Metode Analisis Analisis Pengaruh Curah Hujan Di Kota Medan

3.2. Metode Analisis

3.2.1 Analisis Regresi Linier Berganda

Hasil regresi dari tekanan udara, kelembaban udara, kecepatan angin dan suhu udara terhadap curah hujan melalui SPSS 17 : Tabel 3.2 Analisis Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1966.814 26294.784 .075 .941 T.udara -4.405 25.732 -.027 -.171 .865 K.udara 29.451 12.208 .509 2.412 .022 Kec.angin 118.191 55.774 .350 2.119 .042 S.udara -13.152 40.174 -.072 -.327 .746 a. Dependent Variable: C.Hujan Dari tabel diatas, diperoleh persamaan regresi linier berganda yaitu : Y= 1966,814- 4,405X 1 + 29,451X 2 + 118,191X 3 - 13,152X 4 Pada variabel tekanan udara X 1 berpengaruh secara negatif dan tidak signifikan terhadap curah hujan. Hal ini terlihat dari nilai signifikan 0,865 lebih besar dari 0,05. Nilai t hitung tersebut dibandingkandengan nilai t tabel pada tingkat kepercayaan 95 a tau α = 5. Nilai t tabel pada dk 31 dengan α = 5 adalah ± 2,03 uji 2 arah. Dan nilai t hitung -0,171 t tabel -2,03, artinya jika ditingkatkan variabel tekanan udara sebesar 1 atm maka curah hujan tidak akan berkurang 4,405 mm. Kelembaban udara X 2 berpengaruh secara positif dan signifikan terhadap curah hujan. Hal ini terlihat dari nilai signifikan 0,022 lebih kecil dari 0,05, dan nilai t hitung 2,412 t tabel 2,03, artinya jika ditingkatkan variabel kelembaban udara sebesar 1 kgm 3 maka curah hujan akan meningkat sebesar 29,451 mm. Pada variabel kecepatan angin berpengaruh secara positif dan signifikan terhadap curah hujan. Hal ini terlihat dari nilai signifikan 0,042 lebih kecil dari 0,05, dan nilai t hitung 2,119 t tabel 2,03, artinya jika ditingkatkan variabel kecepatan angin sebesar 1 mdet maka curah hujan akan meningkat Universitas Sumatera Utara sebesar 118,191 mm. Pada variabel suhu udara berpengaruh secara negatif dan tidak signifikan terhadap curah hujan. Hal ini terlihat dari nilai signifikan 0,746 lebih besar dari 0,05, dan nilai t hitung -0,327 t tabel -2,03, artinya jika ditingkatkan variabel suhu udara sebesar 1 o C maka curah hujan tidak akan berkurang 13,152 mm.

3.5.2. Korelasi Tabel 3.3 Uji Korelasi

Correlations T.udara K.udara Kec.angin S.udara C.Hujan T.udara Pearson Correlation 1 .068 -.303 -.159 -.087 Sig. 2-tailed .696 .072 .355 .614 N 36 36 36 36 36 K.udara Pearson Correlation .068 1 -.276 -.714 .462 Sig. 2-tailed .696 .103 .000 .005 N 36 36 36 36 36 Kec.angin Pearson Correlation -.303 -.276 1 .379 .191 Sig. 2-tailed .072 .103 .022 .266 N 36 36 36 36 36 S.udara Pearson Correlation -.159 -.714 .379 1 -.299 Sig. 2-tailed .355 .000 .022 .077 N 36 36 36 36 36 C.Hujan Pearson Correlation -.087 .462 .191 -.299 1 Sig. 2-tailed .614 .005 .266 .077 N 36 36 36 36 36 . Correlation is significant at the 0.01 level 2-tailed. . Correlation is significant at the 0.05 level 2-tailed. Keterangan : 1. Koefisien korelasi antara tekanan udara dan curah hujan sebesar -0,087 yang berarti hubungannya sangat rendah.Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi Sig.2-tailed lebih besar dari α 0,614 0,05. Universitas Sumatera Utara 2. Koefisien korelasi antara kelembaban udara dan curah hujan sebesar 0,462 yang berarti hubungannya cukup kuat.Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi Sig.2-tailed lebih kecil dari α0,005 0,05. 3. Koefisien korelasi antara kecepatan angin dan curah hujan sebesar 0,191 yang berarti hubungannya sangat rendah.Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi Sig.2-tailed lebih besar dari α 0,266 0,05. 4. Koefisien korelasi antara suhu udara dan curah hujan sebesar -0,299 yang berarti hubungannya rendah.Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi Sig.2-tailed lebih besar dari α 0,077 0,05.

