Statistika Terapan Penelitian:

STUDI VARIABILITAS SPASIAL DAN TEMPORAL

TEMPERATUR PERMUKAAN LAUT BERDASARKAN
ANALISIS CITRA TERMAL SATELIT LANDSAT-8 DI
PERAIRAN PLTU SUMURADEM INDRAMAYU JAWA BARAT
Tugas Akhir Mata Kuliah Statistika Terapan
Dosen Pengampu: Dr. Agus Trianto, ST., M.Sc.

Disusun Oleh:
Yusuf Jati Wijaya
NIM 26020115410001

Magister Ilmu Kelautan

Fakultas Perikanan dan llmu Kelautan
Universitas Diponegoro
Semarang
2016

I. PENDAHULUAN

1.1.

Pengertian Korelasi

Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk
mencari hubungan antara dua variabel yang bersifat kuantitatif. Analisis korelasi
merupakan studi pembahasan mengenai derajat hubungan atau derajat asosiasi
antara dua variabel, misalnya variabel X dan variabel Y. Adapun pengertian
korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang bersifat
substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan
bahwa tujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa
erat hubungan antara dua variabel.
Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab
akibat antara dua peubah atau lebih, tetapi semata-mata menggambarkan
keterkaitan linier antar peubah. (Mattjik & Sumertajaya, 2000) Nilai dari
Koefisien korelasi berkisar antara -1 sampai dengan 1.-1 berarti terdapat
hubungan negatif (berkebalikan) yang sempurna0 berarti tidak terdapat hubungan
sama sekali1 berarti terdapat hubungan positif yang sempurnaBanyak metode
statistika untuk mengukur korelasi.
Salah satu yang paling seringdi gunakan adalah Korelasi Pearson. Ini
merupakan Metode Parametrik sehinggamemerlukan pengujian asumsi, yaitu:
1. Data memiliki skala pengukuran interval atau rasio (harus numerik bukan
kategorik)
2. Mengikuti Distribusi Normal
3. Memiliki hubungan linier

Apabila data Anda tidak memenuhi asumsi di atas maka gunakan korelasi
yang lain,yaitu:
1. Tau Kendall
2. Spearman

Syarat yang harus terpenuhi adalah:

Data berskala interval atau rasio

Sebaran data mengikuti distribusi kurva normal

Tehnik sampling sebaiknya probability sampling

1.2.

Tujuan Penggunaan Analisa korelasi.

Pada makalah ini penggunaannya untuk mengetahui sejauh mana korelasi

atau kedekatan hasil pengolahan citra dengan hasil lapangan.

II. MATERI DAN METODE

2.1.

Materi

Pada makalah ini data yang digunakan adalah hasil penelitian mengenai
temperatur permukaan laut di daerah PLTU Sumuradem, Indramayu. Data terdiri
dari hasil pengolahan citra Landsat-8 dan pengukuran di lapangan. Waktu
pengukuran di lapangan pada bulan Juni 2014, dan citra satelit bulan Agustus
2013. Masih dalam satu musim merupakan pertimbangan ke dua data tersebut
untuk dilakukan uji keeratan hubungan.

Tabel 1. Data Pengamatan

NO
Suhu Insitu Suhu Citra
1
34
33.6
2
31.9
32.3
3
31
30.9
4
30.9
31.1
5
31.1
30.4
6
30.8
30.5
7
31
30.7
8
32.1
31.5
9
31.8
32.1
10
32.8
32.6
11
32
32.4
12
33.5
33.1
13
30.1
30.6
14
30
30.4
(Sumber: Wijaya , 2014)

2.2.

Metode

Dalam melakukan uji korelasi bivariate menggunakan software SPSS versi

16. Berikut adalah langkah-langkahnya :

2.2.1. Uji Normalitas

Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data
sampel berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang

dapat digunakan untuk menguji normalitas data, antara lain uji chi-kuadrat, uji
lilliefors, dan uji kolmogorov-smirnov.
Untuk menguji normalitas data dengan SPSS, lakukan langkah- langkah
berikut ini.
Entry data atau buka file data yang akan dianalisis
Pilih menu berikut ini
Analyze
Descriptives Statistics
Explore

2.2.2. Uji Korelasi Bivariate

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk
mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah
hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar
hubungan yang terjadi antara dua variabel.

