Hari, Tanggal

: Senin, 15 September 2014

Asisten

: 1. Mufridatur Rohmah
2. Anis Purwaningsih
3. Ikrom Mustofa
4. Nihayatuz Zulfa

Nama : Anjias Yonatan

NRP
: G24120045
(G24110001)
(G24110012)
(G24110066)
(G24110067)

KENDALI MUTU DATA IKLIM: VALIDASI SEDERHANA

PENDAHULUAN
Latar Belakang
Validasi data adalah langkah pemeriksaan untuk memastikan bahwa data yang dimiliki telah
sesuai dengan kriteria yang ditetapkan dengan tujuan untuk memastikan agar data yang dimasukkan
ke dalam basis data nantinya dapat dijelaskan sumber dan kebenarannya. Validasi atau validitas juga
diartikan sebagai tahapan untuk memperoleh gambaran apakah model telah sesuai dengan sistem
yang ditampilkan. Suatu model atau instrumen dikatakan valid apabila model tersebut mampu
mengukur apa yang seharusnya diukur, dengan kata lain, mampu memperoleh data yang tepat dari
variabel yang diteliti.
Ada dua macam validitas sesuai dengan pengujiannya, yaitu validitas eksternal dan validitas
internal. Validitas eksternal merupakan validasi instrumen yang dicapai apabila data yang dihasilkan
dari instrumen tersebut sesuai dengan data atau informasi lain mengenai variabel yang diteliti.
Sedangkan validitas internal merupakan validasi instrumen yang dicapai apabila terdapat kesesuaian
antara bagian-bagian instrumen dengan instrumen secara keseluruhan. Dengan kata lain sebuah
instrumen dikatakan memiliki validitas internal apabila setiap bagian instrumen mendukung misi
instrumen secara keseluruhan, yaitu mengungkap data dari variabel yang dimaksud.
Terdapat beberapa manfaat dari validasi data iklim, yaitu memperoleh keakuratan dan
ketepatan data yang diinginkan, mengevaluasi kebenaran data iklim, menjamin akurasi dan presisi
dari data yang dimiliki, serta mengurangi risiko terjadinya error atau penyimpangan terhadap data
yang dimiliki.
Tujuan
1. Mengetahui cara validasi data iklim.
METODE
Waktu dan Tempat
Waktu
: Senin, 15 September 2014
Tempat : Laboratorium Komputer Departemen Geofisika dan Meteorologi FMIPA IPB
Alat dan Bahan
1. Komputer atau laptop.
2. Alat tulis.
3. Software Ms. Excel.
4. Data iklim Stasiun Klimatologi Baranangsiang FMIPA IPB tahun 2012.
Metodologi
1. Hitung standar deviasi nilai suhu
dengan metode 1 berdasarkan data pada
praktikum 1, dengan rumus Excel:
=STDEV.
contoh: =STDEV(O6:O371)

2. Hitung juga nilai rata-rata suhunya

dengan rumus Excel: =AVERAGE.
contoh: =AVERAGE(O6:O371)

3. Hitung nilai upper limit dengan rumus

Excel: =PERCENTILE.
contoh:
=PERCENTILE(O6:O371;99,9%)

4. Hitung nilai lower limit dengan rumus

Excel: =PERCENTILE.
contoh: =PERCENTILE(O6:O371;0,1%)

5. Hitung nilai impossible value (atas)

dengan rumus:
upper limit + (5 x standar deviasi).

6. Hitung nilai impossible value (bawah)

dengan rumus:
lower limit - (5 x standar deviasi).

7. Kelompokkan nilai suhu ke dalam tiap

selang, dengan rentang nilai tiap selang
1. Hitung frekuensinya. Buat grafik
dengan tipe grafik batang.

