ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU
Oleh : Heru Novriyadi G14101024
PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2005
RINGKASAN
HERU NOVRIYADI. Analisis Korelasi Kanonik Antara Data Curah Hujan GCM dan Data Curah Hujan di Indramayu. Dibimbing oleh AJI HAMIM WIGENA dan HARI WIJAYANTO. Curah hujan tidak hanya terjadi di permukaan atau daratan saja akan tetapi terjadi pada berbagai lapisan atmosfer yang dapat dipantau pada koordinat grid tertentu. Curah hujan yang terjadi pada koordinat grid tersebut diidentifikasi memberikan kontribusi tertentu pada curah hujan yang terjadi di permukaan atau di daratan. Analisis Korelasi Kanonik dapat memberikan gambaran tentang hubungan yang terjadi antara curah hujan yang terjadi pada lapisan atmosfir dengan curah hujan yang terjadi di permukaan atau daratan. Tujuan penelitian ini adalah untuk mengetahui hubungan antara curah hujan di daerah Indramayu yang dipantau melalui stasiun pengamat Meteorologi dengan curah hujan yang dipantau berdasarkan koordinat grid GCM (General Circulation Model) di atas daerah Indramayu dengan menggunakan Analisis Korelasi Kanonik. Data yang digunakan adalah data seku nder di antaranya (1) data Persipitasi GCM yang dikeluarkan ECHAM 6.5 dengan resolusi 2.5ox2.5o (± 300 km 2) dan (2) data curah hujan dari 23 stasiun di Indramayu. Domain data GCM berukuran 8x8 (64) grid di atas Indramayu yaitu dengan koordinat 1.390 LU-18.13 0LS dan 98.44 0BT -118.130BT. Beberapa grid (15 grid) memberikan kontribusi terbesar terhadap fungsi kanonik dalam memprediksi curah hujan di daerah Indramayu. Berdasarkan dua fungsi kanonik pertama, ada 8 stasiun curah hujan yang berkorelasi dengan grid-grid tersebut yaitu stasiun Sukadan, Tugu, Ujungaris, Losarang, Bugel, Karangasem, Bugis. Analisis regresi berganda dilakukan untuk memprediksi curah hujan. Nilai R2 dari pasangan fungsi kanonik pertama berkisar antara 40.1% dan 50.1%, sedangkan Nilai R2 dari pasangan fungsi kanonik kedua berkisar antara 23.5% dan 30.7%.
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU
Skripsi Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Oleh : Heru Novriyadi G14101024
PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2005
RIWAYAT HUDUP Penulis dilahirkan di Jakarta, pada tanggal 24 November 1982. penulis adalah anak pertama dari dua bersaudara dari keluarga Bapak Marda dan Ibu Nuryati Pendidikan SD ditempuh di SD Negeri Harapan Baru dari tahun 1989 sampai 1995. Tahun 1995 penulis melanjutkan sekolah di SLTP Negeri 1 Bekasi hingga tahun 1998. Pada tahun yang sama penulis melanjutkan sekolah di SMU Negeri 1 Bekasi dan lulus tahun 2001. Penulis diterima sebagai mahasiswa Jurusan Statistika pada tahun 2001 melalui jalur Undangan Seleksi Masuk IPB (USMI).
