ANALISIS PENGARUH CURAH HUJAN, SUHU, KELEMBABAN TERHADAP KECEPATAN ANGIN DI PROVINSI JAWA BARAT Laporan Praktik Kerja Lapangan AMALIA RAMADHANI 11160940000014 PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2019 M/ 1440 H LEMBAR PENGESAHAN Judul :Analisis Pengaruh Curah Hujan, Suhu, Kelembaban terhadap Kecepatan Angin Di Provinsi Jawa Barat Kategori : Praktik Kerja Lapangan (PKL) Nama : Amalia Ramadhani Nomor Induk Mahasiswa : 11160940000014 Program Studi : Matematika Fakultas : Sains dan Teknologi Menyetujui, Pembimbing I Pembimbing II Ismi Amalia, S.Si Irma Fauziah, M.Sc NIP. 19820521 200312 2001 NIP. 19800703 201101 2 005 Mengetahui, Ketua Program Studi Matematika Dr. Nina Fitriyati, M.Kom NIP. 19760414 200604 2 001 i KATA PENGANTAR Puji beserta syukur penulis ucapkan kehadirat Allah Yang Maha Esa atas segala rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan penyusunan laporan Praktik Kerja Lapangan (PKL) dengan judul “Analisis Pengaruh Curah Hujan, Suhu, Kelembaban terhadap Kecepatan Angin Di Provinsi Jawa Barat” ini terselesaikan dengan baik. Shalawat serta salam tidak lupa penulis panjatkan kepada junjungan nabi besar Nabi Muhammad SAW beserta keluarganya, para sahabat, dan para pengikutnya. Praktik Kerja Lapangan merupakan salah satu kegiatan wajib yang harus dilaksanakan oleh mahasiswa Program studi Matematika Fakultas Sains dan Teknologi Universitas Syarif Hidayatullah Jakarta sebagai pengimplementasian teori yang sudah dipelajari dalam perkuliahan ke dalam dunia pekerjaan. Penulis menyadari bahwa laporan ini dapat terselesaikan karena adanya dukungan dan bantuan dari beberapa pihak. Pada kesempatan kali ini penulis ingin mengucapkan rasa terimakasih kepada : 1. Ibu Dr. Nina Fitriyati, M.Kom, selaku Ketua Program Studi Matematika Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta. 2. Ibu Ismi Amalia, S.Si, selaku pembimbing I yang telah memberikan arahan dan saran yang sangat membantu dalam menyelesaikan laporan. 3. Ibu Irma Fauziah, M.Sc, selaku pembimbing II yang telah menyempatkan dirinya untuk membimbing penulis selama tahap penyelesaian laporan ini. 4. Bapak Anton Daud, S.Si selaku Kepala Bagian Tata Usaha, Bapak Sutiyono selaku Kepala Bidang Data dan Informasi, dan Bapak Fitri Afriadi, ST, MT Kepala Sub Bidang Manajemen Data telah menerima ii penulis beserta teman dengan sangat ramah untuk berkesempatan melaksanakan PKL di BBMKG wilayah II Tangerang Selatan dan telah membantu penulis sebelum dan selama PKL. 5. Pak Abdul Gani, Bu Aslimah, Bu Ratna, Bu Indri, dan seluruh tim Manajemen Data serta seluruh staff BBMKG Wilayah II Ciputat yang senantiasa membantu penulis selama pelaksanaan PKL. 6. Dian, Okma selaku teman seperjuangan selama PKL, dan sahabatku yang bernama Yuyun Kumala yang telah memberikan semangat dalam penulisan laporan. 7. Kedua orang tua penulis yang tidak pernah lupa mendoakan penulis, memberikan kasih sayang, semangat, serta dukungan moril maupun materi sehingga penulis bisa sampai pada tahap ini dan menyelesaikan laporan PKL ini. 8. Kedua adik penulis yang selalu memotivasi penulis. 9. Seluruh teman Matematika 2016, yang tidak dapat disebutkan satu – persatu. 10. Seluruh pihak yang telah membantu penulis dalam menyelesaikan laporan PKL ini yang tidak dapat disebutkan satu-persatu. Penulis menyadari bahwa dalam penyusunan laporan ini masih terdapat banyak kekurangan. Penulis mengharapkan kritik dan saran yang membangun dari pembaca untuk perbaikan di masa yang akan datang. Terakhir, semoga laporan ini bermanfaat. Jakarta, Januari 2018 Penulis iii DAFTAR ISI LEMBAR PENGESAHAN.................................................................................... i KATA PENGANTAR............................................................................................ii DAFTAR ISI..........................................................................................................iv DAFTAR TABEL................................................................................................. vi BAB I PENDAHULUAN......................................................................................1 1.1 Latar Belakang......................................................................................1 1.2 Perumusan Masalah..............................................................................2 1.3 Pembatasan Masalah............................................................................ 2 1.4 Tujuan Penulisan.................................................................................. 2 BAB II PROFIL INSTANSI................................................................................. 3 2.1 Sejarah Umum...................................................................................... 3 2.2 Visi dan Misi........................................................................................ 6 2.2.1 Visi.............................................................................................. 6 2.2.2 Misi..............................................................................................7 2.3 Tugas dan Fungsi..................................................................................8 2.4 Wilayah Koordinasi............................................................................10 2.5 Struktur Organisasi.............................................................................12 BAB III TINJAUAN PUSTAKA........................................................................ 17 3.1 Curah Hujan...................................................................................... 17 3.1.1 Definisi Curah Hujan............................................................... 17 3.1.2 Jenis-Jenis Hujan......................................................................17 3.2 Suhu Udara........................................................................................18 3.3 Kelembaban Udara............................................................................19 3.4 Kecepatan Angin..............................................................................19 3.5 Regresi Data Panel........................................................................... 20 3.6 Model Regresi Data Panel.................................................................20 3.7 Metode Regresi Data Panel...............................................................22 3.8 Pemilihan Model............................................................................... 23 iv 3.9 Uji Asumsi Klasik Untuk Data Panel............................................... 24 3.10 Uji Statistik..................................................................................... 24 BAB IV METODOLOGI PENELITIAN.......................................................... 27 4.1 Tempat dan Waktu Penelitian........................................................... 27 4.2 Pengumpulan Data............................................................................ 27 4.3 Variabel Yang Digunakan.................................................................27 4.4 Metode Analisis Data........................................................................28 4.4.1 Pemilihan Metode Estimasi Data Panel................................... 28 4.4.2 Pemilihan Metode.................................................................... 29 4.4.3 Uji Asumsi Klasik Data Panel................................................. 29 4.4.4 Pengujian Hipotesis.................................................................30 4.4.5 Interpretasi Hasil...................................................................... 30 BAB V HASIL DAN PEMBAHASAN............................................................... 32 5.1 Hasil dan Analisis Data...................................................................... 32 5.1.1 Pemilihan Model Regresi.......................................................... 32 5.1.2 Uji Asumsi Klasik Data Panel...................................................34 5.1.3 Model Regresi Panel Fixed Effect.............................................35 5.1.4 Pengujian Hipotesis................................................................... 36 5.2 Analisis Kecepatan Angin.................................................................. 37 5.2.1 Koefisien Stasiun.......................................................................38 5.3 Interpretasi Hasil.............................................................................. 39 BAB VI PENUTUP.............................................................................................. 40 6.1 Kesimpulan...................................................................................... 40 6.2 Saran..................................................................................................40 DAFTAR PUSTAKA...........................................................................................41 LAMPIRAN..........................................................................................................42 v DAFTAR TABEL Tabel 2.4 Unit Pelaksana Teknis yang Dikoordinasi oleh BBMKG Wilayah II............... 10 Tabel 2.5 Struktur Organisasi BBMKG Wilayah II.......................................................... 14 Tabel 5.1 Common Effect Model...................................................................................... 