suhu suatu benda ialah keadaan yang menentukan kemampuan benda tersebut, untuk memindahkan (transfer) panas ke benda benda lain atau menerima panas dari benda benda lain tersebut. Dalam sistem dua benda, benda yang kehilangan panas dikatakan benda yang bersuhu lebih tinggi.

Alat pengukur suhu disebut termometer. Termometer dibuat dengan mendasarkan sifat sifat fisik dari suatu zat (bahan), misalnya pengembangan benda padat, benda cair, gas dan juga sifat merubahnya tahanan listrik terhadap suhu. Suhu tidak berdimensi sehingga untuk mengukur derajat suhu, pertama tama ditentukan 2 titik tertentu yang disesuaikan dengan suatu sifat fisik suatu benda tertentu. Kemudian diantara dua buah titik yang telah di tentukan tersebut di bagi bagi dalam skala skala, yang menunjukan derajat derajat suhu. Skala skala tersebut merupakan pembagian suhu dan bukan satuan daripada suhu. Dengan demikian suhu 30C tidak berarti 3 x 10C, dan 10C berarti skala derajat C ke sepuluh. Skala suhu yang biasa digunakan yaitu : 1.Skala Celsius, dengan titik es 0C dan titik uap 100C dan dibagi menjadi 100 bagian (skala). 2.Skala Fahreinheit, dengan titik es 32F dan titik uap 212F, dibagi menjadi 180 bagian (skala).

Variasi Harian Suhu Permukaan Selama 24 jam, suhu udara selalu mengalami perubahan perubahan. Di atas lautan perubahan suhu berlangsung lebih banyak perlahan lahan daripada di atas daratan. Variasi suhu pada permukaan laut kurang dari 1C, dan dalam keadaan tenang variasi suhu udara dekat laut hampir sama. Sebaliknya diatas daerah pedalaman continental dan padang pasir perubahan suhu udara permukaan antara siang dan malam mencapai 20C. Sedangkan pada daerah pantai variasinya tergantung dari arah angin yang bertiup. Variasinya besar bila angin bertiup dari atas daratan dan sebaliknya.

2. Kelembaban Udara

kelembaban udara adalah banyaknya kandungan uap air di atmosfer. Udara atmosfer adalah campuran dari udara kering dan uap air. Beberapa cara untuk menyatakan jumlah uap air yaitu : a. Tekanan uap adalah tekanan parsial dari uap air. Dalam fase gas maka uap air di dalam atmosfer seperti gas sempurna (ideal). b. Kelembaban mutlak yaitu massa air yang terkandung dalam satu satuan volume udara lengas. c. Nisbah percampuran (mixing ratio) yaitu nisbah massa uap air terhadap massa udara kering. d. Kelembaban spesifik didefinisikan sebagai massa uap air persatuan massa udara basah. e. Kelembaban nisbi (RH) ialah perbandingan nisbah percampuran dengan nilai jenuhnya dan dinyatakan dalam %. f. Suhu virtual. Besaran yang sering dipakai untuk menyatakan kelembaban udara adalah kelembaban nisbi yang diukur dengan psikrometer atau higrometer. Kelembaban nisbi berubah sesuai tempat dan waktu. Pada siang hari kelembaban nisbi berangsur angsur turun kemudian pada sore hari sampai menjelang pagi bertambah besar. B. Korelasi dan regresi 1. Korelasi Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen. Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel). Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif;

sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif. Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.
(http://www.jonathansarwono.info/korelasi/korelasi.htm)

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut. Dalam korelasi tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y. 2. Regresi Regresi linier adalah metode statistika yang digunakan untuk membentuk model hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas (independen, prediktor, X). Apabila banyaknya variabel bebas hanya ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila terdapat lebih dari 1 variabel bebas, disebut sebagai regresi linier berganda. Analisis regresi memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi. Regresi mampu mendeskripsikan fenomena data melalui terbentuknya suatu model hubungan yang bersifatnya numerik. Regresi juga dapat digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati melalui penggunaan model regresi yang diperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk melakukan prediksi untuk variabel terikat. Model regresi dapat dituliskan sebagai berikut ;

