Analisis Data IHMB menggunakan Spreadshe
BAB I
PENDAHULUAN
1.1 Latar Belakang
Istilah spreadsheet zaman dulu digunakan oleh bidang keilmuan farmasi
sebagai tools pengolah grafik . Kini istilah tersebut tidak hanya digunakan oleh
farmasi , tapi oleh pihak-pihak yang berkebutuhan untuk mengolah data dalam
jumlah yang banyak dan waktu pengerjaan yang singkat. Spreadsheet masa kini
tidak hanya menjadi tools pengolah grafik tapi juga sebagai pengolah data-data
statistika yang kompleks.
Suatu perusaahaan pasti menggunakan spreadsheet dalam keberjalanannya
karena tidak hanya digunakan dalam menghitung jumlah produksi tapi dengan
spreadsheet juga perusahaan akan mampu memprediksi kondisi perusahan
kedepannya.
Sebagai Mahasiswa Rekayasa Kehutanan, mengolah data dalam jumlah
banyak, waktu yang singkat, dan diperlukan tingkat ketelitian dan keakuratan
yang tinggi merupakan pekerjaan rutin sehingga menguasai spreadsheet
merupakan suatu keharusan untuk dipelajari dan dipraktekkan. Untuk itu
dilaksanakan praktikum analisis data IHMB dengan Spreadsheet.
1.2 Tujuan
Tujuan dari praktikum analisis data IHMB dengan Spreadsheet bertujuan
untuk :
1. Menentukan potensi volume pohon untuk setiap blok
2. Menentukan metode regresi yang tepat dalam pengukuran diameter dan
tinggi
3. Menentukan volume tegakan tiap tingkat hidup dengan kelompok jenis
4. Menentukan tingkat validitas dari uji diameter
BAB II
TINJAUAN PUSTAKA
2.1
Inventarisasi Hutan Menyeluruh Berkala (IHMB)
Inventarisasi Hutan Menyeluruh Berkala (IHMB) adalah kegiatan
pengumpulan data dan informasi tentang kondisi persediaan tegakan hutan
(timber standing stock), yang dilaksanakan secara berkala satu kali dalam
sepuluh tahun pada seluruh petak di dalam kawasan hutan produksi setiap wilayah
unit pengelolaan/manajemen (Kusumawardhani, 2010) .
Kaban (2012) berpendapat bahwa tujuan inventarisasi hutan menyeluruh
berkala antara lain:
1. Untuk mengetahui kondisi sediaan tegakan hutan (timber standing
stock) secara berkala;
2. Sebagai bahan penyusunan RKUPHHK dalam Hutan Alam dan
atau RKUPHHK dalam Hutan Tanaman atau KPH sepuluh tahunan;
3. Sebagai bahan pemantauan kecenderungan (trend) kelestarian sediaan
tegakan hutan di areal KPH dan atau IUPHHK-HA atau IUPHHK-HT .
2.2
Data Analisis
2.2.1 Deskriptif Statistik
Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna. Statistika deskriptif memberikan informasi mengenai data yang
dipunyai dan tidak menarik inferensia atau kesimpulan apapun tentang gugus
induknya yang lebih besar (Walpole, 1993).
Statistika deskriptif menjadikan kumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data
yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain
ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus
data (Siagian dan Sugiarto, 2002) .
2.2.2 ANOVA
Analisis varians (ANOVA) adalah kumpulan model statistik yang
digunakan untuk menganalisis perbedaan rata-rata antara kelompok dan prosedur
terkait
(seperti
“variasi”
antara
kelompok).
ANOVA
berguna
untuk
membandingkan tiga atau lebih kelompok atau variabel untuk signifikansi
statistik. Dalam ANOVA hanya satu hipotesis yang digunakan, yaitu hipotesis dua
arah (two tail) artinya hipotesis ini digunakan untuk mengetahui perbedaan ratarata (BINUS, 2015) .