32 Tabel 5.2 Fixed Effect Model............................................................................................ 33 Tabel 5.3 Random Effect Model........................................................................................33 Tabel 5.4 Uji Chow............................................................................................................33 Tabel 5.5 Uji Hausman...................................................................................................... 34 Tabel 5.6 Uji Multikolinearitas..........................................................................................35 Tabel 5.7 Uji Heteroskedasitas.......................................................................................... 35 Tabel 5.8 Hasil Pengujian Fixed Effect............................................................................. 35 vi vii BAB I PENDAHULUAN 1.1 Latar Belakang Pada provinsi Jawa Barat secara geografis terletak di antara 5º50'- 7º50' Lintang Selatan dan 104º 48'- 108º 48' Bujur Timur, dengan luas wilayah daratan 3.710.061,32 hektar. Menurut Data dan Informasi (Datin) Stasiun Geofisika Bandung pada 21 September 2018, menyatakan peringatan dini untuk mewaspadai potensi hujan yang dapat disertai kilat petir dan angin kencang pada siang hingga menjelang malam hari. Prakiraan cuaca untuk wilayah Jawa Barat berpotensi hujan ringan hingga lebat di sebagian wilayah besar Jawa Barat. Untuk suhu udara di sebagian wilayah besar Jawa Barat berkisar antara 19 - 340C dengan kelembaban udara 50 – 95%. Untuk kecepatan angin sendiri secara umum bertiup dari arah Timur Laut hingga Tenggara dengan kecepatan 5 -30 km/jam. Kecepatan angin dipengaruhi oleh beberapa hal, diantaranya letak tempat dimana kecepatan angin di dekat khatulistiwa lebih cepat dari yang jauh dari garis khatulistiwa. Semakin tinggi tempat, semakin kencang pula angin yang bertiup, hal ini disebabkan oleh pengaruh gaya gesekan yang menghambat laju udara. Di permukaan bumi, gunung, pohon, dan topografi yang tidak rata lainnya memberikan gaya gesekan yang besar. Semakin tinggi suatu tempat, gaya gesekan ini semakin kecil. Alat untuk mengukur kecepatan angin dan untuk mengukur arah angin adalah anemometer [1] . Potensi kecepatan angin yang tinggi dapat menimbulkan bencana alam seperti angin puting beliung. Hal ini perlu untuk diantisipasi, salah satunya dengan ketersediaan informasi yang akurat dalam memperkirakan cuaca dan iklim. Dalam hal tersebut, penulis tertarik dalam melihat pengaruh curah hujan, suhu, dan kelembaban terhadap kecepatan angin di Provinsi Jawa Barat dari bulan Desember 2012 – bulan November 2017 menggunakaan metode regresi data panel. Adapun data yang diambil adalah curah hujan, suhu, kelembaban dan kecepatan 1 angin yang berasal dari kantor Balai Besar Meteorologi Klimatologi dan Geofisika (BBMKG) Wilayah II Tangerang Selatan. 1.2 Perumusan Masalah Berdasarkan latar belakang yang telah diuraikan di atas, maka dapat diambil rumusan masalah sebagai berikut : 1. Bagaimana pengaruh curah hujan terhadap kecepatan angin di Provinsi Jawa Barat bulan Desember 2012 - bulan November 2017? 2. Bagaimana pengaruh suhu terhadap kecepatan angin di Provinsi Jawa Barat bulan Desember 2012 - bulan November 2017? 3. Bagaimana pengaruh kelembaban terhadap kecepatan angin di Provinsi Jawa Barat bulan Desember 2012 - bulan November 2017? 1.3 Pembatasan Masalah Dalam penulisan laporan ini, penulis memberikan pembatasan masalah sebagai berikut : 1. Data yang digunakan adalah data yang memuat time series dan data cross section (data panel). 2. Data yang digunakan diperoleh dari Pusat Data dan Informasi Balai Besar Meteorologi dan Geofisika Wilayah II . 3. Data yang digunakan pada penelitian ini adalah data curah hujan , suhu, kelembaban, kecepatan angin pada bulan Desember 2012 - bulan November 2017 di Provinsi Jawa Barat. 4. Model regresi yang dipakai adalah regresi data panel. 1.4 Tujuan Penulisan Tujuan dari laporan ini adalah : 1. Untuk menganalisis pengaruh curah hujan terhadap kecepatan angin. 2. Untuk menganalisis pengaruh suhu terhadap kecepatan angin. 3. Untuk menganalisis pengaruh kelembaban terhadap kecepatan angin. 2 BAB II PROFIL INSTANSI 2.1 Sejarah Umum Sejarah pengamatan Meteorologi dan Geofisika di Indonesia dimulai pada tahun 1841 diawali dengan pengamatan yang dilakukan secara perorangan oleh Dr. Onnen, Kepala Rumah Sakit di Bogor. Tahun demi tahun kegiatannya berkembang sesuai dengan semakin diperlukannya data hasil pengamatan cuaca dan geofisika. Pada tahun 1866, kegiatan pengamatan perorangan tersebut oleh Pemerintah Hindia Belanda diresmikan menjadi instansi pemerintah dengan nama Magnetisch en Meteorologisch Observatorium atau Observatorium Magnetik dan Meteorologi dipimpin oleh Dr. Bergsma. Pada tahun 1965, namanya diubah menjadi Direktorat Meteorologi dan Geofisika, kedudukannya tetap di bawah Departemen Perhubungan Udara. Pada tahun 1972, Direktorat Meteorologi dan Geofisika diganti namanya menjadi Pusat Meteorologi dan Geofisika, suatu instansi setingkat eselon II dibawah Departemen Perhubungan, dan pada tahun 1980 statusnya dinaikkan menjadi suatu instansi setingkat eselon I dengan nama Badan Meteorologi dan Geofisika, dengan kedudukan tetap berada di bawah Departemen Perhubungan.Pada tahun 2002, dengan keputusan Presiden RI Nomor 46 dan 48 tahun 2002, struktur organisasinya diubah menjadi Lembaga Pemerintah Non Departemen (LPND) dengan nama tetap Badan Meteorologi dan Geofisika. Terakhir, melalui Peraturan Presiden Nomor 61 Tahun 2008, Badan Meteorologi dan Geofisika berganti nama menjadi Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dengan status tetap sebagai Lembaga Pemerintah Non Departemen. Pada tanggal 1 Oktober 2009 Undang-Undang Republik Indonesia Nomor 31 Tahun 2009 tentang Meteorologi, Klimatologi dan Geofisika disahkan oleh Presiden Republik Indonesia, Susilo Bambang Yudhoyono. Kantor Balai Besar Meteorologi Klimatologi dan Geofisika (BBMKG) Wilayah II berdiri pada tahun 1980 dengan nama Balai Besar Meteorologi dan 3 Geofisika (BBMG) Wilayah II Jakarta. Awalnya BBMG Wilayah II berlokasi di Jl. Arief Rahman Hakim No. 3 Jakarta Pusat bergabung dengan kantor BMG pusat sebagai tempat kegiatan operasionalnya. BBMG Wilayah II Jakarta berdiri berdasarkan Keputusan Menteri Perhubungan No.KM56/OT/PBH/1978 tahun 1978 tentang susunan organisasi dan tata kerja Balai Meteorologi dan Geofisika Wilayah, Stasiun Meteorologi, Klimatologi dan Geofisika. Pada bulan April tahun 1984 kantor BBMKG Wilayah II pindah ke Jl. Kp. Bulak Raya No. 5 Cempaka Putih (sekarang Jl. H. Abdul Gani No. 5 Ciputat, Tangerang Selatan, Provinsi Banten, Indonesia 15411). Dengan berpindahnya lokasi maka kegiatan BBMKG Wilayah II mulai berfungsi sebagai Pembina stasiun. BBMKG wilayah II secara koordinatif mencakup wilayah 11 (sebelas) provinsi, yaitu: DKI Jakarta, Banten, DI Yogyakarta, Jawa Tengah, Jawa Barat, Lampung, Bengkulu, Sumatera Selatan, Jambi, Bangka Belitung, dan Kalimantan Barat yang terdiri dari stasiun Meteorologi, Klimatologi, maupun Geofisika. Untuk mendapat data yang valid dan real time, BBMKG Wilayah II didukung oleh 42 (empat puluh dua) stasiun yang terdiri atas : 1 Kantor setingkat eselon II, yakni kantor Balai Wilayah, sebanyak 14 kantor stasiun klas I (eselon III-a), 6 kantor stasiun klas II (eselon III-b), 18 kantor stasiun klas III (eselon IV-a), dan 4 kantor stasiun klas IV (eselon IV-b). BBMKG Wilayah II telah mengalami perubahan baik struktural maupun operasional, diantaranya: 1. Keputusan Menteri Perhubungan No. KM56/OT/PBH/1978 tahun 1978 tentang susunan organisasi dan tata kerja Balai Meteorologi dan Geofisika Wilayah, Stasiun Meteorologi, Klimatologi dan Geofisika, dimana pada satu pasal menyebutkan bahwa kantor Balai Meteorologi dan Geofisika Wilayah dipimpin oleh seorang Kepala Balai (eselon III-a), dua orang eselon IV-a (Kasubag Tata Usaha dan Kepala Seksi Bina Program) dan tujuh orang eselon V-a (Karus Umum, Karus Kepegawaian, Karus Keuangan, Kasubsie Meteorologi, Kasubsie Klimatologi, Kasubsie Geofisika, dan Kasubsie 4 Komunikasi dan peralatan) serta tiga kepala kelompok tenaga pengolah data (Meteorologi, Klimatologi, dan Geofisika). 2. Berdasarkan KM 80 Tahun 2002 tanggal 2 Oktober 2002 tentang organisasi dan tata kerja Balai Meteorologi dan Geofisika wilayah, Stasiun Meteorologi, Klimatologi dan Geofisika, dimana kantor Balai Wilayah II dipimpin oleh seorang Kepala Balai (eselon III-a), tiga eselon IV-a (Kasubag Tata Usaha, Kasie Operasional, dan Kasie Rencana dan Program) serta kelompok jabatan fungsional. 3. Berdasarkan SK. Ka. BMG No. 005 Tahun 2004 tanggal 5 Oktober 2004 tentang organisasi dan tata kerja Balai Meteorologi dan Geofisika wilayah, Stasiun Meteorologi, Klimatologi dan Geofisika dengan susunan organisasi sebagai berikut: Dipimpin oleh seorang Kepala Balai (eselon II-b), tiga orang eselon III-a (Kabag TU, Kabid Observasi, dan Kabid Data dan Informasi) serta enam orang eselon IV-a (Kasubag Keuangan dan Perlengkapan, Kasubag Kepegawaia dan Persuratan, Kasubid Pengumpulan dan Penyebaran, Kasubid Instrumentasi dan Kalibrasi, Kasubid Manajemen Data dan Kasubid Pelayanan Jasa). 