PRAKATA ALHAMDULILLAH, puji dan syukur penulis panjatkan kepada Allah SWT atas segala rahmat-Nya sehingga penulis dapat menyelesaikan karya tulis ilmiah ini. Pada kesempatan kali ini penulis juga ingin mengucapkan terima kasih dan penghargaan kepada : 1. Bapak Ir. Aji Hamim Wigena, M.Sc. dan Ir. Hari wijayanto, M.Si sebagai dosen pembimbing yang telah bersedia meluangkan waktu untuk membimbing dan mengarahkan dengan penuh kesabaran sehingga karya tulis ilmiah ini dapat selesai dengan baik. 2. Bapa dan Mamah beserta adikku Fauzi serta keluarga besar yang telah memberikan do’a dan semangat bagi penulis. 3. Seluruh dosen Departemen Statistika yang telah memberikan bekal ilmu kepada penulis. 4. Ibu dan Ria Emilia atas kasih sayang, doa, dan dukungannya yang diberikan pada penulis selama ini. 5. My Best Friend (Lisda, Rulli, Desi) atas persahabatan yang indah selama ini, teman seperjuangan bimbingan (Yuan, Nana, Eka) serta teman-teman STK-38, terima kasih atas doa dan dukungannya. 6. Seluruh kerabat kerja di Pusat Penelitian Kopi dan Kakao Indonesia yang terus mendukung. 7. Bang Sudin, Bu Dedeh, Bu Markonah, Bu Sulis, Pak Heri, Pak Herman, dan Gusdur atas bantuannya selama ini. 8. Semua pihak yang terus mendukung baik moril maupun spritual yang tak bisa disebutkan satu persatu. Semoga Allah SWT senantiasa memberikan yang terbaik untuk kita semua, Amin Bekasi,
September 2005
Heru Novriyadi
Judul : ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Nama : Heru Novriyadi NRP : G14101024 Menyetujui
Pembimbing I
Pembimbing II
Ir. Aji Hamim Wigena, M.Sc.
Dr.Ir. Hari wijayanto, M.Si
NIP. 130 605 236
NIP. 131 878 950
Mengetahui Dekan Fakultas MIPA
Dr.Ir. Yonny Koesmaryono, MS NIP. 131 473 999
Tanggal Lulus :
DAFTAR ISI
DAFTAR TABEL ..............................................................................................................
Halaman vii
DAFTAR GAMBAR ..........................................................................................................
vii
DAFTAR LAMPIRAN ......................................................................................................
vii
PENDAHULUAN ............................................................................................................... Latar Belakang ............................................................................................................. Tujuan ..........................................................................................................................
1 1 1
TINJAUAN PUSTAKA .....................................................................................................
1
Curah Hujan dan GCM .................................................................................... ............
1
Analisis Korelasi Kanonik ...........................................................................................
1
Analis Regresi...............................................................................................................
3
BAHAN DAN METODE ............................................................................................... Bahan ............................................................................................................... Metode .................................................................................................................
4
HASIL DAN PEMBAHASAN ........................................................................................
4
KESIMPULAN ............................................................................................................
9
DAFTAR PUSTAKA ..................................................................................................
9
LAMPIRAN .................................................................................................................
10
4 4
DAFTAR TABEL
1. Korelasi kanonik setelah peubah X ke 64 dihilangkan ………………………………... 2. Nilai R -square untuk tiap -tiap model dari pasangan …………………………………..
Halaman 7 7
DAFTAR GAMBAR
1. Peta Stasiun Meteorologi Indramayu ………………………………………………….. 2. Peta Grid GCM ………………………………………………………………………... 3. Plot Curah Hujan Rata-rata dan 3 Stasiun berkontribusi besar pada fungsi kanonik 1... 4. Plot Curah Hujan Rata-rata dan 8 grid berkontribusi besar pada fungsi kanonik 1........ 5. Plot Curah Hujan Rata-rata dan 5 Stasiun berkontribusi besar pada fungsi kanonik 2... 6. Plot Curah Hujan Rata-rata dan 7 grid berkontribusi besar pada fungsi kanonik 2........ 7. Plot Curah Hujan Rata-rata dan 4 Stasiun berkontribusi besar pada fungsi kanonik 3... 8. Plot Curah Hujan Rata-rata dan 4 grid berkontribusi besar pada fungsi kanonik 3........ 9. Plot Curah Hujan Rata-rata dan 5 Stasiun berkontribusi besar pada fungsi kanonik 4... 10. Plot Curah Hujan Rata-rata dan 5 grid berkontribusi besar pada fungsi kanonik 4...... 11. Plot Curah Hujan Rata-rata dan 5 Stasiun berkontribusi besar pada fungsi kanonik 5. 12. Plot Curah Hujan Rata-rata dan 5 grid ber kontribusi besar pada fungsi kanonik 5...... 13. Perbandingan Curah Hujan Stasiun Sukadana pada fungsi kanonik 1.......................... 14. Perbandingan Curah Hujan Stasiun Tugu pada fungsi kanonik 1…………………... 15. Perbandingan Curah Hujan Stasiun Ujungaris pada fungsi kanonik 1.......................... 16. Plot Curah Hujan Aktual Bulan Januari pada fungsi kanonik 1................................... 17. Plot Curah Hujan Ramalan Bulan Januari pada fungsi kanonik 1............................... 18. Plot Curah Hujan Aktual Bulan Februari pada fungsi kanonik 1................................. 19. Plot Curah Hujan Ramalan Bulan Februari pada fungsi kanonik 1.............................. 20. Plot Curah Hujan Aktual Bulan Maret pada fungsi kanonik 1..................................... 21. Plot Curah Hujan Ramalan Bulan Maret pada fungsi kanonik 1..................................