Untuk menguji korelasi bivariate dengan SPSS, lakukan langkah- langkah

berikut ini.
Entry data atau buka file data yang akan dianalisis
Pilih menu berikut ini
Analyze
Correlate
Bivariate

2.2.

Membaca Analisis Data Output SPSS.

Secara umum, dapat dikatakan bahwa kooefisien korelasi (r) yang besar
menunjukkan hubungan yang kuat, dan sebaliknya. Terdapat korelasi kuat antar
variabel, dengan besar koefisien -1.00 sampai -0.50 dan 0.50 sampai 1.00. Akan
tetapi, bila r mendekati nol, hubungan linier antara X dan Y sangat lemah atau
mungkin tidak ada sama sekali.
Korelasi

Negatif

Positif

Kecil

-0.29 sampai -0.10

0.10 sampai 0.29

Medium

-0.49 sampai -0.30

0.30 sampai 0.49

Besar

-1.00 sampai -0.50

0.50 sampai 1.00

Sugiyono (2007) memberikan pedoman yang agak berbeda untuk

memberikan interpretasi koefisien korelasi, yaitu sebagai berikut:
0,00

- 0,199

= sangat rendah

0,20

- 0,399

= rendah

0,40

- 0,599

= sedang

0,60

- 0,799

= kuat

0,80

- 1,000

= sangat kuat

Apabila diperhatikan kriteria di atas lebih spesifik apabila dibandingan

kriteria sebelumnya.

III. HASIL ANALISIS KORELASI BIVARIATE

3.1.

Uji Normalitas Data

Hasil uji normalitas data akan menentukan apakah data ini bisa dilakukan

untuk proses selanjutnya, yaitu uji korelasi bivariate.

Hasil di atas menunjukkan signifikasi 0.2, dimana dinyatakan normal apabila Sig.
> 0,05. Dapat disimpulkan data tersebut layak untuk dilakukan uji selanjutnya.
3.2.

Uji Korelasi Bivariate

Hasil uji ini merupakan hasil akhir dari tujuan pembuatan makalah ini,

untuk mengetahui seberapa besar hubungan data suhu citra dan suhu di lapangan.

Koefisiensi korelasi yang didapat dari pengolahan SPSS adalah 0.938.

Hasil tersebut sangat mendekati 1, pada bab materi telah dijelaskan apabila
koefisiensi yang didapat 1.00 sampai -0.50 dan 0.50 sampai 1.00 maka hubungan
ke dua data tersebut sangat kuat.

IV. KESIMPULAN
Setelah dilakukan analisis korelasi bivariate antara data suhu permukaan
laut citra satelit dan suhu permukaan laut insitu, didapatkan hasil 0.938. Hasil
tersebut menunjukkan bahwa hubungan ke dua data tersebut kuat, yaitu masuk
dalam kategori 0.5-0.1. Apabila berdasarkan kriteria Sugiyono (2007) maka hasil
tersebut sangat kuat berada antara 0.8-1.0.
Hasil tersebut juga menunjukkan bahwa algoritma yang digunakan untuk
mengolah data citra satelit sudah betul dan hasil pengolahan citra tersebut bisa
digunakan untuk analisis dan pengamatan selanjutnya.

DAFTAR PUSTAKA
Mattjik, A. A & Sumertajaya, I. M. 2000. Perancangan Percobaan dengan Aplikasi
SAS dan Minitab Jilid I. Bogor: IPB Press.
Sugiyono. 2007. Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif
dan R&D. Bandung: ALFABETA.
Wijaya, Yusuf J., Muh. Yusuf dan dan M. Helmi. 2014. STUDI VARIABILITAS
SPASIAL DAN TEMPORAL TEMPERATUR PERMUKAAN LAUT
BERDASARKAN ANALISIS CITRA TERMAL SATELIT LANDSAT-8
DI PERAIRAN PLTU SUMURADEM INDRAMAYU JAWA BARAT.
Semarang: Undip Jurusan Ilmu Kelautan.