4. Berdasarkan SK. Ka. BMG No. 007 Tahun 2006 tanggal 5 Januari 2006 tentang perubahan SK. Ka. BMG No. 005 Tahun 2004 tanggal 5 Oktober 2004, tentang organisasi dan tata kerja Balai Meteorologi dan Geofisika wilayah, Stasiun Meteorologi, Klimatologi dan Geofisika. Masa kepemimpinan: 1. Kabal kesatu Bapak Soedjono periode 1981 – 1987 2. Kabal kedua Bapak Sandjoto periode 1987 – 1991 3. Kabal ketiga Bapak M. Ilyas Martowidjoyo periode 1991 – 1993 4. Kabal keempat Bapak Soekamso periode 1993 – 1996 5. Kabal kelima Bapak Drs. S. Budiman periode 1996 – 2000 6. Kabal keenam Bapak Drs. T. Mulyono periode 2000 – 2004 7. Kabal ketujuh Bapak Soepriyo. Dipl AIT, SSi periode 2004 – 2005 8. Kabal kedelapan Ibu Dra. Rosliany periode 2005 – 2007 5 9. Kabal kesembilan Bapak Drs.Suhardjono, Dipl. Seis periode 2007 – 2009 10. Kabal kesepuluh Bapak I Wayan Suardana, SE, MM periode 2009 – 2011 11. Kabal kesebelas Bapak Drs.Soebardjo,Dipl.Seis Periode 2011 – 2013 12. Kabal keduabelas Bapak Joko Siswanto, S.Si Periode 2013 – sekarang 2.2 Visi dan Misi Dalam rangka mendukung dan mengemban tugas pokok dan fungsi serta memperhatikan kewenangan BMKG agar lebih efektif dan efisien, maka diperlukan aparatur yang profesional, bertanggung jawab dan berwibawa serta bebas dari Korupsi, Kolusi, dan Nepotisme (KKN), disamping itu harus dapat menjunjung tinggi kedisiplinan, kejujuran dan kebenaran guna ikut serta memberikan pelayanan informasi yang cepat, tepat dan akurat. Oleh karena itu kebijakan yang akan dilakukan BMKG Tahun 2010-2014 adalah mengacu pada Visi, Misi, dan Tujuan BMKG yang telah ditetapkan. 2.2.1 Visi Mewujudkan BMKG yang handal, tanggap dan mampu dalam rangka mendukung keselamatan masyarakat serta keberhasilan pembangunan nasional, dan berperan aktif di tingkat Internasional. Terminologi di dalam visi tersebut dapat dijelaskan sebagai berikut : a. Pelayanan informasi meteorologi, klimatologi, kualitas udara, dan geofisika yang handal ialah pelayanan BMKG terhadap penyajian data, informasi pelayanan jasa meteorologi, klimatologi, kualitas udara, dan geofisika yang akurat, tepat sasaran, tepat guna, cepat, lengkap, dan dapat dipertanggungjawabkan b. Tanggap dan mampu dimaksudkan BMKG dapat menangkap dan merumuskan kebutuhan stakeholder akan data, informasi, dan jasa meteorologi, klimatologi, kualitas udara, dan geofisika serta mampu memberikan pelayanan sesuai dengan kebutuhan pengguna jasa; 6 2.2.2 Misi Dalam rangka mewujudkan Visi BMKG, maka diperlukan visi yang jelas yaitu berupa langkah-langkah BMKG untuk mewujudkan Misi yang telah ditetapkan yaitu : 1. Mengamati dan memahami fenomena meteorologi, klimatologi, kualitas udara dan geofisika. 2. Menyediakan data, informasi dan jasa meteorologi, klimatologi, kualitas udara dan geofisika yang handal dan terpercaya. 3. Mengkoordinasikan dan memfasilitasi kegiatan di bidang meteorologi, klimatologi , kualitas udara dan geofisika. 4. Berpartisipasi aktif dalam kegiatan internasional di Bidang meteorologi, klimatologi , kualitas udara dan geofisika. Secara lebih rinci, maksud dari pernyataan misi di atas adalah sebagai berikut : a. Mengamati dan memahami fenomena meteorologi, klimatologi, kualitas udara, dan geofisika artinya BMKG melaksanakan operasional pengamatan dan pengumpulan data secara teratur, lengkap dan akurat guna dipakai untuk mengenali dan memahami karakteristik unsur-unsur meteorologi, klimatologi, kualitas udara, dan geofisika guna membuat prakiraan dan informasi yang akurat; b. Menyediakan data, informasi dan jasa meteorologi, klimatologi, kualitas udara, dan geofisika kepada para pengguna sesuai dengan kebutuhan dan keinginan mereka dengan tingkat akurasi tinggi dan tepat waktu; c. Mengkoordinasi dan Memfasilitasi kegiatan sesuai dengan kewenangan BMKG, maka BMKG wajib mengawasi pelaksanaan operasional, memberi pedoman teknis, serta berwenang untuk mengkalibrasi peralatan meteorologi, klimatologi, kualitas udara, dan geofisika sesuai dengan peraturan yang berlaku d. Berpartisipasi aktif dalam kegiatan internasional artinya BMKG dalam melaksanakan kegiatan secara operasional selalu mengacu pada ketentuan 7 internasional mengingat bahwa fenomena meteorologi, klimatologi, kualitas udara, dan geofisika tidak terbatas dan tidak terkait pada batas batas wilayah suatu negara manapun. 2.3 Tugas dan Fungsi BMKG mempunyai status sebuah Lembaga Pemerintah Non Departemen (LPND), dipimpin oleh seorang Kepala Badan. BMKG mempunyai tugas : melaksanakan tugas pemerintahan di bidang Meteorologi, Klimatologi, Kualitas Udara dan Geofisika sesuai dengan ketentuan perundang-undangan yang berlaku. Dalam melaksanakan tugas sebagaimana dimaksud diatas, Badan Meteorologi Klimatologi dan Geofisika menyelenggarakan fungsi : 1. Perumusan kebijakan nasional dan kebijakan umum di bidang meteorologi, klimatologi, dan geofisika; 2. Perumusan kebijakan teknis di bidang meteorologi, klimatologi, dan geofisika; 3. Koordinasi kebijakan, perencanaan dan program di bidang meteorologi, klimatologi, dan geofisika; 4. Pelaksanaan, pembinaan dan pengendalian observasi, dan pengolahan data dan informasi di bidang meteorologi, klimatologi, dan geofisika; 5. Pelayanan data dan informasi di bidang meteorologi, klimatologi, dan geofisika; 6. Penyampaian informasi kepada instansi dan pihak terkait serta masyarakat berkenaan dengan perubahan iklim; 7. Penyampaian informasi dan peringatan dini kepada instansi dan pihak terkait serta masyarakat berkenaan dengan bencana karena factor meteorologi, klimatologi, dan geofisika; 8 8. Pelaksanaan kerja sama internasional di bidang meteorologi, klimatologi, dan geofisika; 9. Pelaksanaan penelitian, pengkajian, dan pengembangan di bidang meteorologi, klimatologi, dan geofisika; 10. Pelaksanaan, pembinaan, dan pengendalian instrumentasi, kalibrasi, dan jaringan komunikasi di bidang meteorologi, klimatologi, dan geofisika; 11. Koordinasi dan kerja sama instrumentasi, kalibrasi, dan jaringan komunikasi di bidang meteorologi, klimatologi, dan geofisika; 12. Pelaksanaan pendidikan dan pelatihan keahlian dan manajemen pemerintahan di bidang meteorologi, klimatologi, dan geofisika; 13. Pelaksanaan pendidikan profesional di bidang meteorologi, klimatologi, dan geofisika; 14. Pelaksanaan manajemen data di bidang meteorologi, klimatologi, dan geofisika; 15. Pembinaan dan koordinasi pelaksanaan tugas administrasi di lingkungan BMKG; 16. Pengelolaan barang milik/kekayaan negara yang menjadi tanggung jawab BMKG; 17. Pengawasan atas pelaksanaan tugas di lingkungan BMKG; 18. Penyampaian laporan, saran, dan pertimbangan di bidang meteorologi, klimatologi, dan geofisika. Dalam melaksanakan tugas dan fungsinya BMKG dikoordinasikan oleh Menteri yang bertanggung jawab di bidang perhubungan. 9 2.4 Wilayah Koordinasi Berdasarkan keputusan Kepala Badan Meteorologi dan Geofisika Nomor: KEP. 005 Tahun 2004, wilayah kerja Balai Besar Meteorologi dan Geofisika Wilayah II meliputi : Provinsi Banten, DKI Jakarta, Jawa Barat, Jawa Tengah, DIY Yogyakarta, Kalimantan Barat, Bengkulu, Jambi, Sumatera Selatan, Bangka Belitung, dan Lampung. Untuk lebih detailnya, dapat dilihat pada Tabel 2.4. Kegiatan yang dikoordinasikan adalah pengamatan, pengumpulan dan penyebaran data, pengolahan, analisis, dan prakiraan serta riset dan kerjasama di bidang Meteorologi, Klimatologi, dan Geofisika. Balai Besar Meteorologi Klimatologi dan Geofisika Wilayah II sebagai Regional Sub Collecting Center, berdasarkan peraturan Kepala Bidang Meteorologi dan Geofisika Nomor: 007 / PKBMG.01 / 2006 tentang Perubahan atas Keputusan Kepala Badan Meteorologi dan Geofisika Nomor: KEP.005 Tahun 2004 tentang Organisasi dan Tata Kerja Balai Besar Meteorologi dan Geofisika, Stasiun Meteorologi, Stasiun Klimatologi dan Stasiun Geofisika, maka Balai Besar Meteorologi Wilayah II ditetapkan sebagai RSC II yang meliputi Provinsi Banten, DKI Jakarta, Jawa Barat, Bengkulu, Jambi, Sumatera Selatan, Bangka Belitung, Lampung, DI Yogyakarta, Jawa Tengah, Kalimantan Barat. Tabel 2.4 Unit Pelaksana Teknis yang Dikoordinasi oleh BBMKGW II PROVINSI BANTEN STASIUN 1. Stasiun Meteorologi Serang 2. Stasiun Meteorologi Budiarto 3. Stasiun Meteorologi Soekarno Hatta 4. Stasiun Klimatologi Tangerang Selatan 5. Stasiun Geofisika Tangerang JAWA BARAT 1. Stasiun Meteorologi Citeko 2. Stasiun Meteorologi Jatiwangi 10 3. Stasiun Klimatologi Bogor 4. Stasiun Geofisika Bandung DKI JAKARTA 1. Stasiun Meteorologi Maritim Tanjung Priok 2. Stasiun Meteorologi Kemayoran Jakarta JAWA 1. Stasiun Meteorologi A. Yani Semarang TENGAH 2. Stasiun Meteorologi Maritim Tanjung Mas 3. Stasiun Meteorologi Tegal 4. Stasiun Meteorologi Cilacap 5. Stasiun Klimatologi Semarang 6. Stasiun Geofisika Banjarnegara D.I. 1. Stasiun Geofisika Yogyakarta YOGYAKARTA LAMPUNG 1. Stasiun Meteorologi Raden Inten Bandar Lampung 2. Stasiun Klimatologi Pesawaran 3. Stasiun Maritim Lampung 4. Stasiun Geofisika Kotabumi SUMATERA 1. Stasiun Meteorologi SMB II Palembang SELATAN 2. Stasiun Klimatologi Palembang BANGKA 1. Stasiun Meteorologi Depati Amir BELITUNG 2. Stasiun Meteorologi H. Asan Hananjoedin 3. Stasiun Geofisika Pilang Tanjung Pandan 4. Staklim Koba, Bangka Tengah JAMBI 1. Stasiun Meteorologi St. Thaha Jambi 2. Stasiun Meteorologi Depati Parbo Kerinci 3. Stasiun Klimatologi Muaro Jambi KALIMANTAN 1. Stasiun Meteorologi Supadio Pontianak BARAT 2. Stasiun Meteorologi Nanga Pinoh 3. Stasiun Meteorologi Susilo Sintang 11 4. Stasiun Meteorologi Rahadi Usman Ketapang 5. Stasiun Meteorologi Paloh 6. Stasiun Meteorologi Pangsuma 7. Stasiun Klimatologi Mempawah 8. Stasiun Meteorologi Maritim Pontianak BENGKULU 1. Stasiun Klimatologi Bengkulu 2. Stasiun Meteorologi Fatmawati Bengkulu 3. Stasiun Geofisika Kepahiang 2.5 Struktur Organisasi Berdasarkan keputusan kepala Balai Nomor : KEP.005 tahun 2004, Struktur Organisasi Balai Besar Badan Meteorologi dan Geofisika Wilayah II dapat dilihat pada gambar 2.5. Kemudian berdasarkan keputusan kepala Balai Nomor : KEP.003 tahun 2008, bidang data dan informasi sektor subbidang manajemen data dibagi lagi menjadi kelompok kerja (pokja) archiving dan kelompok kerja (pokja) TEWS. 12 Gambar 2.5 Struktur Organisasi BMKGW II Kep. 005 Tahun 2004 Keterangan: 1. BBMKG Wilayah II bertanggung jawab kepada BMKG pusat 2. BBMKG Wilayah II terdiri dari empat bidang, antara lain Bagian Tata Usaha, Bidang Observasi, Bidang Data dan Informasi, dan Kelompok Jabatan Fungsional. 