Halaman 3 4 5 5 5 5 6 6 6 6 6 7 7 8 8 8 8 8 8 8 8
DAFTAR LAMPIRAN Halaman 1. Tabel K oordinat Grid……………………………………………………....................... 2. Tabel Nama dan Letak 23 Stasiun Pengamat Curah Hujan di Indramayu...................... 3. Tabel Korelasi antar peubah y ……………………………………………………….. 4. Tabel Koefisien korelasi kanonik (Data Lengkap) ……………………………........... 5. Tabel Proporsi keragaman kumulatif ………………………………………………… 6. Urutan Kontribusi Relatif Peubah-Peubah Dependen (Y) Berdasarkan Koefisien Kanonik yang telah di Bakukan …………………………………………………..…… 7. Urutan Kontribusi Relatif Peubah-Peubah Independen (X) Berdasarkan Koefisien Kanonik yang telah diBakukan sebanyak 17 grid……………………………………… 8. Plot Curah Hujan Aktual Tahun 2001 pada fungsi kanonik 1....................................… 9. Plot Curah Hujan Ramalan Tahun 2001 pada fungsi kanonik 1..................................... 10. Plot Curah Hujan Aktual Tahun 2001 pada fungsi kanonik 2....................................... 11. Plot Curah Hujan Ramalan Tahun 2001 pada fungsi kanonik 2................................... 12. Plot Curah Hujan Aktual Tahun 2001 pada fungsi kanonik 3....................................... 13. Plot Curah Hujan Ramalan Tahun 2001 pada fungsi kanonik 3................................... 14. Plot Curah Hujan Aktual Tahun 2001 pada fungsi kanonik 4...................................... 15. Plot Curah Hujan Ramalan Tahun 2001 pada fungsi kanonik 4................................... 16. Plot Curah Hujan Aktual Tahun 2001 pada fungsi kanonik 5...................................... 17. Plot Curah Hujan Ramalan Tahun 2001 pada fungsi kanonik 5...................................
11 11 12 13 14 15 15 16 17 18 19 20 21 22 23 24 25
PENDAHULUAN
memberikan gambaran distribusi pola curah hujan masa depan di daerah Indramayu.