=+X +e
dimana menunjukkan intersep (suatu titik perpotongan antara suatu garis dengan sumbu Y pada diagram kartesius saat X=0. menunjukkan slope/ kemiringan garis regresi dan e menunjukkan nilai error. Error dalam statistik memiliki arti semua hal yang mungkin mempengaruhi variable Y, yang tidak diamati peneliti. Setelah menaksir persamaan regresi dari data, masalah yang dihadapi selanjutnya adalah menilai baik buruknya model regresi yang digunakan dengan data. Jadi kita memerlukan ukuran tentang kecocokan model. Dalam regresi, kecocokan tersebut ditunjukkan oleh nilai R. R adalah koefisien korelasi darab atau koefisien penentu (determinasi), dimana makin dekat R dengan 1, maka makin baik kecocokan data dengan model dan makin dekat dengan 0 makin jelek kecocokan data tersebut.

METODE PENELITIAN

Subyek penelitian adalah suhu dan kelembaban relative di Stasiun Meterologi Ranai-Natuna. Untuk keperluan penelitian penulis mengambil sampel data rata-rata suhu udara dan kelembaban relative bulan Januari 2010. Alasan penulis memakai data bulan Januari adalah karena data bulan tersebut penulis anggap bisa mewakili populasi yang ada. Data suhu udara dan kelembaban relatif yang diambil adalah suhu udara pada jam 07.00, 13.00 dan 18.00 wib. Dimana dengan melalui perhitungan ((2xT/ RH 07.00)+T/RH 13.00+T/RH 18.00) : 4 akan memperoleh rata-rata suhu udara dan kelembaban relatif dalam satu hari. Data rata-rata harian suhu udara dan kelembaban relatif masing-masing berjumlah 31. Data yang telah masuk dianalisis dengan metode korelasi dan regresi linear sederhana dengan menentukan predictor dan responnya terlebih dahulu. Dalam penelitian ini, penulis menetapkan suhu udara sebagai predictor (X) dan kelembaban relatif sebagai respon (Y).

DATA RATA-RATA SUHU HARIAN DAN KELEMBABAN RELATIF BULAN JANUARI 2010 STASIUN METEOROLOGI RANAI-NATUNA KELEMBABAN RELATIF 89 90 87 88 89 87 84 87 83 82 81 83 80 79 78 79

SUHU 26.5 26.4 28.1 27.6 27.0 27.6 27.4 27.5 27.9 27.3 27.0 26.6 26.6 27.2 26.5 26.7

26.8 26.4 26.8 26.3 25.3 26.7 27.8 27.9 27.3 28.0 27.8 27.6 26.7 27.6 27.6

86 82 83 91 85 83 83 82 83 82 82 83 83 80 79

ANALISA DAN PEMBAHASAN

A. Mencari koefisien korelasi (r) dan Menentukan Model Regresi Linier

Berikut adalah table rata-rata suhu harian dan Rh di stasiun Ranai

TG L 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 SUHU=X 26.5 26.4 28.1 27.6 27.0 27.6 27.4 27.5 27.9 27.3 27.0 26.6 26.6 27.2 26.5 26.7 26.8 26.4 26.8 26.3 25.3 26.7 Y RH=Y 89 90 87 88 89 87 84 87 83 82 81 83 80 79 78 79 86 82 83 91 85 83 X 699.6025 694.3225 788.2056 761.76 730.3506 759.0025 749.3906 756.25 778.41 745.29 726.3025 708.8906 707.56 739.84 702.25 710.2225 715.5625 695.6406 716.9006 691.69 638.8256 710.2225 7876.563 8100 7482.25 7700.063 7876.563 7612.563 6972.25 7482.25 6930.563 6724 6520.563 6889 6440.063 6241 6006.25 6280.563 7396 6683.063 6847.563 8281 7140.25 6847.563 XY
2347.438 2371.5 2428.488 2421.9 2398.469 2403.738 2285.813 2378.75 2322.675 2238.6 2176.213 2209.875 2134.65 2148.8 2053.75 2112.013 2300.5 2156.156 2215.631 2393.3 2135.738 2205.288