3. Bagian Tata Usaha terdiri dari Subbagian Keuangan dan Perlengkapan, dan Subbagian Persuratan dan Kepegawaian. Masing-masing subbagian bertanggung jawab kepada bagian Tata Usaha. 4. Bidang Observasi terdiri dari Subbidang Pengumpulan dan Penyebaran, dan Subbidang Instrumentasi dan Kalibrasi. Masing-masing subbidang bertanggung jawabkepada Bagian Observasi. 13 5. Bidang Data dan Informasi terdiri dari Subbidang Manajemen Data dan Subbidang Peelayanan Jasa. Masing-masing subbidang bertanggung jawab kepada Bagian Data Data dan Informasi. 6. Kelompok Jabatan Fungsional bertanggung jawab kepada kepala BBMKG Wilayah II Tabel 2.5 Struktur Organisasi BBMKG Wilayah II No Nama 1 Jabatan Foto JOKO SISWANTO, Kepala Balai Besar Meteorologi S.Sos Klimatologi dan Geofisika Wil. II - Tangerang Selatan 2 ARIFFUDIN, ST Kepala Bidang Observasi Balai Besar Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 3 ANTON DAUD, S.Si Kepala Bagian Tata Usaha Balai Besar Meteorologi Klimatologi dan Geofisika Tangerang Selatan 14 Wil. II - 4 SUTIYONO, S.Si Kepala Bidang Informasi Meteorologi Data Balai dan Besar Klimatologi dan Geofisika Wil. II - Tangerang Selatan 5 DARMAN Kepala Sub Bidang Pelayanan MARDANIS, SE Jasa Balai Besar M&G Balai Besar Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 6 SUPRIYADI Kepala Sub Bagian Persuratan dan Kepegawaian Balai Besar Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 7 FITRI AFIADI, ST, Kepala Sub Bidang Manajemen MT Data Balai Besar Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 8 MEINI IRIANTI Kepala Sub Bagian Keuangan dan Perlengkapan Balai Besar Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 15 9 NUGRAHA Kepala PRIYALAKSMANA Instrumentasi Balai Sub Bidang dan Besar Kalibrasi Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 10 SUPRIYATNO, S.Si Kepala Sub Bidang Pengumpulan dan Penyebaran Balai Besar Meteorologi Klimatologi dan Geofisika Wil. II - Tangerang Selatan 16 BAB III TINJAUAN PUSTAKA 3.1 Curah Hujan 3.1.1 Definisi Curah Hujan Curah hujan adalah banyaknya air yang jatuh ke permukaan bumi. Derajat curah hujan dinyatakan dengan jumlah curah hujan dalam suatu satuan waktu. Biasanya satuan yang digunakan adalah mm/jam. Dalam meteorologi, butiran hujan dengan diameter lebih dari 0.5 mm disebut hujan dan diameter antara 0.5 – 0.1 mm disebut gerimis. Semakin besar ukuran butiran hujan maka semakin besar pula kecepatan jatuhnya. Ketelitian alat ukur curah hujan adalah 1/10 mm. Pembacaan dilakukan satu kali dalam sehari dan dicatat sebagai curah hujan hari terdahulu/kemarin [2] . Alat untuk pengukur curah hujan adalah pias hellman. Curah hujan merupakan unsur yang sangat penting bagi kehidupan di bumi. Jumlah curah hujan dicatat dalam inci (milimeter). Jumlah curah hujan 1 mm yaitu menunjukkan tinggi air hujan yang menutupi permukaan 1 meter,jika air tersebut tidak meresap ke dalam tanah dan menguap di atmosfer. 3.1.2 Jenis-Jenis Hujan Menurut [3] jenis-jenis hujan dibedakan berdasarkan proses terciptanya dan ukuran butirannya : Berdasarkan proses terciptanya, hujan dikelompokkan menjadi lima, yaitu : a. Hujan Siklonal, yaitu hujan yang terjadi karena udara panas, suhu lingkungan yang tinggi, dan disertai oleh angin yang berputar-putar. Biasanya terjadi didaerah garis khayal khatulistiwa. b. Hujan Orografis, yaitu hujan yang terjadi karena adanya angin yang mengandung uap air yang bergerak secara horizontal. Angin tersebut melewati pegunungan sehingga suhu angin menjadi dingin dan terjadi proses kondensasi. Akibatnya terjadi hujan disekitar pegunungan. 17 c. Hujan Frontal, yaitu hujan yang terjadi karena bertemunya antara udara dingin dan suhu rendah dengan udara panas dan suhu tinggi. d. Hujan Muson, yaitu hujan yang terjadi karena pergerakan semu tahunan matahari dengan garis balik utara dan garis balik selatan. e. Hujan Zenithal (Hujan Konveksi), yaitu hujan yang terjadi karena adanya pertemuan angin pasat timur laut dengan angin pasat tenggara, sehingga membentuk gumpalan-gumpalan awan yang naik secara vertikal. Awan mengalami proses kondensasi karena penurunan suhu sehingga awan mencapai titik jenuh dan turunlah hujan. Berdasarkan ukuran butirannya, hujan dikelompokkan menjadi empat, yaitu : a. b. Hujan Gerimis, biasanya disebut dengan dizzle yang memiliki diameter th mm. Hujan Salju, hujan yang terbuat dari kristal es dengan ukuran beragam dimana suhunya c. t . Hujan Batu Es, biasanya terjadi ketika suhu tinggi dan cuaca panas, namun batu es tetap bersuhu d. t Hujan Deras, hujan yang biasa terjadi dengan suhu diameter kurang lebih 7 mm. tt dan memiliki Berdasarkan curahnya, hujan dikelompokkan menjadi tiga, yaitu : a. Hujan Rendah memiliki curah hujan 150-200 mm/bulan. b. Hujan Sedang memiliki curah hujan 200-250 mm/bulan. c. Hujan Tinggi memiliki curah hujan 250-300 mm/bulan. 3.2 Suhu Udara Suhu udara adalah keadaan panas atau dinginnya udara.Suhu juga disebut temperatur yang diukur dengan alat termometer. Beberapa faktor yang mempengaruhi suhu udara diantaranya tinggi tempat, daratan/lautan, radiasi matahari, indeks datang matahari, dan angin. Pengukuran biasa dinyatakan dalam 18 skala Celsius (C), Reamur (R), dan Fahrenheit (F). Suhu udara tertinggi di permukaan bumi adalah di daerah tropis (sekitar ekuator) dan makin ke kutub makin dingin [3]. 3.3 Kelembaban Udara Kelembaban adalah perbandingan antara massa uap dalam suatu satuan volume dengan massa uap yang jenuh dalam satuan volume itu pada suhu yang sama. Secara umum kelembaban menyatakan banyaknya kadar air yang ada di udara. Banyaknya uap yang bergerak di dalam atmosfer berpengaruh terhadap besarnya hujan, lamanya hujan, dan intensitas curah hujan. Kelembaban tertinggi umumnya terjadi pada musim penghujan dan paling rendah pada musim kemarau.Umumnya semakin tinggi suatu daerah dari permukaan laut maka kelembaban udaranya semakin tinggi. Makin tinggi kelembaban udara akan dapat menyebabkan bertambah banyak uap air yang dapat diserap awan. Uap air itu akan menghasilkan tekanan yang dinyatakan dengan satuan tinggi air raksa (1 mmHg = 1,33 milibar). Tekanan yang diberikan oleh uap air disebut dengan tekanan uap air [2] 3.4 Kecepatan Angin Angin adalah udara yang bergerak akibat adanya perbedaan tekanan udara dengan arah aliran angin dari tempat yang memiliki tekanan tinggi ke tempat yang bertekanan rendah atau dari daerah yang memiliki temperatur rendah ke wilayah bersuhu tinggi. Angin memiliki hubungan yang erat dengan sinar matahari karena daerah yang terkena banyak paparan sinar mentari akan memiliki suhu yang lebih tinggi serta tekanan udara yang lebih rendah dari daerah lain di sekitarnya sehingga menyebabkan terjadinya aliran udara. Angin juga dapat disebabkan oleh pergerakan benda sehingga mendorong udara di sekitarnya untuk bergerak ke tempat lain [3] . Kecepatan angin adalah kecepatan udara yang bergerak secara horizontal paa ketinggian dua meter diatas tanah. Untuk kepentingan data cuaca dan iklim,pengukurannya dilakukan dipermukaan tanah yang ditanami rumput [1]. 19 3.5 Regresi Data Panel Regresi data panel yaitu regresi dengan menggabungkan sekaligus data crosssection dan time-series dalam sebuah persamaan. Data time series adalah data yang dikumpulkan dari waktu ke waktu terhadap suatu individu, sedangkan data cross section adalah data yang dikumpulkan dalam satu waktu terhadap banyak individu. Regresi data panel akan memberikan hasil analisis yang lebih baik secara statistic karena penggabungan data cross-section dan time-series akan menghasilkan degree of freedom yang lebih besar dan dapat mengatasi masalah penghilangan variabel (omitted variabel). Menurut Wibisono keunggulan regresi data panel antara lain : 1. Panel data mampu memperhitungkan heterogenitas individu secara ekspilisit dengan mengizinkan variabel spesifik individu. 2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks. 3. Data panel mendasarkan diri pada observasi cross-section yang berulangulang (time series), sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment. 4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih informative, lebih variatif, dan kolinieritas (multiko) antara data semakin berkurang, dan derajat kebebasan (degree of freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien. 5. Data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks. 6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu [4]. 