Tujuan dari uji hipotesis dengan ANOVA yaitu :
1)
Memudahkan analisa atas beberapa kelompok sampel yang berbeda dengan
resiko kesalahan terkecil.
2)
Mengetahui signifikansi perbedaan rata-rata (μ) antara kelompok sampel
yang satu dengan yang lain.
3)
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk
berbagai bentuk percobaan yang lebih rumit.
2.2.3 Regresi
Menurut Levin & Rubin (1998), regresi adalah analisis yang digunakan
untuk menentukan sifat – sifat dan kekuatan hubungan antara dua variabel
serta memprediksi nilai dari suatu variabel yang belum diketahui dengan
didasarkan pada observasi terhadap variabel tersebut dan variabel - variabel
lainnya. Hasil dari analisis regresi adalah persamaan estimasi (estimating
equation), yaitu rumus matematika yang menghubungkan variabel - variabel
yang diketahui dengan variabel - variabel yang tidak diketahui nilainya.
Regresi berbeda dengan analisis korelasi. Menurut Gujarati (2009),
analisis korelasi bertujuan untuk mengukur kekuatan (strength) atau tingkatan
(degree) hubungan linier (linear association) antara dua variabel. Untuk
mengukur kekuatan hubungan linier ini digunakan koefesien korelasi.
a)
Regresi Linear Sederhana
Regresi linier mempunyai persamaan yang disebut sebagai persamaan
regresi. Persamaan regresi mengekspresikan hubungan linier antara variabel
tergantung / variabel kriteria yang diberi simbol Y dan salah satu atau lebih
variabel bebas / prediktor yang diberi simbol X jika hanya ada satu prediktor dan
X1, X2 sampai dengan Xk, jika terdapat lebih dari satu prediktor (Crammer &
Howitt, 2006)
Persamaan 2.1 Persamaan Regresi Linear
𝑌 = 𝐵𝑂 + 𝐵1 𝑋
b)
Regresi Kuadratik, Regresi kurvilinier seringkali digunakan untuk
menelaah atau memodelkan hubungan fungsi variabel terikat (Y) dan variabel
bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju
perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai - nilai X
tertentu. Kondisi fungsi tidak linier ini (kurvilinier) (Tarigan, 2011)
Persamaan 2.2 Persamaan Regresi Kuadratik
𝑌 = 𝐵𝑂 + 𝐵1 𝑋 + 𝐵22 𝑋 2
c)
Regresi tanpa intersep , Intersep adalah suatu titik perpotongan antara
suatu garis regresi dengan sumbu Y pada diagram/sumbu kartesius saat nilai
X = 0. Sedangkan definisi secara statistika adalah nilai rata-rata pada variabel
Y apabila nilai pada variabel X bernilai 0. Dengan kata lain, apabila X tidak
memberikan kontribusi, maka secara rata - rata, variabel Y akan bernilai
sebesar intersep. Intersep hanyalah suatu konstanta yang memungkinkan
munculnya koefisien lain didalam regresi. Intersep tidak selalu dapat atau
perlu untuk dinterpretasikan. Apabila data pengamatan pada variabel X tidak
mencakup 0 atau mendekati 0, maka intersep tidak memiliki makna yang
berarti, sehingga tidak perlu diinterpretasikan
Persamaan 2.3 Persamaan Regresi Tanpa Intersep
2.3
Pivot Tabel
𝑌 = 𝐵1 𝑋 + 𝐵22 𝑋 2
Pivot Tabel adalah tabel interaktif yang mampu menampilkan ringkasan
data dalam jumlah yang besar dan dalam waktu yang singkat . Pivot Tabel tidak
hanya memutar sumbu tabel, tetapi mampu melakukan kalkulasi setiap item yang
dibutuhkan menggunakan cara dan perhitungan sesuai pilihan (Kusrianto, 2007) .