84 84 83 83 84 83 83 83 83 83 84 84 84 83 84 84 84 84 84 84 85 84

23 24 25 26 27 28 29 30 31

27.8 27.9 27.3 28.0 27.8 27.6 26.7 27.6 27.6 X=839.8

83 82 83 82 82 83 83 80 79 Y=25 89

770.0625 777.0156 743.9256 781.2025 770.0625 759.0025 714.2256 759.0025 761.76 x=2276 2.75

6847.563 6683.063 6847.563 6765.063 6683.063 6889 6889 6400 6162.25

XY=7011 4.26

2296.313 2278.781 2257.006 2298.888 2268.563 2286.65 2218.175 2204 2166.6

83 83 83 83 83 83 84 83 83

x = 839,8/31 = 27,1 y = 2589/31

= 83,5

Untuk menganalisa sebuah data menggunakan korelasi dan regresi sederhana, hal pertama yang dilakukan adalah mencari koefisien korelasi (r). Pengukuran koefisien korelasi berguna untuk mengetahui hubungan antara X (suhu) dan Y (kelembaban relatif). Dalam mencarinya digunakan persamaan berikut : r= n xy ( x)( y )

(n x 2 ( x) 2 )(n y 2 ( y ) 2 ) 31(70114.26) (839.8)(2589) ((31)(22762.75) (705264))((31)(216496..5) (6700332))

r=

r = 0,003226075 Dari perhitungan, didapat r sebesar -0,003226075, artinya tidak ada hubungan sekali antara parameter suhu dan kelembaban relatif di kota Ranai. Namun, hasil tersebut belum begitu memuaskan, karena korelasi hanya menggambarkan kedekatan hubungan antara dua variable tersebut. Untuk meneliti hubungan sebab-akibat antara dua variable tersebut, kita gunakan analisis regresi.dalam analisis regresi, hal pertama yang harus dilakukan adalah menentukan terlebih dahulu model regresi liniernya. Model regresi linier secara umum dituliskan :

=+X
Untuk mendapatkan persamaan tersebut pertama yang akan kita cari adalah

x y

( x) ( y) n ( x) 2 2 x n (8 3 9 ,8 * 2 5 8 9 ,2 6 3 1 ,7 5 )

7 0 1 1 4
=

2 2 7 6 2
=-0,73536

8 3 9 ,8
3 1

Setelah mendapatkan , selanjutnya mencari nilai = y - x = 83,5-(-0,73536)27,1 = 103,4212

Sehingga, model regresi liniernya adalah sebagai berikut : =+X i =103,4212-0,73536X atau

=-0,73536X +103,4212
Dari persamaan yang ada, beberapa hal yang dapat dijelaskan yaitu bahwa merupakan nilai taksir dari Y. Kemudian nilai sebesar 0,73536 memiliki arti bahwa setiap perubahan predictor(variable bebas) X(suhu) akan diimbangi dengan perubahan respon(variable terikat) Y(RH) sebesar 0,73536 %. Karena nilai ternyata negative suhu 0.7356, akan ini berarti dengan bahwa tiap kenaikan/ kenaikan penurunan diiringi penurunan/

Kelembaban ralatif sebesar 0.7356 %. Jika digambarkan dalam scatter plot, maka akan menghasilkan gambar sebagai berikut :

B. Menilai kecocokan Model menggunakan Koefisien korelasi Darab (R) Setelah menaksir persamaan regresi dari data, masalah yang kita hadapi adalah menilai baik buruknya kecocokan model regresi dengan data yang digunakan. Koefisien korelasi darab/ koefisien determinasi (0)berangkat dari persamaan dasar dalam analisis regresi dan analisis variansi yaitu : (yi- y ) = (i- y )+ (yi- i)(1) dimana ruas kiri disebut jumlah kuadrat total (JKT). JKT menyatakan jumlah penyimpangan y disekitar nilai rata-ratanya. Kemudian, bagian pertama ruas kanan disebut jumlah kuadrat regresi (JKR). JKT menyatakan pengaruh regresi, atau x, pada respon y. Terakhir, bagian kedua dari ruas kanan disebut jumlah kuadrat sisa (JKS). JKS ini mengukur sisa dari variasi total (JKT), yang tidak dapat diterangkan oleh x. jadi persamaan (1) dapat pula ditulis sebagai berikut : JKT = JKR + JKS