Latar Belakang
TINJAUAN PUSTAKA Indonesia memiliki letak geografis yang strategis yaitu antara 50 LU dan 1200 LS di mana posisi ini terletak di sepanjang ga ris khatulistiwa. Letak geografis ini memungkinkan Indonesia memiliki dua musim yaitu musim penghujan dan musim kemarau. Kondisi terjadinya m usim ini terus menerus berbeda dan dapat dimodelkan. Pemodelan ini melibatkan berbagai peubah dan dapat digunakan untuk melihat pola musim di masa yang akan datang. Model-model dalam menganalisa kedua musim sudah banyak diterapkan di dunia di antaranya General Circulation Model (GCM). Model GCM merupakan data yang berskala besar sedangkan untuk pengamatan secara lokal dapat dilakukan melalui stasiun pengamat curah hujan di daratan. Hubungan kedua data curah hujan baik data GCM dan data aktual stasiun pengamat belum banyak diteliti. Stastistical Downscaling merupakan teknik stasistika yang mampu menganalisa hubungan antara pengamatan berskala besar dengan pengamatan yang berskala lokal. Data yang dihasilkan GCM dapat memberikan gambaran tentang curah hujan yang terjadi di setiap stasiun pengamat di daratan. Analisis Korelasi Kanonik merupakan salah satu teknik yang dapat dijelaskan dalam statistical downscaling untuk mendapatkan informasi hubungan antara curah hujan GCM dan curah hujan di permukaan. Dengan menggunakan analisis ini struktur hubungan yang kompleks antar kedua gugus peubah dapat dijelaskan. Tujuan Penelitian Penelitian ini bertujuan untuk mengetahui hubungan antara curah hujan di daerah Indramayu yang dipantau melalui stasiun pengamat Meteorologi dengan curah hujan yang dipantau berdasarkan koordinat grid GCM di atas daerah Indramayu dengan menggunakan Analisis Korelasi Kanonik. Manfaat Penelitian Hubungan ini akan memberikan gambaran koordinat grid mana saja yang memberikan kontribusi yang besar terhadap curah hujan di permukaan Indramayu. Analisis Korelasi Kanonik dapat
Curah Hujan dan GCM Curah hujan memiliki keragaman yang besar dalam ruang dan waktu. Keragaman curah hujan menurut ruang sangat dipengaruhi oleh letak geografi (letak terhadap lautan dan daratan), topografi, ketinggian tempat, arah angin umum dan letak lintang. Keragaman curah hujan terjadi juga secara lokal di suatu tempat yang menyebabkan penyebaran hujan tidak merata. Sementara menurut waktu dipandang dalam hubungannya dengan jangka waktu hujan (hujan tahunan, musiman, bulanan, atau jangka waktu yang lebih pendek). Dominasi pengaruh curah hujan selalu dikaitkan dengan variasi curah hujan yang besar. Curah hujan dapat terjadi pula pada lapisan atmosfer yang lain di antaranya pada lapisan tertentu dan pada ketinggian tertentu. Hal ini biasa dikenal curah hujan pada titik koordinat tertentu yaitu koordinat grid yang dapat dipantau melalui suatu model GCM (General Circulation Model ). Perpotongan antara sumbu absis (x) dengan ordinat (y) dinamakan koordinat grid. Data GCM dapat memberikan gambaran curah hujan yang akan terjadi di daratan dan dapat dipantau oleh stasiun-stasiun pengamat Meteorologi. Analisis Korelasi Kanonik Secara sederhana untuk melihat keeratan hubungan antara peubah X dan peubah Y dapat menggunakan koefisien korelasi Pearson. Koefisien korelasi ini mengukur hubungan linear antara dua peubah X dan Y , yang diduga dengan koefisien korelasi r, yaitu :
rX Y =
S XY S XX
………….(1)
S YY
Di mana : rXY = korelasi antara peubah X dengan peubah Y SXY = koragam peubah X dan peubah Y SXX = peragam peubah X SYY = peragam peubah Y