3.6 Model Regresi Data Panel Model regresi data panel secara umum : 20 Ҁ t t tҀ Ҁ Keterangan : Y menyatakan sebagai variabel terikat Ҁ Ҁ X menyatakan sebagai variabel bebas t t Ҁ menyatakan sebagai intersep atau konstanta menyatakan sebagai koefisien reegresi menyatakan sebagai variabel gangguan (error) i menyatakan sebagai 1,2,.. n (data cross section) t menyatakan sebagai 1,2,…,t (data data time series) Variabel independen yang digunakan dalam penelitian (Curah Hujan, Suhu dan Kelembaban) terhadap variabel dependen terikat (Kecepatan Angin). Sehingga persamaan regresinya sebagai berikut: Ҁ t t tҀ Ҁ Ҁ Ҁ Keterangan : Y menyatakan sebagai Kecepatan Angin Ҁ X1 menyatakan sebagai Curah Hujan X2 menyatakan sebagai Suhu X3 menyatakan sebagai Kelembaban t t menyatakan sebagai intersep atau konstanta menyatakan sebagai koefisien pengaruh Curah Hujan menyatakan sebagai koefisien pengaruh Suhu menyatakan sebagai koefisien pengaruh Kelembaban Ҁ menyatakan sebagai variabel gangguan (error) i menyatakan sebagai Stasiun diProvinsi Jawa Barat 21 t menyatakan sebagai tahun yang diteliti (bulan Desember 2012- bulan November 2017) 3.7 Metode Regresi Data Panel Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain: 1. Common Effect Model Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. 2. Fixed Effect Model Model ini mengasumsikan bahwa koefisen kemiringan bernulaiikonstn tetapi intersep bersifat tidak konstan [5] . Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV). 3. Random Effect Model Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masingmasing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS) 22 3.8 Pemilihan Model Untuk memilih model yang paling tepat digunakan dalam mengelola data panel, terdapat beberapa pengujian yang dapat dilakukan yakni: 1. Uji Chow Chow test yakni pengujian untuk menentukan model Common Effect atau Fixed Effet yang paling tepat digunakan dalam mengestimasi data panel.Hipotesis yang digunakan adalah sebagai berikut: H0: Common Effect H1 : Fixed Effect a. Jika nilai Probabilitas F statistiknya < = 5%.maka H0 ditolak atau terima H1 yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. b. Jika nilai Probabilitas F statistiknya > = 5%.maka terima H0 yang berarti model yang paling tepat digunakan adalah Common Effect Model. 2. Uji Hausman Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Hipotesis yang digunakan adalah sebagai berikut: H0: Random Effect H1 : Fixed Effect a. Jika nilai Probabilitas Chi-Square < = 5%.maka H0 ditolak atau terima H1 yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. b. Jika nilai Probabilitas Chi-Square > = 5%.maka terima H0 yang berarti model yang paling tepat digunakan adalah Common Effect Model. 23 3.9 Uji Asumsi Klasik Untuk Data Panel Uji asumsi klasik yang digunakan dalam regresi linier dengan pendekatan Ordinary Least Squared (OLS) meliputi uji Linieritas, Autokorelasi, Heteroskedastisitas, Multikolinieritas dan Normalitas. Walaupun demikian, tidak semua uji asumsi klasik harus dilakukan pada setiap model regresi linier dengan pendekatan OLS. 1. Uji linieritas hampir tidak dilakukan pada setiap model regresi linier. Karena sudah diasumsikan bahwa model bersifat linier. Kalaupun harus dilakukan semata-mata untuk melihat sejauh mana tingkat linieritasnya. 2. Uji normalitas pada dasarnya tidak merupakan syarat BLUE (Best Linier Unbias Estimator) dan beberapa pendapat tidak mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi. 3. Autokorelasi hanya terjadi pada data time series. Pengujian autokorelasi pada data yang tidak bersifat time series (cross section atau panel) akan sia-sia semata atau tidaklah berarti. 4. Multikolinieritas perlu dilakukan pada saat regresi linier menggunakan lebih dari satu variabel bebas. Jika variabel bebas hanya satu, maka tidak mungkin terjadi multikolinieritas. 5. Heteroskedastisitas biasanya terjadi pada data cross section, dimana data panel lebih dekat ke ciri data cross section dibandingkan time series. Dari penjelasan di atas dapat ditarik kesimpulan bahwa pada regresi data panel, tidak semua uji asumsi klasik yang ada pada metode OLS dipakai, hanya multikolinieritas dan heteroskedastisitas saja yang diperlukan. 3.10 Uji Statistik 1. Uji Koefisien Determinasi (R2) Pengujian determinasi yaitu mengukur kesetaraan hubungan antara variabel bebas dan tidak bebas terhadap sesuatu himpunan data hasil pengamatan, yang serius disebut dengan koefisien determinasi (R2) 24 sehingga semakin tinggi R2 maka semakin erat hubungan antara variabel bebas dan variabel terikat. 2. Uji Signifikansi Simultan (Uji F) Uji f digunakan untuk membuktikan secara statistik bahwa keseluruhan koefisien regresi juga signifikan dalam menentukan nilai variabel terikat (variabel dependen), maka diperlukan juga pengujian secara serentak yang menggunakan uji f di mana uji f merupakan pengujian terhadap variabel bebas (variabel independen) secara bersama-sama yang dilakukan untuk melihat seberapa besar pengaruh variabel bebas secara individual terhadap variabel terikat. t t t Berarti variabel independen tidak berpengaruh t t t Berarti variabel independen berpengaruh terhadap terhadap variabel dependen. variabel dependen. Rumus F-hitung sebagai berikut: Keterangan: eriku = t G D t G D R menyatakan sebagai Koefisien Determinasi k menyatakan sebagai Banyaknya Variabel Bebas n menyatakan sebagai Banyaknya Sampel Maka dengan derajat keyakinan tertentu: a. Jika F-hitung < F tabel, maka terima Htyang berarti secara bersama-sama variabel independen secara signifikan tidak mempengaruhi variabel dependen. b. Jika F-hitung > F tabel, maka terima Ht yang berarti secara bersama-sama variabel independen mempengaruhi variabel dependen. 3. Uji Signifikansi Parameter Individual (Uji T) 25 secara signifikan Pengujian ini merupakan pengujian variabel-variabel independen secara individu, yang dimaksudkan untuk mengetahui signifikansi dari variabelvariabel independen terhadap variabel dependen dengan menganggap variabel lain tetap. Pengambilan keputusan pengaruh masing-masing variabel independen secara individu terhadap profitabilitas adalah dengan derajat keyakinan tertentu maka: a. Jika nilai thitung > nilai ttabel maka terima Ht yang berarti secara individu terdapat pengaruh yang berarti antara variabel independen terhadap variabel dependen. b. Jika nilai thitung < nilai ttabel maka terima Ht yang berarti secara individu tidak terdapat pengaruh yang berarti antara variabel independen terhadap variabel dependen. 26 BAB IV METODOLOGI PENELITIAN 4.1 Tempat dan Waktu Penelitian Kegiatan Praktik Kerja Lapangan (PKL) dilaksanakan di Balai Besar Meteorologi Klimatologi dan Geofisika (BBMKG) Wilayah II yang beralamat di Jalan H. Abdul Ghani No.5 Cempaka Putih, Kota Tangerang Selatan, khususnya di Sub Bidang Manajemen Data. Waktu pelaksanaan kegiatan PKL adalah satu bulan, terhitung mulai dari tanggal 10 Januari 2019 sampai dengan 10 Februari 2019. Terdapat di Lampiran Kerangka Acuan PKL. 4.2 Pengumpulan Data Dalam penulisan laporan PKL ini penulis menggunakan data sekunder yang diperoleh dari Balai Besar Meteorologi Klimatologi dan Geofisika (BMKG) Wilayah II, berupa data pengamatan curah hujan, suhu, kelembaban, dan kecepatan angin dari Provinsi Jawa Barat yang terdiri 4 stasiun yaitu: 1. Stasiun Meteorologi Citeko 2. Stasiun Meteorologi Jatiwangi 3. Stasiun Klimatologi Bogor 4. Stasiun Geofisika Bandung 4.3 Variabel Yang Digunakan Variabel dependen yang digunakan dalam penelitian ini adalah data kecepatan angin di Provinsi Jawa Barat yang terdiri 4 stasiun. Data ini adalah data tentang kecepatan angin dari bulan Desember 2012 - bulan November 2017dan satuannya knot. Dalam penelitian ini terdapat beberapa independen, diantaranya: 27 a. Curah Hujan Data yang digunakan dalam penelitian ini adalah data Curah Hujan di Provinsi Jawa Barat dalam bentuk pada bulan Desember 2012 - bulan November 2017 dengan satuannya mm. b. Suhu Data yang digunakan dalam penelitian ini adalah data Suhu di Jawa Barat dalam bentuk pada bulan Desember 2012 - bulan November 2017 dengan satuannya 0C. c. Kelembaban Data yang digunakan dalam penelitian ini adalah data Kelembaban di Jawa Barat dalam bentuk pada bulan Desember 2012 - bulan November 2017 dengan satuannya %. 4.4 Metode Analisis Data Metode analisis yang digunakan dalam penelitian ini adalah metode regresi data panel dengan metode estimasi model menggunakan common effect, fixed effect atau random effect dan dilakukan pemilihan model dengan uji chow dan uji hausman. Adapun proses pengolahan data dalam penelitian ini dilakukan dengan bantuan software Eview9. Berikut tahapan metede analisis yang dilakukan : 4.4.1 Pemilihan Metode Estimasi Data Panel 1. Pooled Least Square (Common Effect) Menenukan metode ini dengan software Eview 9, dengan method: Least Square dan panel option cross-section : none. 2. Fixed Effect Menenukan metode ini dengan software Eview 9, dengan method: Least Square dan panel option cross-section : fixed. 