Dari ketiga unsur dalam persamaan tersebut yang bernilai tetap (tidak terpengaruh oleh model) adalah JKT, sehingga untuk menilai kecocokan model memakai R, kita harus membandingkan antara JKR dan JKT. Sehingga, diperoleh persamaan sebagai berikut :

K R R = J J K T
Untuk memudahkan perhitungan penulis menggunakan tebel seperti di bawah ini : x 26.5 26.4 28.1 27.6 27.0 27.6 27.4 27.5 27.9 27.3 27.0 26.6 26.6 27.2 26.5 26.7 26.8 26.4 26.8 26.3 25.3 26.7 27.8 27.9 27.3 28.0 27.8 27.6 26.7 27.6 27.6 - y 0.5 0.5 -0.7 -0.4 0.0 -0.3 -0.2 -0.3 -0.6 -0.2 0.1 0.3 0.4 -0.1 0.4 0.3 0.3 0.5 0.2 0.6 1.3 0.3 -0.5 -0.6 -0.1 -0.6 -0.5 -0.3 0.3 -0.3 -0.4
(- y ) 0.221718158 0.296377766 0.524314158 0.140473503 0.002307439 0.114264144 0.043823763 0.090758578 0.354509341 0.023774257 0.010647772 0.117087864 0.130007203 0.006504862 0.188444046 0.104844473 0.062630396 0.276698941 0.053766748 0.337763261 1.782014557 0.104844473 0.235324348 0.332955304 0.018442985 0.39964526 0.235324348 0.114264144 0.072169993 0.114264144 0.140473503 (yy) 5.3 6.5 3.0 4.3 5.3 3.8 0.0 3.0 -0.3 -1.5 -2.8 -0.5 -3.3 -4.5 -6.0 -4.3 2.5 -1.8 -0.8 7.5 1.0 -0.8 -0.8 -1.8 -0.8 -1.3 -1.8 -0.5 -0.5 -3.5 -5.0 (y- y ) 27.5625 42.25 9 18.0625 27.5625 14.0625 0 9 0.0625 2.25 7.5625 0.25 10.5625 20.25 36 18.0625 6.25 3.0625 0.5625 56.25 1 0.5625 0.5625 3.0625 0.5625 1.5625 3.0625 0.25 0.25 12.25 25

y 89 90 87 88 89 87 84 87 83 82 81 83 80 79 78 79 86 82 83 91 85 83 83 82 83 82 82 83 83 80 79

84 84 83 83 84 83 83 83 83 83 84 84 84 83 84 84 84 84 84 84 85 84 83 83 83 83 83 83 84 83 83

y- 4.8 6.0 3.7 4.6 5.2 4.1 0.2 3.3 0.3 -1.3 -2.9 -0.8 -3.6 -4.4 -6.4 -4.6 2.2 -2.3 -1.0 6.9 -0.3 -1.1 -0.3 -1.2 -0.6 -0.6 -1.3 -0.2 -0.8 -3.2 -4.6

(y-) 22.8400876 35.4691013 13.8688866 21.3887561 27.0604314 16.7119876 0.04382376 10.8983284 0.11930591 1.81120717 8.14068201 0.7092689 13.0361805 19.5306304 41.3976611 20.9196187 5.06132711 5.18027526 0.96408162 47.8701527 0.1121722 1.15303992 0.07017073 1.37587553 0.37723556 0.3817077 1.59996591 0.02623435 0.59081473 9.99805557 21.392494

JKR = (i- y ) = 6,7

JKT = (yi- y ) = 356,8 JKS = (yi- i) = 350,1

Sehingga nilai R =

J K R J K T

6,7 = 0,0 1 8 6 5 6 ,8 R = 3

= 1,8 6 %

Nilai tersebut, artinya bahwa sebesar 1,86% dari seluruh variasi total y diterangkan oleh regresi, atau x. Sedangkan sisanya 98.4% lagi variasi y yang tidak dapat diterangkan oleh model yang kita gunakan. Bagian sisanya sebesar 98,45 ini kemungkinan disebabkan oleh fakto-faktor lain yang gagal diperhitungkan oleh model. Factor-faktor tersebut salah satunya ialah human error (kesalahan manusia) saat melakukan observasi).