Dalam melakukan perhitungan, Pivot Tabel bukan hanya melakukan
penjumlahan saja, melainkan penghitungan dengan fungsi yang lain seperti
mencari rata-rata, mencari prosentase, standard deviasi, dan lainnya. Keuntungan
lain dari Pivot Tabel diantaranya :
• Membuat beberapa macam tampilan dan laporan dari suatu sumber yang
sama.
• Memindahkan field ke berbagai lokasi dalam laporan.
• Menentukan/memilih field-field mana yang akan ditampilkan dalam suatu
laporan.
• Mengumpulkan field-field yang berisi numerik dalam beberapa cara.
• Memanfaatkan Filter untuk mengontrol nilai-nilai yang mana yang akan
ditampilkan.
• Menggali data numerik untuk menyatakan penopang data set.
• Membuat beberapa bentuk laporan lain dari sebuah Pivot Tabel yang telah
ada.
2.4
Uji Kebenaran dalam Verifikasi Data
Uji kebenaran atau uji validitas adalah tahap akhir dari pengujian data.
Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan
dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar
1986). Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel
yang diukur memang benar-benar variabel yang hendak diteliti oleh peneliti
(Cooper dan Schindler, dalam Zulganef, 2006).
Sisi lain dari pengertian validitas adalah aspek kecermatan pengukuran.
kecermatan adalah dapat mendeteksi perbedaan-perbedaan kecil yang ada pada
atribut yang diukurnya. Suatu pengukuran dapat dikatakan memiliki validitas
yang tinggi jika pengukuran tersebut menjalankan fungsi ukurnya, atau
memberikan hasil ukur yang
tepat dan akurat sesuai dengan maksud
dikenakannya pengukuran tersebut. Suatu pengukuran menghasilkan data yang
tidak relevan dengan tujuan diadakannya pengukuran dikatakan sebagai
pengukuran yang memiliki validitas rendah (BINUS, 2014) .
BAB III
METODOLOGI
3.1
Waktu dan Lokasi
Praktikum analisis data IHMB dengan spreadsheet dilaksanakan pada
Rabu, 12 April 2017 pukul 13. 00 sampai dengan 15. 30 WIB bertempat di
Gedung Labtek V Kehutanan Kampus ITB Jatinangor.
3.2
Alat dan Bahan
Alat :
Bahan :
Laptop
Software Microsoft Excel
Terminal
Modul
Praktikum
Analisis
Data
IHMB dengan Spreadsheet
3.3
Cara Kerja
3.3.1
Deksripsi Statistik
Dengan data yang sudah diberikan (terlampir pada Lampiran 1) kemudian
diolah untuk dihasilkan Tabel Deskripsi Statistik (terlampir pada Lampiran 2) .
Pertama diklik menu ‘Data’ dan dipilih ‘Data Analysis’ kemudian saat muncul
kotak dialog dipilih menu ‘Descriptive Statistics’ dan saat Define Variable
muncul lalu disetting Input Range dengan cara diblok kolom dan baris dari Blok
A sampai Blok D . Lalu diklik pada kolom ‘Labels in first row’. Output Range
diklik kolom mana saja kemudian diklik ‘Summary statistics’ lalu diklik OK .