Koefisien korelasi ini hanya dapat digunakan untuk melihat hubungan antara dua peubah saja, sedangkan untuk melihat hubungan antara gugus peubah X dan Y yang unsur peubahnya lebih dari satu dapat menggunakan Analisis Korelasi Kanonik. Analisis Korelasi Kanonik merupakan teknik statistika peubah ganda yang menyelidiki hubungan antara dua gugus peubah (Dillon & Goldstein 1984). Hubungan antara dua gugus peub ah bisa berbentuk simetrik dan juga tidak simetrik. Namun pada banyak penerapan dua gugus peubah tersebut tidak diperlakukan secara simetrik. Satu gugus diperlakukan sebagai gugus peubah penduga sedang gugus lainnya diperlakukan sebagai gugus peubah respon. Analisis Korelasi Kanonik digunakan untuk menganalisis dua gugus peubah secara simultan. Tepat sekali digunakan apabila di antara peubah -peubah responnya saling berkorelasi. Dengan analisis ini struktur hubungan yang kompleks antara dua gugus peubah dapat dijelaskan . Tujuan dari Analisis Korelasi Kanonik adalah mencari kombinasi linear dari p peubah penduga yang berkorelasi maksimum dengan kombinasi linear q peubah respon. X*=a1 x1 + a2 x2 + … + a p xp = a’x …(3) Y*=b 1y1 + b2y2 + … + b qyq = b’y ….(4) Pasangan kombinasi linear tersebut yaitu a’x dan b’y disebut peubah kanonik. Korelasi antara X* dan Y* dapat dinyatakan sebagai fungsi dari a dan b dapat dinyatakan sebagai fungsi berikut :
rX *Y * =
a '∑
XY
b
(a '∑ XX a )(b'∑ YY b )
Vektor koefisien a dan b dapat diperoleh dengan cara mencari akar ciri-akar ciri 2 2 2 dan vektor ciri λ1 〉λ 2 〉 K 〉λ m padanannya f1 ,f2,…,fm dari matriks −1/ 2 1 −1/ 2 . Disamping itu ∑YY ∑YX ∑−XX ∑XY ∑YY λ 1 2 〉 λ 2 2 〉 K 〉 λ m 2 juga merupakan akar ciri - akar ciri dari matrik 1/2 1/ 2 yang berpadanan dengan ∑−XX ∑XY ∑−YY1 ∑YX ∑−XX vektor ciri e1, e2, …, em sehingga vektor koefisien a dan b y aitu : a=
ei ∑−XX1 / 2 −1 / 2 f i ∑YY
b= ……………………...(7) di mana : ai = vektor pembobot kanonik X* ke-i bi = vektor pembobot kanonik Y* ke-i ei = vektor ciri X* ke-i fi = vektor ciri Y* ke-i ∑XX = matriks ragam dari peubah X berukuran (pxp) ∑YY = matriks ragam dari peubah Y berukuran (qxq) i = 1, 2, …, m m = min (p,q) Akar positif dari akar ciri λi
2 λi yaitu
merupakan koefisien korelasi kanonik
antara peubah kanonik Xi* dan Yi *, sedang akar ciri (λi2 ) menggambarkan keragaman peubah kanonik misalkan Xi* yang diterangkan oleh peubah kanonik lainnya Yi * atau sebaliknya (Gittins 1985) Proporsi keragaman gugus peubah X dapat diterangkan oleh peubah kanoniknya X* adalah
…...(5)
di mana : rX*Y* = matriks korelasi antara gugus peubah kanonik X* dengan gugus peubah kanonik Y* berukuran (p+q)x(p+q) a = vektor pembobot peubah kanonik X* b = vektor pembobot peubah kanonik Y* ∑ XX = matriks peragam peubah X berukuran (pxp) ∑YY = matriks p eragam peubah Y berukuran (qxq) ∑ XY = matriks p eragam peubah X dan peubah Y berukuran (pxq)
………………………(6)
R
2
( i) X
p
(rX * X ) 2
j =i
p
=∑
i
j
………….(8)
di mana: R 2 (i ) X = proporsi keragaman gugus peubah X yang dapat diterangkan oleh peubah kanoniknya X* ke-i r X i * X j = korelas i antara peubah
p i j m
kanonik X* ke-i peubah X kej = banyaknya peubah X = 1, 2, …, m = 1, 2, …, p = min (p,q)
dengan
Proporsi keragaman gugus peubah Y dapat diterangkan oleh peubah kanoniknya X* adalah
R
2
( i )Y
q
(rY *Y ) 2
j =i
q
= ∑
i
j
………….(9)
di mana:
R 2 ( i )Y
rYi *Y j
q i j m
= proporsi keragaman gugus peubah Y yang dapat diterangkan oleh peubah kanoniknya Y* ke-i = korelasi antara peubah kanonik Y* ke-i peubah Y ke-j = banyaknya peubah Y = 1, 2, …, m = 1, 2, …, q = min (p,q)
dengan
Nilai proporsi keragaman akan menentukan pemilihan jumlah peubah kanonik dan berguna dalam interpretasi data. Batasan dalam pengambilan nilai proporsi keragaman kumulatif peubah X dan Ybersifat relatif. Dalam penelitian ini proporsi keragaman sebesar 50% digunakan untuk menentukan pasangan kanonik yang akan digunakan. Penggunaan korelasi kanonik untuk tujuan deskriptif tidak memerlukan asumsi mengenai bentuk sebaran datanya, dan kedua gugus peubah bisa diukur dengan menggunakan skala nominal atau ordinal (Dillon & Goldstein 1984).