3.5.3 Uji Determinasi R

2 R 2 mengukur persentase variabel bebas yang terdiri dari 4 variabel X dan 1 variabel Y, yaitu tekanan udara X 1 , kelembaban udara X 2 , kecepatan angin X 3 , suhu udara X 4 dan curah hujan Y secara bersama – sama, dimana 0 ≤ R 2 ≤ 1. Tabel 3.4 Hasil Uji DeterminasiR 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .571 a .326 .239 92.09000 Universitas Sumatera Utara

3.5.4 Pengujian Asumsi Klasik

a Uji Normalitas Uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian normalitas dalam penelitian ini menggunakan analisis pendekatan grafik dengan bantuan perangkat lunak SPSS versi 17. Berdasarkan hasil analisis yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut : a Diperoleh nilai R sebesar 0,571. Hal ini berarti, hubungan antara tekanan udara, kelembaban udara, kecepatan angin dan suhu udara terhadap curah hujan di kota Medan sebesar 57,1. Artinya hubungannya cukup erat. b Untuk nilai R 2 diperoleh sebesar 0,326 atau 32,6. Hal ini berarti 32,6 faktor-faktor yang mempengaruhi curah hujan di kota Medan dapat dijelaskan oleh variabel tekanan udara, kelembaban udara, kecepatan angin dan suhu udara. Sedangkan sisanya sebesar 67,4 dijelaskan oleh faktor-faktor yang lain yang tidak diteliti dalam penelitian ini. c Adjusted R Square sebesar 0,239 berarti 23,9 faktor-faktor yang mempengaruhi curah hujan yang dapat dijelaskan oleh tekanan udara, kelembaban udara, kecepatan angin dan suhu udara. Sedangkan sisanya 76,1 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti oleh penelitian ini. Universitas Sumatera Utara Gambar 3.1 Hasil Uji Normalitas Berdasarkan grafik di atas dapat disimpulkan bahwa distribusi data normal hal ini ditunjukkan distribusi data tidak condong ke kiri ataupun condong ke kanan. Hasil uji normalitas dengan pp plot ditunjukkan pada gambar di bawah ini. Gambar 3.2 Hasil Uji Normalitas Pada gambar terlihat titik – titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data tersebut berdistribusi normal. Universitas Sumatera Utara b Heterokedastisitas Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heterokedastisitas jika titik- titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Gambar 3.3 Hasil Uji Heterokedastisitas Dari gambar diatas terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas. c Multikolinearitas Variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna atau mendekati sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program SPSS. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF 10, maka tidak terjadi multikolinearitas. Universitas Sumatera Utara Tabel 3.5 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1966.814 26294.784 .075 .941 T.udara -4.405 25.732 -.027 -.171 .865 .901 1.110 K.udara 29.451 12.208 .509 2.412 .022 .487 2.052 Kec.angin 118.191 55.774 .350 2.119 .042 .795 1.258 S.udara -13.152 40.174 -.072 -.327 .746 .451 2.219 a. Dependent Variable: C.Hujan Dari tabel diatas terlihat bahwa VIF 10, maka tidak terjadi multikolinearitas dan Tolerance 0,1, maka tidak terjadi multikolinearitas. d Autokorelasi Metode ini diperkenalkan oleh Geary sebagai uji nonparametrik dengan tanda positif negatif. Tabel 3.6 Hasil Autokorelasi Runs Test Unstandardized Residual Test Value a -3.30743 Cases Test Value 18 Cases = Test Value 18 Total Cases 36 Number of Runs 18 Z -.169 Asymp. Sig. 2-tailed .866 a. Median Universitas Sumatera Utara Hasil output RunTest diperoleh nilai p-value sebesar 0,866 0,05. Berdasarkan nilai tersebut, untuk kasus ini, hasil Run Test memberikan kesimpulan bahwa tidak terjadi autokorelasi. Selain itu dapat dilihat melalui tabel output, nilai Durbin Watson hitung adalah 2,236. Sementara itu nilai Durbin Watson tabel dengan jumlah data n = 36 adalah dL = 1,236 dan dU = 1,724. Nilai Durbin Watson hitung d= 2,236 berada didalam daerah antara dU = 1,724 dan 4 - 1,724 = 2,276. Pengambilan keputusannya adalah dU d 4-dU; 1,724 2,236 2,276, berarti keputusan tidak ada autokorelasi positif atau negatif

3.6 Uji F uji serentak