Langkah kerja terangkum dalam Gambar 3.1 dibawah ini
Gambar 3.1 Kotak Define Variable untuk Menentukan Deskriptif Statistik
(Sumber : Data Pribadi)
3.3.2
Analisis Regresi
-
Regresi. Dengan data yang sudah diberikan (terlampir pada
Lampiran 3) kemudian diolah untuk dihasilkan ANOVA dan persamaan untuk
tinggi total. Pertama diklik menu ‘Data’ dan dipilih ‘Data Analysis’ kemudian
saat kotak dialog dipilih menu ‘Regression’ dan saat Define Variable muncul lalu
disetting Input Y Range dengan cara diblok kolom dan baris dari T_Tot dan Input
x Range dengan cara diblok kolom dan baris dari DBH . Lalu diklik pada kolom
‘Labels’ dan ‘Confidence Level 95%’ . Output Range diklik kolom mana saja
kemudian diklik ‘Residual’ dan ‘Line Fit Plots’ lalu diklik OK . Langkah kerja
terangkum dalam Gambar 3.2 dibawah ini
Gambar 3.2 Kotak Define Variable untuk Menentukan Persamaan Regresi dan Tabel
ANOVA
(Sumber : Data Pribadi)
-
Regresi Kuadratik . Sebelum diolah , pada Ms. Excel dibuat kolom
baru untuk DBH (terlampir pada Lampiran 4) kemudian diolah untuk dihasilkan
ANOVA dan persamaan untuk tinggi total. Pertama diklik menu ‘Data’ dan
dipilih ‘Data Analysis’ kemudian saat kotak dialog dipilih menu ‘Regression’ dan
saat Define Variable muncul lalu disetting Input Y Range dengan cara diblok
kolom dan baris dari T_Tot dan Input x Range dengan cara diblok kolom dan
baris dari DBH sampai DBH^2 . Lalu diklik pada kolom ‘Labels’ dan
‘Confidence Level 95%’. Output Range diklik kolom mana saja kemudian diklik
‘Residual’ dan ‘Line Fit Plots’ lalu diklik OK . Langkah kerja terangkum dalam
Gambar 3.3 dibawah ini
-
Gambar 3.3 Kotak Define Variable untuk Menentukan Persamaan Regresi Kuadratik dan
Tabel ANOVA
(Sumber : Data Pribadi)
-
Regresi tanpa intersep . Sebelum diolah , pada Ms. Excel dibuat
kolom baru untuk DBH (terlampir pada Lampiran 4) kemudian diolah untuk
dihasilkan ANOVA dan persamaan untuk tinggi total. Pertama diklik menu ‘Data’
dan dipilih ‘Data Analysis’ kemudian saat kotak dialog dipilih menu ‘Regression’
dan saat Define Variable muncul lalu disetting Input Y Range dengan cara diblok
kolom dan baris dari T_Tot dan Input x Range dengan cara diblok kolom dan
baris dari DBH sampai DBH^2 . Lalu diklik pada kolom ‘Labels’ dan ‘Constant is
Zero’. Output Range diklik kolom mana saja kemudian diklik ‘Residual’ dan
‘Line Fit Plots’ lalu diklik OK . Langkah kerja terangkum dalam Gambar 3.4
dibawah ini
Gambar 3.4 Kotak Define Variable untuk Menentukan Persamaan Regresi Kuadratik dan
Tabel ANOVA
(Sumber : Data Pribadi)
3.3.3
Data Pivot
Data yang digunakan terlampir pada Lampiran 5 . Diklik menu ‘Insert’
kemudian pilih ‘Pivot Table’ kemudian saat muncul kotak Define Variable diklik
‘Select a table or range’ lalu diblok baris dan kolom dari No Pohon sampai
Volume . Selanjutnya diklik ‘Existing Worksheet’ dan diklik kolom dimana saja
lalu diklik OK . Saat muncul ‘Pivot Table Field List’ kemudian pilihan tingkatan
didrag ke ‘Row Labels’ , kel jenis didrag ke ‘Column Labels’ dan volume di drag
ke ‘Values’. Langkah kerja dapat dilihat pada Gambar 3.5 dan 3.6 dibawah ini
Gambar 3.5 Kotak Define Variable untuk menentukan Pivot Table
(Sumber : Data Pribadi)
Gambar 3.6 Pivot Table Field List untuk Menentukan Variabel yang akan ditampilkan
(Sumber : Data Pribadi)
3.3.4
Uji Kebenaran Diameter
Dibuat kolom baru untuk menentukan selisih dan kondisi benar atau salah.