3. Random Effect Menenukan metode ini dengan software Eview 9, dengan method: Least Square dan panel option cross-section : none. 28 4.4.2 Pemilihan Metode 1. Uji Chow Pengujian yang dilakukan untuk memilih apakah model akan dianalisis menggunakan common effect atau fixed effect dapat dilakukan dengan Uji Chow. Jika model yang dipilih fixed effect maka akan diakukan Uji Hausman. 2. Uji Hausman Pengujian untuk memilih apakah model akan dianalisis menggunakan random effect atau fixed effect dapat dilakukan dengan uji hausman. Sehingga dengan melakukan uji ini, dapat menentukan model yang terbaik. 4.4.3 Uji Asumsi Klasik Data Panel 1. Uji Normalitas Beberapa pendapat tidak mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi. 2. Uji Autokorelasi Pengujian autokorelasi pada data yang tidak bersifat time series (cross section atau panel) akan sia-sia semata atau tidaklah berarti. 3. Uji Multikolinearitas Jika variabel bebas hanya satu, maka tidak mungkin terjadi multikolinieritas.. Untuk menguji multikolinearitas dapat melihat matriks korelasi dari variabel bebas, jika terjadi koefisien korelasi lebih 0.80 maka terdapat multikolinearitas [5]. 4. Uji Heterokedasitas Heteroskedastisitas biasanya terjadi pada data cross section, dimana data panel lebih dekat ke ciri data cross section dibandingkan time series.Pada regresi data panel memerlukan uji heterokedasitas, dan uji heterokedasitas mengunakan uji glejser. 29 4.4.4 Pengujian Hipotesis 1. Koefisien Determinasi (R2) Dalam suatu penelitian atau observasi, perlu dilihat seberapa jauh model yang terbentuk dapat menerangkan kondisi yang sebenarnya. Dan dapat dilihat R-Squarenya dari model terbaik. 2. Uji Individual (Uji t) Melakukan uji sacara parsial antara variabel bebas dengan variabel terikat, dilihat dari probabilitas thitung apakah lebih besar atau lebih kecil dari . 3. Pengujian Secara Serentak (Uji F) Melakukan uji sacara srentak antara variabel bebas dengan variabel terikat, dilihat dari probabilitas F statistik apakah lebih besar atau lebih kecil dari . 4.4.5 Interpretasi Hasil Jadi secara singkas penjelasan tersebut dapat diserdehanakan dalam bagan berikut: 30 Gambar 1 Bagan metode analisis data 31 BAB V HASIL DAN PEMBAHASAN 5.1 Hasil dan Analisis Data 5.1.1 Pemilihan Model Regresi Dalam pemilihan model regresi penelitian ini yaitu menggunakan regresi data panel. Regresi data panel sendiri memiliki tiga model yang dapat digunakan yaitu Common Effects, Fixed Effects dan Random Effects Model. Untuk memilih model regresi yang lebih tepat dalam penelitian ini, maka dapat dilakukan pengujian dengan menggunakan Uji Chow Test dan Uji Hausmant Test. Hasil dari Uji Chow Test dilakukan untuk menentukan model regresi yang lebih tepat digunakan antara model Common Effects dan model Fixed Effects, sedangkan untuk uji Hausman Test dilakukan untuk menentukan model regresi yang lebih tepat digunakan antara model Random Effects dengan model Fixed Effects. 1. Common Effect Model Pertama-tama dilakukan pengolahan data dengan metode pendekatan common effect model, dari hasil pengolahan program Eview9 didapatkan hasil seperti tampilan sebagai berikut: Tabel 5.1Common Effect Model R-squared 0.339444 Adjusted R-squares 0.331047 Pada tabel 5.1 diatas menunjukkan hasil nilai koefisien R2 sebesar 0.339444 yang artinya variabel independen yaitu curah hujan, suhu dan kelembaban mampu menjelaskan variabel dependen yaitu kecepatan angin sebesar 33.94% atau dapat dilihat lebih jelas pada Lampiran I. 2. Fixed Effect Model Setelah itu dilakukan pengolahan metode pendekatan fixed effect model, dari hasil pengolahan program Eview9 didapatkan hasil seperti tampilan sebagai berikut: 32 Tabel 5.2Fixed Effect Model R-squared 0.533117 Adjusted R-squares 0.521094 Pada tabel 5.2 diatas menunjukkan hasil nilai koefisien R2 sebesar 0.533117 yang artinya variabel independen yaitu curah hujan, suhu dan kelembaban mampu menjelaskan varibel dependen yaitu kecepatan angin sebesar 53.31% atau dapat dilihat lebih jelas pada Lampiran II. 3. Random Effect Model Setelah itu dilakukan pengolahan metode pendekatan random effect model, dari hasil pengolahan program Eview9 didapatkan hasil seperti tampilan sebagai berikut: Tabel 5.3Random Effect Model R-squared 0.339444 Adjusted R-squares 0.331047 Pada tabel 5.3 diatas menunjukkan hasil nilai koefisien R2 sebesar 0.339444 yang artinya variabel independen yaitu curah hujan, suhu dan kelembaban mampu menjelaskan varibel dependen yaitu kecepatan angin sebesar 33.94% atau dapat dilihat lebih jelas pada Lampiran III. 4. Uji Chow Uji Chow Digunakan untuk memilih antara model Common effect atau model Fixed effect. Dari hasil pengolahan program Eview9 didapatkan hasil seperti tampilan sebagai berikut: Tabel 5.4Uji Chow Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic Cross-section F Cross-section Chi-square 32.217877 83.280971 33 d.f. Prob. (3,233) 3 0.0000 0.0000 Berdasarkan tabel diatas atau dapat dilihat lebih jelas pada Lampiran IV hasil pengujian uji Chow diperoleh hasil uji F tersebut nilai probabilitas nilai F-statistik sebesar 0,0000. Jika digunakan tingkat signifikansi sebesar 0.05 maka probabilitas F-statistik lebih kecil dari alpha 0,05. Sehingga tolak H0, artinya Fixed Effect Model lebih baik digunakan dibandingkan meggunakan Common Effect Model. Selanjutnya, karena hasil uji chow memperoleh model dengan Fixed Effect maka akan dilanjutkan dengan uji hausman. 5. Uji Hausman Uji Hausman Digunakan untuk memilih model yang terbaik antara fixed effect dan Random effect. Tabel 5.5Uji Hausman Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Chi-Sq. Statistic 96.653630 Test Summary Cross-section random Chi-Sq. d.f. 4 Prob. 0.0000 Berdasarkan tabel diatas atau dapat dilihat lebih jelas pada Lampiran V hasil pengujian uji Hausman (Chi square)diperoleh nilai probalitas Chi square statistic sebesar 0,0000. Jika digunakan tingkat signifikansi sebesar 0.05 makaprobabilitas Chi square statistic lebih kecil dari alpha 0,05. Sehingga tolak H0, artinya Fixed Effect Model lebih baik digunakan dibandingkan meggunakan Random Effect Model. Dengan demikian berdasarkan uji Hausman model yang tepat untuk menganalisis kecepatan angin di Jawa Barat adalah model Fixed Effect. 5.1.2 Uji Asumsi Klasik Data Panel 1. Uji Multikolinearitas Pada tabel 5.6 dapat dilihat dari matriks atas dan matrik bawah tidak lebih dari 0.8, sehingga tidak mengandung multikolinearitas. 34 Tabel 5.6Uji Multikolinearitas 2. X1 X2 X3 X1 1 -0.09757811515555202 0.03243383395289228 X2 -0.09757811515555202 1 -0.0556629031992773 X3 0.03243383395289228 -0.0556629031992773 1 Uji Heterokedasitas Tabel 5.7Uji Heteroskedasitas Variable Coefficient Std. Error t-Statistic Prob. C 0.378457 0.683125 0.554008 0.5801 X1 -4.01E-06 1.06E-05 -0.377287 0.7063 X2 0.009708 0.025719 0.377452 0.7062 X3 -0.000521 0.002692 -0.193598 0.8467 Pada tabel 5.6 merupakan hasil uji heterokedasitas dengan uji glejser, dapat dilihat dari semua nilai probabIlitasnya yang lebih dari = 0.05 maka tidak mengandung mengandung heterokadasitas. Data ini tidak heterokedasitas. 5.1.3 Model Regresi Panel Fixed Effect Tabel 5.8Hasil Pengujian Fixed Effect Variable Coefficient Std. Error t-Statistic Prob. X1 -2.13E-06 1.26E-05 -0.168442 0.8664 X2 0.069755 0.100437 0.694511 0.4881 X3 -0.000577 0.003272 -0.176368 0.8602 C 1.625915 2.510493 0.647648 0.5179 Model regresi fixed effect pada kecepatan angin : Y= t Y=t6 t t 9t t x tt 6 t 35 Ҁ t t697 t ttt 77 Ҁ Dari tabel regresi model fixed effect diatas, dapat dilihat kecepatan angin sebesar 1.62% dengam asumsi variabel independen (X1,X2, X3) lainnya tidak ada. a. Curah Hujan naik 1 % maka akanmenurunkan kecepatan angin sebesar 2.13E-06. b. Suhu naik 1 % maka akan menaikan tingkat kecepatan angin sebesar t t697 . c. Kelembaban naik 1 % maka akan menurunkan kecepatan angin sebesar t ttt 77. 5.1.4 Pengujian Hipotesis Berdasarkan pemilihan model yang telah dilakukan, maka model fixed effect terpilih menjadi model yang terbaik untuk mengestimasi. 1. Uji T (Pengujian Variabel Secara Individu) Berdasarkan model fixed effect terpilih, dapat disimpulkan : 1. Curah Hujan Berdasarkan hasil diatas, Curah Hujan mempunyai nilai koefisien t X tt 6 dengan t hitung -0.168442 dan probabilitasnya 0.8664. Dimana probabilitas tersebut lebih dari h yang artinya tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin. 2. Suhu Berdasarkan hasil regresi diatas, Suhu mempunyai nilai koefisien 0.069775, dengan t hitung 0.694511 dan probabilitasnya 0.4881 . Dimana probabilitas tersebut lebih dari h , yang artinya tidak signifikan dan tidak berpengaruh positif terhadap tingkat kecepatan angin. 3. Kelembaban Berdasarkan hasil diatas, Kelembaban mempunyai nilai koefisien 0.000577, dengan t hitung -0.1176368 dan probabilitasnya 0.8602. Dimana probabilitas tersebut lebih dari 36 = 5%, yang artinya tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin.. 2. Uji f (pengujian variable secara bersama-sama) Uji f digunakan untuk mengetahui apakah variabel-variabel yang digunakan secara bersama-sama mempengaruhi variabel dependen atau tidak. Berdasarkan hasil diatas diperoleh f statistic sebesar 44.34240dengan probabilitas statistiknya sebesar 0.000000 < α 5%, yang artinya Ho ditolak. Variabel independen yaitu curah hujan, suhu dan kelembaban secara bersama sama berpengaruh signifikan terhadap variable dependen yaitu kecepatan angin. 