C. Analisis Variansi Dalam analisis variansi, digunakan suatu pembanding baku yang disebut dengan penaksir tak bias . , dapat diperoleh dari Jumlah Kuadrat Sisa, yaitu JKS/(n-2), yaitu rataan kuadrat sisa (RKS). Pembanding baku adalah suatu pembanding yang tidak dipengaruhi oleh baik buruknya model, sehingga bisa memberikan gambaran yang lebih jelas mengenai pengaruh suatu predictor (suhu), terhadap respon (kelembaban relatif). Analisis variansi, berujung pada pengujian suatu hipotesis. Dimana dalam regresi, dikenal dua macam hipotesis yaitu Hipotesis Nol (HN) dan Hipotesis tandingan (HT). Dalam hipotesis nol, memiliki ketentuan =0 dan untuk hipotesis tandingan, memiliki ketentuan 0. Untuk membuktikan apakah hipotesis itu termasuk HN atau HT, yang akan digunakan adalah nisbah dari RKR/ RKS. Bila nisbah lebih besar dari 1, maka

kesimpulannya adalah 0, sebaliknya bila nisbah kurang dari satu atau sama dengan satu maka kesimpulannya =0. Untuk memudahkan perhitungan, digunakanlah table analisis variansi seperti di bawah ini :
JK (Jumlah Kuadrat) JKR JKS JKT

Sumber variasi Regresi Sisa Total

Dk (derajat kebebasan) 1 n-2 n-1

RK (rataan kuadrat) RKR = JKR/1 RKS = JKS/ n-2

F-hitung RKR/ RKS

Dari data suhu dan kelembaban relatif, diperoleh hasil : RKR = JKR/1 = 6,7 RKS = JKS/ n-2 = 350,1/ 31-2 = 12,1
JK (Jumlah Kuadrat) JKR JKS JKT

Sumber variasi Regresi Sisa Total

Dk (derajat kebebasan) 1 29 30

RK (rataan kuadrat) 6,7 12,1

F-hitung 0,551

Dari perhitungan didapatkan F = 6,7/ 12,1 = 0,551. Dari table F, untuk = 0,05 didapatkan F (1, 29) adalah 4, 185. Jadi, HN: = 0, diterima. Dengan kata lain, bahwa predictor (suhu) tidak memiliki pengaruh terhadap respon (kelembaban relatif).

KESIMPULAN Berdasarkan data-data yang ada dan analisis menggunakan korelasi dan regresi linier sederhana didapatkan beberapa kesimpulan sebagai berikut :
1. Di Stasiun Meteorologi Ranai, nilai parameter Kelembaban Relatif tidak bisa

diprediksi dari nilai parameter Suhu Udara, karena tidak ada hubungan sama sekali antara Suhu udara dan Kelembaban relatif. Hal ini dapat dibuktikan dengan nilai koefisien korelasi r sebesar 0,003226075 dan diterimanya hipotesis nol (=0) dalam uji-F.
2. Model Regresi linier tidak cocok digunakan di Stasiun Meteorologi Ranai,

karena Pertama variasi total Y (kelembaban Relatif) yang bisa diterangkan model hanya sebesar 1,86% dan Kedua, nilai respon Y (kelembaban Relatif) di Stasiun Meteorologi Ranai banyak dipengaruhi oleh factor-faktor lain di luar suhu, hal ini ditunjukkan dengan sisa sebesar 98,4%.

SARAN Tiada gading yang tak retak, begitu juga dengan makalah ini. Oleh karena itu, penulis selalu mengharapkan adanya kritik dan saran yang membangun, agar makalah berikutnya bisa menjadi lebih baik lagi.

DAFTAR PUSTAKA Dajan, Anto. (1972). Pengantar Metode Statistik Jilid I. Penerbit LP3ES, Jakarta. Sembiring, R.K. (1995). Analisis Regresi. Penerbit ITB, Bandung.