Selisih ditentukan dengan formula ‘=ABS(Diameter 2-Diameter 1)’ lalu didrag
sampai jumlah pohon yang sudah ditentukan. Kondisi benar atau salah ditentukan
dengan formula ‘=IF(Selisih
PENDAHULUAN
1.1 Latar Belakang
Istilah spreadsheet zaman dulu digunakan oleh bidang keilmuan farmasi
sebagai tools pengolah grafik . Kini istilah tersebut tidak hanya digunakan oleh
farmasi , tapi oleh pihak-pihak yang berkebutuhan untuk mengolah data dalam
jumlah yang banyak dan waktu pengerjaan yang singkat. Spreadsheet masa kini
tidak hanya menjadi tools pengolah grafik tapi juga sebagai pengolah data-data
statistika yang kompleks.
Suatu perusaahaan pasti menggunakan spreadsheet dalam keberjalanannya
karena tidak hanya digunakan dalam menghitung jumlah produksi tapi dengan
spreadsheet juga perusahaan akan mampu memprediksi kondisi perusahan
kedepannya.
Sebagai Mahasiswa Rekayasa Kehutanan, mengolah data dalam jumlah
banyak, waktu yang singkat, dan diperlukan tingkat ketelitian dan keakuratan
yang tinggi merupakan pekerjaan rutin sehingga menguasai spreadsheet
merupakan suatu keharusan untuk dipelajari dan dipraktekkan. Untuk itu
dilaksanakan praktikum analisis data IHMB dengan Spreadsheet.
1.2 Tujuan
Tujuan dari praktikum analisis data IHMB dengan Spreadsheet bertujuan
untuk :
1. Menentukan potensi volume pohon untuk setiap blok
2. Menentukan metode regresi yang tepat dalam pengukuran diameter dan
tinggi
3. Menentukan volume tegakan tiap tingkat hidup dengan kelompok jenis
4. Menentukan tingkat validitas dari uji diameter
BAB II
TINJAUAN PUSTAKA
2.1
Inventarisasi Hutan Menyeluruh Berkala (IHMB)
Inventarisasi Hutan Menyeluruh Berkala (IHMB) adalah kegiatan
pengumpulan data dan informasi tentang kondisi persediaan tegakan hutan
(timber standing stock), yang dilaksanakan secara berkala satu kali dalam
sepuluh tahun pada seluruh petak di dalam kawasan hutan produksi setiap wilayah
unit pengelolaan/manajemen (Kusumawardhani, 2010) .
Kaban (2012) berpendapat bahwa tujuan inventarisasi hutan menyeluruh
berkala antara lain:
1. Untuk mengetahui kondisi sediaan tegakan hutan (timber standing
stock) secara berkala;
2. Sebagai bahan penyusunan RKUPHHK dalam Hutan Alam dan
atau RKUPHHK dalam Hutan Tanaman atau KPH sepuluh tahunan;
3. Sebagai bahan pemantauan kecenderungan (trend) kelestarian sediaan
tegakan hutan di areal KPH dan atau IUPHHK-HA atau IUPHHK-HT .
2.2
Data Analisis
2.2.1 Deskriptif Statistik
Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna. Statistika deskriptif memberikan informasi mengenai data yang
dipunyai dan tidak menarik inferensia atau kesimpulan apapun tentang gugus
induknya yang lebih besar (Walpole, 1993).
Statistika deskriptif menjadikan kumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data
yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain
ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus
data (Siagian dan Sugiarto, 2002) .
2.2.2 ANOVA
Analisis varians (ANOVA) adalah kumpulan model statistik yang
digunakan untuk menganalisis perbedaan rata-rata antara kelompok dan prosedur
terkait
(seperti
“variasi”
antara
kelompok).
ANOVA
berguna
untuk
membandingkan tiga atau lebih kelompok atau variabel untuk signifikansi
statistik. Dalam ANOVA hanya satu hipotesis yang digunakan, yaitu hipotesis dua
arah (two tail) artinya hipotesis ini digunakan untuk mengetahui perbedaan ratarata (BINUS, 2015) .