3. Koefisien Determinasi R2 Hasil regresi diatas menunjukkan hasil nilai koefisien R2 sebesar 0.53117 yang artinya variabel independen yaitu curah hujan, suhu dan kelembaban mampu menjelaskan varibel dependen yaitu kecepatan angin sebesar 53.11% Sedangkan sisanya 46.89% dijelaskan oleh variabel lain diluar model. 5.2 Analisis Kecepatan Angin Berdasarkan hasil analisis data di atas, diperoleh model yang digunakan dalam pengujian hipotesis adalah menggunakan model fixed effect dan terdapat hasil outputnya. Dari hasil pengujian model fixed effect disimpulkan bahwa curah hujan berpengaruh negative dan tidak signifikan serta variabel kelembaban berpengaruh negative dan signifikan terhadap kecepatan angin.di Jawa Barat. Dlihat dari sisi wilayahnya di Provinsi Jawa Barat memiliki pengaruh yang berbeda - beda terhadap variabel dependen kecepatan angin di setiap stasiun yang terdapat di Lampiran VI. 1. Stasiun Geofisika Bandung Variabel dependen Kecepatan angin memiliki nilai sebesar t 6 9t dan dilihat dari koefisien yang dimiliki Stasiun Geofisika Bandung sebesar 0.624087 menandakan bahwa setiap terjadi perubahan satu persen variabel 37 Curah hujan, Suhu, dan Keelembaban akan menaikkan kecepatan angin sebesar 0.624087. 2. Stasiun Klimatologi Bogor Variabel dependen Kecepatan angin memiliki nilai sebesar t 6 9t dan dilihat dari koefisien yang dimiliki Stasiun KlimatologiBogor sebesar 0.668979 menandakan bahwa setiap terjadi perubahan satu persen variabel Curah hujan, Suhu, dan Keelembaban akan menaikkan kecepatan angin sebesar 0.668979. 3. Stasiun Meteorologi Citeko Variabel dependen Kecepatan angin memiliki nilai sebesar t 6 9t dan dilihat dari koefisien yang dimiliki Stasiun Meteorologi Citeko sebesar 1.797254 menandakan bahwa setiap terjadi perubahan satu persen variabel Curah hujan, Suhu, dan Keelembaban akan menurukan kecepatan angina sebesar -1.797254. 4. Stasiun Meteorologi Jatiwangi Variabel dependen Kecepatan angin memiliki nilai sebesar t 6 9t dan dilihat dari koefisien yang dimiliki Stasiun Meteorologi Jatiwangi sebesar 0.504188menandakan bahwa setiap terjadi perubahan satu persen variabel Curah hujan, Suhu, dan Keelembaban akan menaikkan kecepatan angina sebesar 0.504188. 5.2.1 Koefisien Stasiun Pada koefisien di Stasiun Geofisika Bandung sebesar t6 0.624087 artinya 9t + 0.624087 = 2.250002. Pada koefisien di Stasiun Klimatologi Bogor sebesar 0.668979 artinya t 6 9t + 0.668979 = 2.294894. Pada koefisien di Stasiun Meteorologi Citeko sebesar -1.797254 artinya t 6 9t - 1.797254 = -0.171339. Pada koefisien di Stasiun Meteorologi Jatiwangi sebesar 0.504188 artinya t 6 9t + 0.504188 = 2.130103. 38 5.3 Interpretasi Hasil Dengan Uji Fixed Effects Model, maka dapat diperoleh persamaan regresi sebagai berikut : Y= t Y=t6 t t t x tt 9t 6 t Ҁ t t697 t ttt 77 Ҁ Berdasarkan persamaan regresi tersebut maka dapat dijelaskan bahwa nilai konstanta sebesar t 6 9t menunjukkan bahwa setiap stasiun di Jawa Barat memiliki curah hujan, suhu dan kelembaban maka tingkat kecepatan angin akan mengalami peningkatan sebesar t 6 9t . Ditinjau konstanta per stasiun menunjukkan bahwa Stasiun Klimatologi Bogor memiliki nilai tingkat kecepatan angin tertinggi sebesar 2.294894 dan Stasiun Meteorologi Citeko memiliki nilai keceatan angin terendah sebesar 0.171339 pada saat tidak ada variabel bebas yang mempengaruhi kecepatan angin. Nilai koefisien regresi diperoleh Curah hujan sebesar t X tt 6 menunjukkan bahwa ketika curah hujan naik sebesar 1% maka tingkat kecepatan angin akan menurun sebesar t X tt 6 . Jika variabel bebas lainnya dalam kondisi konstan. Koefisien regresi negatif, maka hal ini semakin besar nilai Curah hujan maka akan menyebabkan kecepatan angin yang diperoleh semakin menurun. Nilai koefisien regresi diperoleh Suhu sebesar t t697 menunjukkan bahwa ketika Suhu naik sebesar 1% maka tingkat kecepatan angn akan naik sebesar t t697 . Jika variabel bebas lainnya dalam kondisi konstan. Koefisien regresi positif, maka hal ini semakin besar nilai Suhu maka akan menyebabkan Kecepatan angin yang diperoleh semakin meningkat. Nilai koefisien regresi diperoleh Kelembaban sebesar t ttt 77 menunjukkan bahwa ketika Kelembaban naik sebesar 1% maka tingkat kecepatan angin akan menurun sebesar t ttt 77. Jika variabel bebas lainnya dalam kondisi konstan. Koefisien regresi negatif, maka hal ini semakin besar nilai Jumlah kelembaban maka akan menyebabkan kecepatan angin yang diperoleh semakin menurun. 39 BAB VI PENUTUP 6.1 Kesimpulan Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan, diperoleh kesimpulan bahwa: Curah Hujan tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin. Hal ini tidak sesuai dengan hipotesis karena nilai probabilitas curah hujan lebih dari h yang artinya tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin. Hasil penelitian ini didukung oleh data Meteorologi, Klimatologi dan Geofisika yang mencoba menghubungkan antara curah hujan dan kecepatan angin. Suhu tidak signifikan dan tidak berpengaruh positif terhadap tingkat kecepatan angin. Hal ini tidak sesuai dengan hipotesis karena nilai probabilitas curah hujan lebih dari h yang artinya tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin. Hasil penelitian ini didukung oleh data Meteorologi, Klimatologi dan Geofisika yang mencoba menghubungkan antara Suhu dan kecepatan angin. Kelembaban tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin. Hal ini tidak sesuai dengan hipotesis karena nilai probabilitas curah hujan lebih dari h yang artinya tidak signifikan dan tidak berpengaruh negative terhadap tingkat kecepatan angin. Hasil penelitian ini didukung oleh data Meteorologi, Klimatologi dan Geofisika yang mencoba menghubungkan antara Kelembaban dan kecepatan angin. 6.2 Saran Penulis menyarankan untuk menambah faktor lain seperti Penyinaran Matahari atau faktor yang lain sehingga menambah besar faktor yang mempengaruhinya. 40 DAFTAR PUSTAKA [1] S. M. Samadi, Geografi SMA Kelas X, Jakarta: Quadra, 2006. [2] Suyono, Hidrologi, Jakarta: PT Pradnya Paramita, 1985. [3] Suwarno, Hidrologi Operasional Jilid Kesatu, Bandung: Citra Aditya Bakti, 2000. [4] A. T. Basuki, Regresi Model PAM, ECM dan Data Panel dengan Eviews 7, Katalog Dalam Terbitan (KTD). Yogyakarta, 2014. [5] D. Gujarati, Basic Econometrics Fourth Edition, New York: The McGrawHill Companies, 2004. [6] [Online]. Available: http://www.bmkg.go.id/profil/balai-besarmkg.bmkg?id=68. [Accessed Selasa ,29 Januari 2019]. [7] P. Ginting, Geografi, Jakarta: Erlangga, 2004. 41 LAMPIRAN KECEPATAN ANGIN RATA-RATA BULANAN (Satuan Dalam Knot) Geofisika Bandung Koordinat : : 96783 Elevasi TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 4.3 3.8 4.21 4.25 5.49 3.6 3.9 4.57 4.93 5.47 3.7 3.1 4.65 4.01 4.62 3.1 3.2 4.39 3.71 4.10 3.2 3.0 3.82 3.55 4.16 3.2 3.0 3.93 3.63 3.94 3.1 3.1 4.08 3.81 4.57 3.3 3.3 4.00 4.07 4.95 3.2 2.5 3.93 4.03 4.27 3.1 3.8 4.46 3.71 1.46 3.7 3.1 3.91 3.95 4.62 Nama Stasiun : No. Stasiun : 06° 55' LS - 107° 36' BT 791 meter Koordinat : : 96753 Elevasi TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 3.9 1.7 3.9 4.0 3.0 4.4 3.6 3.7 3.6 4.7 3.8 3.9 4.3 4.0 2.6 3.6 4.0 4.2 4.3 2.5 3.6 4.1 3.9 4.1 3.8 3.0 3.8 3.9 3.8 4.2 3.3 16.2 5.0 4.2 3.9 3.6 4.6 4.9 4.1 4.6 3.8 5.0 5.0 2.8 4.7 3.5 4.7 4.5 3.8 4.3 2.1 4.2 4.2 2.3 4.4 No. Stasiun : Meteorologi Citeko Koordinat : : 96751 Elevasi TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 1.7 1.5 0.9 0.9 1.7 6.3 1.1 0.8 0.9 1.7 1.6 1.0 1.0 1.1 0.9 1.1 2.3 0.8 0.9 0.6 1.2 1.0 0.7 1.1 0.8 1.3 1.0 0.5 0.9 3.2 1.4 1.2 0.8 1.0 3.0 1.2 1.1 1.2 1.1 3.3 1.1 1.0 1.1 0.8 1.2 1.2 1.0 1.2 0.7 0.8 1.2 1.0 1.1 0.6 0.8 Nama Stasiun : No. Stasiun 42 : 3.2 3.4 3.7 4.46 5.62 06° 33' 12.9" LS - 106° 44' 59.4" BT 190 meter Klimatologi Bogor Nama Stasiun : DEC DEC 3.7 1.1 4.2 4.3 4.8 06° 42' LS - 106° 56' BT 920 meter DEC 1.1 1.0 1.0 0.9 2.2 Stamet Jatiwangi Koordinat : : 96791 Elevasi TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 4.3 4.5 4.6 3.6 3.9 4.3 2.0 4.7 4.0 4.3 3.9 4.2 4.7 3.7 3.4 3.6 4.0 3.8 3.5 3.0 3.7 3.9 4.0 3.4 3.0 3.4 4.2 3.9 3.2 3.2 3.8 4.0 5.2 3.5 3.9 4.3 4.3 5.0 3.6 4.4 4.7 5.2 4.8 3.2 4.2 4.7 5.5 5.3 3.4 3.5 4.1 4.9 4.3 3.4 3.0 Nama Stasiun : No. Stasiun 43 : 06° 45' LS - 108° 06' BT 50 meter DEC 3.7 3.6 4.4 4.3 3.8 JUMLAH CURAH HUJAN BULANAN (Satuan Dalam mm) Nama Stasiun : No. Stasiun TAHUN : JAN Geofisika Bandung Koordinat : 96783 Elevasi FEB MAR APR MAY JUN : JUL AUG 06° 55' LS - 107° 36' BT 791 meter SEP OCT NOV 2012 DEC 636.9 2013 2014 2015 2016 2017 216.9 308.0 188.0 392.8 65.3 Nama Stasiun : No. Stasiun : 249.6 91.0 189.1 194.4 199.3 310.0 421.0 323.0 442.3 389.3 285.8 220.0 285.2 559.1 220.2 170.9 179.0 322.0 327.0 223.0 231.5 196.0 58.0 139.3 106.4 159.1 180.0 0.3 182.3 39.1 74.3 121.0 6.7 128.7 48.4 Klimatologi Bogor Koordinat : 96753 Elevasi : 171.7 1.0 43.2 286.2 91.0 233.9 66.0 37.9 393.4 345.3 163.8 296.0 455.0 442.5 442.2 06° 33' 12.9" LS - 106° 44' 59.4" BT 190 meter TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 509.8 702.0 250.6 524.4 130.4 406.2 337.4 350.8 609.8 526.3 272.8 281.4 374.3 450.0 355.1 216.0 510.9 206.1 558.2 283.9 399.3 296.4 201.9 329.7 319.4 62.3 84.7 90.2 373.0 399.6 360.2 349.0 1.6 292.5 401.4 258.3 538.4 112.4 315.6 179.2 503.2 21.8 79.3 439.2 280.7 393.6 180.3 110.6 397.8 330.7 186.9 673.2 854.9 354.7 207.0 Nama