HASIL DAN PEMBAHASAN

Gross error merupakan merupakan salah satu kesalahan yang menyebabkan nilai
pengukuran menjadi sangat berbeda (besar/kecil) bila dibandingkan dengan nilai ukuuran yang
seharusnya. Gross error biasa disebut juga spurious error. Gross error ini biasanya disebabkan oleh
kesalahan manusia atau juga kesalahan alat ukur karena tidak berfungsi dengan baik. Kesalahan ini
menyebabkan hasil pengukuran menjadi tidak homogen. Untuk mengatasinya, nilai yang salah harus
dideteksi terlebih dahulu dan kemudian dihilangkan dari hasil pengukuran (Mutiara 2004).
Tes batas adalah proses pengecekan data yang didasarkan pada rentang nilai tertentu yang
menggambarkan kondisi unsur iklim. Ambang batas digunakan untuk menentukan batasan nilai
yang biasa, tidak biasa, dan tidak mungkin. Penentuan batas dapat dilakukan dengan menggunakan
pendekatan analisis distribusi dan percentil dari data yang berkualitas yang baik. Tes toleransi adalah
penentuan nilai perhitungan batas atas dan bawah yang masih dapat diterima (ditoleransi) nilainya.
Penentuan batasnya dapat dihitung dengan persamaan : nilai rata-rata 4 x standar deviasi. Data
yang berada di luar selang batas toleransi atas dan bawah dinyatakan sebagai impossible value (nilai
mustahil).
Pada praktikum kali ini, praktikan hanya mengolah sedikit beberapa data yang diperlukan.
Data yang diolah berasal dari data pada praktikum pertama. Data utama yang diperlukan adalah data
suhu rata-rata yang didapatkan berdasarkan metode perhitungan (((2xT07.30)+T13.30+T17.30)/4).
Setelah itu dihitunglah nilai standar deviasi dari keseluruhan nilai suhu rata-rata tersebut dan
didapatkan nilai 1,092880664. Kemudian dihitung juga nilai suhu rata-rata secara keseluruhan dan
didapatkan nilai 26,0181694. Untuk nilai batas-batas didapatkan nilai 17,939875 untuk nilai batas
bawah (lower limit) dan 28,469875 untuk nilai batas atas (upper limit). Nilai batas-batas ini
didapatkan dengan menggunakan rumus percentile pada Microsoft Excel. Lalu dihitung pula
impossible value untuk batas atas dan bawah dengan hasil 12,47547168 untuk impossible value
bawah dan impossible value atas adalah 33,93427832. Daerah yang berada di antara nilai batas
bawah dengan impossible value bawah disebut daerah extreme low, sedangkan daerah yang berada
di antara nilai batas atas dengan impossible value atas disebut daerah extreme high, seperti yang
dapat dilihat pada grafik di bawah ini.

Impossible Value

Extreme High

Extreme Low

Impossible Value

Lower Limit

Upper Limit

Gambar 1 Grafik suhu rata-rata beserta penentuan batas toleransi.

Data yang menyimpang atau error dapat disebabkan oleh berbagai hal. Kesalahan yang
terjadi pada pengukuran berdasarkan sumber-sumbernya dapat diklasifikasikan menjadi tiga, yaitu
sebagai kesalahan alami, kesalahan karena alat, dan kesalahan karena pengukur. Sementara secara
konvensional, kesalahan dikategorikan ke dalam tiga jenis, yaitu kesalahan besar (gross error),
kesalahan sistematik (systematic error), dan kesalahan acak (random error). Untuk mengetahui,
apakah data yang kita miliki error atau tidak, kita harus mendeteksi secara hati-hati objek yang akan
diukur, memverifikasi hasil yang dicatat dengan yang dibaca, serta mengulangi pengukuran secara
mandiri untuk mengecek kekonsistenan data. Selain itu kesalahan pun dapat dihindari dan
diminimalisir dengan mengkalibrasi terlebih dahulu perlatan yang akan digunakan untuk mengukur
atau gunakan metode-metode pengukuran tertentu (Mutiara 2004).
KESIMPULAN
Setelah melaksanakan praktikum, praktikan kini mengetahui cara memvalidasi data iklim.
Praktikan mampu mendapatkan nilai rata-rata, standar deviasi, lower limit, upper limit, serta
impossible value. Praktikan juga dapat mengetahui apakah terdapat gross error dengan melakukan
tes toleransi dan tes batas. Diharapkan apabila nanti praktikan dihadapkan pada suatu penelitian
yang memiliki data seperti itu, praktikan mampu mengatasi hal tersebut.
DAFTAR PUSTAKA
Harmita. 2004. Petunjuk pelaksanaan validasi metode dan cara perhitungannya. Majalah Ilmu
Kefarmasian. 1(3):117-135.
Hendri J. 2009. Validasi dan reliabilitas. Di dalam: Riset Pemasaran [Internet]. Depok (ID):
Universitas Gunadarma. Hlm 1-3; [diunduh 2014 Sept 21]. Tersedia pada:
http://hendri.staff.gunadarma.ac.id/Downloads/files/15757/VALIDASI+DAN+RELIABILI
TAS.pdf.
Mutiara I. 2004. Konsep pengukuran dan kesalahan. Di dalam: Pendidikan dan Pelatihan Teknis
Pengukuran dan Pemetaan Kota [Internet]. Surabaya (ID): Institut Teknologi Sepuluh
November. Hlm 1-6; [diunduh 2014 Sept 21]. Tersedia pada: http://oc.its.ac.id/ambilfile.php
?idp=373.
Nasution M D. 1994. Penentuan proporsi optimal sub-data dalam validasi silang [tesis]. Bogor (ID):
Institut Pertanian Bogor.
Standar Operating Procedure (SOP) Validasi Data Hidrologi. 2012. [Internet]. [diakses 2014 Sep
21]. Tersedia pada: http://bisda.dpu.ntbprov.go.id/index.php?option=com_content&view=
article&id=159&Itemid=163.