Tujuan dari uji hipotesis dengan ANOVA yaitu :
1)
Memudahkan analisa atas beberapa kelompok sampel yang berbeda dengan
resiko kesalahan terkecil.
2)
Mengetahui signifikansi perbedaan rata-rata (μ) antara kelompok sampel
yang satu dengan yang lain.
3)
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk
berbagai bentuk percobaan yang lebih rumit.
2.2.3 Regresi
Menurut Levin & Rubin (1998), regresi adalah analisis yang digunakan
untuk menentukan sifat – sifat dan kekuatan hubungan antara dua variabel
serta memprediksi nilai dari suatu variabel yang belum diketahui dengan
didasarkan pada observasi terhadap variabel tersebut dan variabel - variabel
lainnya. Hasil dari analisis regresi adalah persamaan estimasi (estimating
equation), yaitu rumus matematika yang menghubungkan variabel - variabel
yang diketahui dengan variabel - variabel yang tidak diketahui nilainya.
Regresi berbeda dengan analisis korelasi. Menurut Gujarati (2009),
analisis korelasi bertujuan untuk mengukur kekuatan (strength) atau tingkatan
(degree) hubungan linier (linear association) antara dua variabel. Untuk
mengukur kekuatan hubungan linier ini digunakan koefesien korelasi.
a)
Regresi Linear Sederhana
Regresi linier mempunyai persamaan yang disebut sebagai persamaan
regresi. Persamaan regresi mengekspresikan hubungan linier antara variabel
tergantung / variabel kriteria yang diberi simbol Y dan salah satu atau lebih
variabel bebas / prediktor yang diberi simbol X jika hanya ada satu prediktor dan
X1, X2 sampai dengan Xk, jika terdapat lebih dari satu prediktor (Crammer &
Howitt, 2006)
Persamaan 2.1 Persamaan Regresi Linear
𝑌 = 𝐵𝑂 + 𝐵1 𝑋
b)
Regresi Kuadratik, Regresi kurvilinier seringkali digunakan untuk
menelaah atau memodelkan hubungan fungsi variabel terikat (Y) dan variabel
bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju
perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai - nilai X
tertentu. Kondisi fungsi tidak linier ini (kurvilinier) (Tarigan, 2011)
Persamaan 2.2 Persamaan Regresi Kuadratik
𝑌 = 𝐵𝑂 + 𝐵1 𝑋 + 𝐵22 𝑋 2
c)
Regresi tanpa intersep , Intersep adalah suatu titik perpotongan antara
suatu garis regresi dengan sumbu Y pada diagram/sumbu kartesius saat nilai
X = 0. Sedangkan definisi secara statistika adalah nilai rata-rata pada variabel
Y apabila nilai pada variabel X bernilai 0. Dengan kata lain, apabila X tidak
memberikan kontribusi, maka secara rata - rata, variabel Y akan bernilai
sebesar intersep. Intersep hanyalah suatu konstanta yang memungkinkan
munculnya koefisien lain didalam regresi. Intersep tidak selalu dapat atau
perlu untuk dinterpretasikan. Apabila data pengamatan pada variabel X tidak
mencakup 0 atau mendekati 0, maka intersep tidak memiliki makna yang
berarti, sehingga tidak perlu diinterpretasikan
Persamaan 2.3 Persamaan Regresi Tanpa Intersep
2.3
Pivot Tabel
𝑌 = 𝐵1 𝑋 + 𝐵22 𝑋 2
Pivot Tabel adalah tabel interaktif yang mampu menampilkan ringkasan
data dalam jumlah yang besar dan dalam waktu yang singkat . Pivot Tabel tidak
hanya memutar sumbu tabel, tetapi mampu melakukan kalkulasi setiap item yang
dibutuhkan menggunakan cara dan perhitungan sesuai pilihan (Kusrianto, 2007) .