Stasiun : No. Stasiun : Meteorologi Citeko Koordinat : 96751 Elevasi : JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 2629.8 1204.0 360.0 363.0 261.0 3005.2 1487.0 380.0 584.0 687.0 2133.6 297.0 410.0 544.0 388.0 2120.3 396.0 228.0 481.2 402.0 2270.2 89103.0 174.0 234.0 228.0 1010.7 200.0 15.0 202.0 129.0 1161.0 348.0 3.1 254.0 88.0 1020.3 248.0 59.0 75.1 45.0 1848.0 33.0 19.0 367.0 36.0 263.9 95.0 51.0 406.3 368.0 262.0 556.0 522.0 311.0 427.0 No. Stasiun : Stamet Jatiwangi Koordinat : 96791 Elevasi : 358.8 407.7 200.0 578.9 116.6 DEC 422.9 543.0 464.0 421.0 146.0 06° 45' LS - 108° 06' BT 50 meter TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 340.8 595.0 425.9 388.5 705.8 539.8 296.0 379.8 416.7 234.4 388.1 226.0 326.9 472.6 574.7 317.0 300.4 301.4 143.5 266.3 156.5 196.0 98.5 166.8 79.5 222.4 54.2 0.3 180.6 52.0 205.4 61.0 1.0 58.5 25.5 19.9 8.5 0.2 69.0 20.0 0.0 0.0 0.5 156.1 33.7 40.0 17.9 0.0 348.9 307.1 138.0 232.9 94.9 363.0 485.4 44 DEC 06° 42' LS - 106° 56' BT 920 meter TAHUN Nama Stasiun : 418.0 317.0 311.3 59.9 DEC 496.0 548.6 441.5 420.3 312.5 SUHU UDARA RATA-RATA BULANAN (Satuan Dalam cC) Nama Stasiun : No. Stasiun : Geofisika Bandung Koordinat : 96783 Elevasi : 06° 55' LS - 107° 36' BT 791 meter TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 23.4 22.5 23.2 23.8 24.2 23.4 22.9 23.1 24.0 23.0 23.7 23.3 23.4 24.1 23.3 23.7 23.8 23.6 24.0 23.6 23.5 23.5 23.4 24.0 23.9 23.6 23.5 23.1 23.7 23.4 22.5 23.0 23.1 23.3 23.4 23.2 23.1 23.6 23.5 23.3 23.7 23.7 23.8 23.6 23.7 23.8 24.2 24.5 23.1 23.7 23.8 23.6 23.9 23.4 23.1 Nama Stasiun : No. Stasiun : Klimatologi Bogor Koordinat : 96753 Elevasi : JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 25.1 24.6 25.2 26.4 25.9 25.8 25.0 25.0 25.7 25.0 26.1 25.6 25.6 26.4 25.7 26.4 26.2 25.8 26.7 26.1 26.2 26.2 26.3 27.1 26.4 26.3 26.5 26.2 26.2 26.3 25.4 25.8 26.1 26.1 26.0 25.7 25.7 26.2 26.1 25.9 26.0 26.3 26.2 26.2 26.4 26.1 26.8 26.8 26.0 26.5 26.2 26.3 26.5 26.0 26.3 No. Stasiun : Meteorologi Citeko Koordinat : 96751 Elevasi : JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 20.5 20.0 20.5 21.8 21.3 21.0 20.3 20.9 21.6 20.6 21.5 21.1 21.1 21.8 21.5 21.9 21.8 21.5 22.3 21.7 21.9 21.8 21.6 22.7 22.0 21.8 21.9 21.8 22.0 21.6 21.0 21.3 21.5 21.5 21.3 21.1 20.9 21.3 21.3 21.4 21.4 21.5 21.5 21.5 21.8 21.5 21.9 22.3 21.4 21.6 21.4 21.4 21.9 21.7 21.5 No. Stasiun : Stamet Jatiwangi Koordinat : 96791 Elevasi : 26.0 25.5 26.3 26.1 26.0 DEC 21.3 21.1 28.3 21.4 21.7 06° 45' LS - 108° 06' BT 50 meter TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 26.6 25.4 26.4 27.8 26.8 26.8 25.9 26.0 26.9 26.6 27.2 27.0 26.7 27.6 26.8 27.8 27.1 27.2 28.1 27.4 27.3 27.8 27.3 27.9 27.7 27.3 27.2 27.3 27.3 27.3 26.5 26.7 26.7 27.3 27.5 27.3 26.9 27.1 27.8 27.7 28.3 28.1 28.7 27.6 28.7 29.3 29.4 29.5 27.4 28.5 28.0 28.4 29.4 27.7 27.5 45 DEC 06° 42' LS - 106° 56' BT 920 meter TAHUN Nama Stasiun : 23.3 23.1 23.7 23.7 24.4 06° 33' 12.9" LS - 106° 44' 59.4" BT 190 meter TAHUN Nama Stasiun : DEC DEC 27.1 26.7 27.1 27.8 27.3 KELEMBABAN UDARA RATA-RATA BULANAN (Satuan Dalam %) Nama Stasiun : No. Stasiun : Geofisika Bandung Koordinat : 96783 Elevasi : 06° 55' LS - 107° 36' BT 791 meter TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 79 82 79 81 74 80 80 80 80 81 79 82 79 83 80 82 81 81 84 81 82 81 77 83 78 78 80 74 79 79 77 78 70 79 74 -254 73 66 75 71 70 64 64 80 71 73 67 63 83 80 74 79 79 84 82 Nama Stasiun : No. Stasiun : Klimatologi Bogor Koordinat : 96753 Elevasi : JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 88.5 89.5 86.7 85.7 82.9 84.6 89.0 87.7 88.6 87.8 83.6 87.0 85.1 85.7 85.2 85.3 84.7 85.7 85.3 84.6 85.4 85.3 81.8 83.6 84.0 82.5 83.1 79.3 84.6 82.5 84.8 83.0 74.3 83.3 81.2 85.4 79.8 74.7 82.3 75.6 80.6 72.6 70.4 83.5 76.7 80.4 74.6 72.9 86.1 81.2 80.7 82.9 82.1 86.5 88.1 No. Stasiun : Meteorologi Citeko Koordinat : 96751 Elevasi : JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 92.4 93.3 90.1 87.6 86.4 89.5 93.2 88.9 90.4 92.3 86.6 89.6 88.4 89.9 86.4 88.0 85.9 88.0 87.7 87.0 87.3 86.8 83.5 86.2 86.8 84.2 85.9 80.6 83.4 84.5 86.4 85.4 76.3 86.1 84.7 81.8 84.4 78.5 84.6 79.0 80.5 75.6 75.6 75.6 75.6 83.5 80.6 72.4 87.8 86.8 83.0 87.9 86.9 88.8 85.2 No. Stasiun : Stamet Jatiwangi Koordinat : 96791 Elevasi : 85.2 84.8 82.5 84.6 82.0 DEC 89.0 88.4 87.1 89.2 84.3 06° 45' LS - 108° 06' BT 50 meter TAHUN JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV 2012 2013 2014 2015 2016 2017 86.1 89.5 85.9 82.7 85.7 85.4 88.6 87.8 87.3 84.5 84.7 84.0 84.9 85.6 84.9 83.5 83.4 84.3 83.3 83.4 82.4 81.7 78.1 83.1 79.6 84.3 81.4 72.5 81.7 79.8 83.3 79.5 71.4 80.0 71.1 70.3 71.6 67.2 75.9 66.0 66.4 61.6 59.5 79.9 66.2 66.6 60.9 58.9 82.1 74.0 75.5 73.8 70.7 82.1 81.6 46 DEC 06° 42' LS - 106° 56' BT 920 meter TAHUN Nama Stasiun : 83 80 80 82 73 06° 33' 12.9" LS - 106° 44' 59.4" BT 190 meter TAHUN Nama Stasiun : DEC DEC 84.3 85.9 83.7 82.7 83.6 LAMPIRAN I Dependent Variable: Y Method: Panel Least Squares Date: 01/23/19 Time: 22:48 Sample: 2012M12 2017M11 Periods included: 60 Cross-sections included: 4 Total panel (balanced) observations: 240 Variable Coefficient X1 X2 X3 C -1.32E-05 0.383113 -0.005183 -5.720362 R-squared 0.339444 Adjusted R-squared 0.331047 S.E. of regression 1.311590 Sum squared resid 405.9836 Log likelihood -403.6261 F-statistic 40.42484 Prob(F-statistic) 0.000000 Std. Error t-Statistic 1.48E-05 -0.891800 0.035953 10.65606 0.003763 -1.377318 0.954940 -5.990287 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 47 Prob. 0.3734 0.0000 0.1697 0.0000 3.297208 1.603616 3.396884 3.454895 3.420258 1.198906 LAMPIRAN II Dependent Variable: Y Method: Panel Least Squares Date: 01/23/19 Time: 22:49 Sample: 2012M12 2017M11 Periods included: 60 Cross-sections included: 4 Total panel (balanced) observations: 240 Variable Coefficient X1 X2 X3 C -2.13E-06 0.069755 -0.000577 1.625915 Std. Error t-Statistic 1.26E-05 -0.168442 0.100437 0.694511 0.003272 -0.176368 2.510493 0.647648 Prob. 0.8664 0.4881 0.8602 0.5179 Effects Specification Cross-section fixed (dummy variables) R-squared 0.533117 Adjusted R-squared 0.521094 S.E. of regression 1.109750 Sum squared resid 286.9502 Log likelihood -361.9856 F-statistic 44.34240 Prob(F-statistic) 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 48 3.297208 1.603616 3.074880 3.176399 3.115785 1.570720 LAMPIRAN III Dependent Variable: Y Method: Panel EGLS (Cross-section random effects) Date: 01/23/19 Time: 22:50 Sample: 2012M12 2017M11 Periods included: 60 Cross-sections included: 4 Total panel (balanced) observations: 240 Swamy and Arora estimator of component variances Variable Coefficient X1 X2 X3 C -1.32E-05 0.383113 -0.005183 -5.720362 Std. Error t-Statistic 1.26E-05 -1.053999 0.030420 12.59418 0.003184 -1.627823 0.807984 -7.079793 Effects Specification Cross-section random Idiosyncratic random S.D. 0.000000 1.109750 Prob. 0.2930 0.0000 0.1049 0.0000 Rho 0.0000 1.0000 Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic) 0.339444 0.331047 1.311590 40.42484 0.000000 Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat 3.297208 1.603616 405.9836 1.198906 Unweighted Statistics R-squared Sum squared resid 0.339444 405.9836 Mean dependent var Durbin-Watson stat 49 3.297208 1.198906 LAMPIRAN IV Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic Cross-section F Cross-section Chi-square 32.217877 83.280971 d.f. Prob. (3,233) 3 0.0000 0.0000 Cross-section fixed effects test equation: Dependent Variable: Y Method: Panel Least Squares Date: 01/23/19 Time: 22:50 Sample: 2012M12 2017M11 Periods included: 60 Cross-sections included: 4 Total panel (balanced) observations: 240 Variable Coefficient X1 X2 X3 C -1.32E-05 0.383113 -0.005183 -5.720362 R-squared 0.339444 Adjusted R-squared 0.331047 S.E. of regression 1.311590 Sum squared resid 405.9836 Log likelihood -403.6261 F-statistic 40.42484 Prob(F-statistic) 0.000000 Std. Error t-Statistic 1.48E-05 -0.891800 0.035953 10.65606 0.003763 -1.377318 0.954940 -5.990287 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 50 Prob. 0.3734 0.0000 0.1697 0.0000 3.297208 1.603616 3.396884 3.454895 3.420258 1.198906 LAMPIRAN V Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Cross-section random Chi-Sq. Statistic Chi-Sq. d.f. Prob. 96.653630 3 0.0000 ** WARNING: estimated cross-section random effects variance is zero. Cross-section random effects test comparisons: Variable X1 X2 X3 Fixed -0.000002 0.069755 -0.000577 Random Var(Diff.) Prob. -0.000013 0.383113 -0.005183 0.000000 0.009162 0.000001 0.0000 0.0011 0.0000 Cross-section random effects test equation: Dependent Variable: Y Method: Panel Least Squares Date: 01/23/19 Time: 22:51 Sample: 2012M12 2017M11 Periods included: 60 Cross-sections included: 4 Total panel (balanced) observations: 240 Variable Coefficient Std. Error t-Statistic Prob. C X1 X2 X3 1.625915 -2.13E-06 0.069755 -0.000577 2.510493 1.26E-05 0.100437 0.003272 0.647648 -0.168442 0.694511 -0.176368 0.5179 0.8664 0.4881 0.8602 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.533117 0.521094 1.109750 286.9502 -361.9856 44.34240 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 51 3.297208 1.603616 3.074880 3.176399 3.115785 1.570720 LAMPIRAN VI 1 2 3 4 CROSSID 1 2 3 4 Effect 0.624087 0.668979 -1.797254 0.504188 52 53