Dalam melakukan perhitungan, Pivot Tabel bukan hanya melakukan
penjumlahan saja, melainkan penghitungan dengan fungsi yang lain seperti
mencari rata-rata, mencari prosentase, standard deviasi, dan lainnya. Keuntungan
lain dari Pivot Tabel diantaranya :
• Membuat beberapa macam tampilan dan laporan dari suatu sumber yang
sama.
• Memindahkan field ke berbagai lokasi dalam laporan.
• Menentukan/memilih field-field mana yang akan ditampilkan dalam suatu
laporan.
• Mengumpulkan field-field yang berisi numerik dalam beberapa cara.
• Memanfaatkan Filter untuk mengontrol nilai-nilai yang mana yang akan
ditampilkan.
• Menggali data numerik untuk menyatakan penopang data set.
• Membuat beberapa bentuk laporan lain dari sebuah Pivot Tabel yang telah
ada.
2.4
Uji Kebenaran dalam Verifikasi Data
Uji kebenaran atau uji validitas adalah tahap akhir dari pengujian data.
Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan
dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar
1986). Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel
yang diukur memang benar-benar variabel yang hendak diteliti oleh peneliti
(Cooper dan Schindler, dalam Zulganef, 2006).
Sisi lain dari pengertian validitas adalah aspek kecermatan pengukuran.
kecermatan adalah dapat mendeteksi perbedaan-perbedaan kecil yang ada pada
atribut yang diukurnya. Suatu pengukuran dapat dikatakan memiliki validitas
yang tinggi jika pengukuran tersebut menjalankan fungsi ukurnya, atau
memberikan hasil ukur yang
tepat dan akurat sesuai dengan maksud
dikenakannya pengukuran tersebut. Suatu pengukuran menghasilkan data yang
tidak relevan dengan tujuan diadakannya pengukuran dikatakan sebagai
pengukuran yang memiliki validitas rendah (BINUS, 2014) .
BAB III
METODOLOGI
3.1
Waktu dan Lokasi
Praktikum analisis data IHMB dengan spreadsheet dilaksanakan pada
Rabu, 12 April 2017 pukul 13. 00 sampai dengan 15. 30 WIB bertempat di
Gedung Labtek V Kehutanan Kampus ITB Jatinangor.
3.2
Alat dan Bahan
Alat :
Bahan :
Laptop
Software Microsoft Excel
Terminal
Modul
Praktikum
Analisis
Data
IHMB dengan Spreadsheet
3.3
Cara Kerja
3.3.1
Deksripsi Statistik
Dengan data yang sudah diberikan (terlampir pada Lampiran 1) kemudian
diolah untuk dihasilkan Tabel Deskripsi Statistik (terlampir pada Lampiran 2) .
Pertama diklik menu ‘Data’ dan dipilih ‘Data Analysis’ kemudian saat muncul
kotak dialog dipilih menu ‘Descriptive Statistics’ dan saat Define Variable
muncul lalu disetting Input Range dengan cara diblok kolom dan baris dari Blok
A sampai Blok D . Lalu diklik pada kolom ‘Labels in first row’. Output Range
diklik kolom mana saja kemudian diklik ‘Summary statistics’ lalu diklik OK .
Langkah kerja terangkum dalam Gambar 3.1 dibawah ini
Gambar 3.1 Kotak Define Variable untuk Menentukan Deskriptif Statistik
(Sumber : Data Pribadi)
3.3.2
Analisis Regresi
-
Regresi. Dengan data yang sudah diberikan (terlampir pada
Lampiran 3) kemudian diolah untuk dihasilkan ANOVA dan persamaan untuk
tinggi total. Pertama diklik menu ‘Data’ dan dipilih ‘Data Analysis’ kemudian
saat kotak dialog dipilih menu ‘Regression’ dan saat Define Variable muncul lalu
disetting Input Y Range dengan cara diblok kolom dan baris dari T_Tot dan Input
x Range dengan cara diblok kolom dan baris dari DBH . Lalu diklik pada kolom
‘Labels’ dan ‘Confidence Level 95%’ . Output Range diklik kolom mana saja
kemudian diklik ‘Residual’ dan ‘Line Fit Plots’ lalu diklik OK . Langkah kerja
terangkum dalam Gambar 3.2 dibawah ini
Gambar 3.2 Kotak Define Variable untuk Menentukan Persamaan Regresi dan Tabel
ANOVA
(Sumber : Data Pribadi)
-
Regresi Kuadratik . Sebelum diolah , pada Ms. Excel dibuat kolom
baru untuk DBH (terlampir pada Lampiran 4) kemudian diolah untuk dihasilkan
ANOVA dan persamaan untuk tinggi total. Pertama diklik menu ‘Data’ dan
dipilih ‘Data Analysis’ kemudian saat kotak dialog dipilih menu ‘Regression’ dan
saat Define Variable muncul lalu disetting Input Y Range dengan cara diblok
kolom dan baris dari T_Tot dan Input x Range dengan cara diblok kolom dan
baris dari DBH sampai DBH^2 . Lalu diklik pada kolom ‘Labels’ dan
‘Confidence Level 95%’. Output Range diklik kolom mana saja kemudian diklik
‘Residual’ dan ‘Line Fit Plots’ lalu diklik OK . Langkah kerja terangkum dalam
Gambar 3.3 dibawah ini
-
Gambar 3.3 Kotak Define Variable untuk Menentukan Persamaan Regresi Kuadratik dan
Tabel ANOVA
(Sumber : Data Pribadi)
-
Regresi tanpa intersep . Sebelum diolah , pada Ms. Excel dibuat
kolom baru untuk DBH (terlampir pada Lampiran 4) kemudian diolah untuk
dihasilkan ANOVA dan persamaan untuk tinggi total. Pertama diklik menu ‘Data’
dan dipilih ‘Data Analysis’ kemudian saat kotak dialog dipilih menu ‘Regression’
dan saat Define Variable muncul lalu disetting Input Y Range dengan cara diblok
kolom dan baris dari T_Tot dan Input x Range dengan cara diblok kolom dan
baris dari DBH sampai DBH^2 . Lalu diklik pada kolom ‘Labels’ dan ‘Constant is
Zero’. Output Range diklik kolom mana saja kemudian diklik ‘Residual’ dan
‘Line Fit Plots’ lalu diklik OK . Langkah kerja terangkum dalam Gambar 3.4
dibawah ini
Gambar 3.4 Kotak Define Variable untuk Menentukan Persamaan Regresi Kuadratik dan
Tabel ANOVA
(Sumber : Data Pribadi)
3.3.3
Data Pivot
Data yang digunakan terlampir pada Lampiran 5 . Diklik menu ‘Insert’
kemudian pilih ‘Pivot Table’ kemudian saat muncul kotak Define Variable diklik
‘Select a table or range’ lalu diblok baris dan kolom dari No Pohon sampai
Volume . Selanjutnya diklik ‘Existing Worksheet’ dan diklik kolom dimana saja
lalu diklik OK . Saat muncul ‘Pivot Table Field List’ kemudian pilihan tingkatan
didrag ke ‘Row Labels’ , kel jenis didrag ke ‘Column Labels’ dan volume di drag
ke ‘Values’. Langkah kerja dapat dilihat pada Gambar 3.5 dan 3.6 dibawah ini
Gambar 3.5 Kotak Define Variable untuk menentukan Pivot Table
(Sumber : Data Pribadi)
Gambar 3.6 Pivot Table Field List untuk Menentukan Variabel yang akan ditampilkan
(Sumber : Data Pribadi)
3.3.4
Uji Kebenaran Diameter
Dibuat kolom baru untuk menentukan selisih dan kondisi benar atau salah.
Selisih ditentukan dengan formula ‘=ABS(Diameter 2-Diameter 1)’ lalu didrag
sampai jumlah pohon yang sudah ditentukan. Kondisi benar atau salah ditentukan
dengan formula ‘=IF(Selisih