Analisis Regresi Analisis regresi merupakan analisis yang dapat menjelaskan hubungan dua peubah atau lebih serta menelusuri pengaruh peubah satu terhadap peubah lainnya. Hubungan antara peubah0peubah tersebut dapat dirumuskan dalam bentuk persamaan :
Y = β0 + β1 X 1 + β 2 X 2 + K + β k X k + ε
dimana Y merupakan peubah respon, X adalah peubah bebas dan ß merupakan parameter sedangkan e adalah sisaan model. Analisis ini merupakan salah satu metode dalam memprediksi curah hujan untuk setiap stasiun sebagai peubah Y. BAHAN DAN METODE Bahan Data yang digunakan dalam penelitian merupakan data sekunder yang diperoleh dari pengukuran dan pengujian yang dilakukan oleh stasiun pengamat Meteorologi di Indramayu . Dua gugus peubah yang dibentuk dalam penelitian ini adalah gugus peubah curah hujan pada koordinat grid tertentu (X) (Gambar 2) dan curah hujan yang dipantau oleh stasiun Pengamat Meteorologi (Y) (Gambar 1). Pengamatan dilakukan terhadap 23 stasiun dengan data curah hujan dari periode Januari tahun 1980 – Desember tahun 2001. Koordinat grid yang diambil adalah sebanyak 64 grid di atas wilayah Indramayu dengan luasan 8 x 8 dan resolusi 2.5o x2.5o (±300 km 2 ), ( Lampiran 1 dan 2).
Gambar 1 Peta Stasiun Meteorologi Indramayu
Gambar 2 Peta Grid GCM Metode Beberapa langkah yang dilakukan dalam penelitian ini adalah sebagai berikut : 1. Melihat korelasi untuk masing-masing peubah yaitu korelasi peubah X dan peubah Y. 2. Menganalisis data dengan menggunakan Analisis Korelasi Kanonik dan diolah mengunakan program SAS. 3. Menentukan Koordinat grid GCM dan stasiun yang memberikan kontribusi besar terhadap fungsi kanonik . 4. Membuat plot atau pola curah hujan aktual 2001 dan pola curah hujan hasil peramalan 2001 untuk masing-masing pasangan kanonik dengan menggunakan Softwear Surfer ver7 . 5. Menginterpretasi hasil plot pada tahap 4. 6. Melakukan Analisis Sensitivitas untuk peubah X yaitu dengan menghilangkan salah satu peubah X yaitu X64 serta membandingkan nilai loding kanoniknya dengan sebelum dihilangkan. 7. Melakukan analisis regresi untuk mendapatkan prediksi curah hujan untuk masing-masing stasiun.
HASIL DAN PEMBAHASAN Korelasi antar Peubah Peubah curah hujan di permukaan maupun data curah hujan GCM berkorelasi nyata (Lampiran 3), sehingga dalam penelitian ini syarat penggunaan analisis peubah ganda, khususnya korelasi kanonik dipenuhi . Nilai-nilai korelasi ini dapat menggambarkan hubungan antar peubah, namun untuk mengetahui gambaran secara umum hubungan simultan antara peubah (X) dan peubah (Y), nilai-nilai korelasi antar peubah asal ini belum bisa menggambarkannya. Hasil korelasi kanonik menunjukkan adanya hubungan yang sangat erat antara pasangan peubah kanonik X* dan Y* yang selanjutnya akan diterangkan bahwa X* sama dengan W dan Y* sama dengan U. Proporsi keragaman kumulatif sebesar 50% setelah pengambilan pasangan peubah kanonik yang kelima, maka interpretasi hasil analisis yang dilakukan dengan menggunakan peubah kanonik sampai den gan pasangan tersebut. Sampai dengan pasangan peubah kanonik yang kelima ini korelasi kanonik relatif masih cukup tinggi, yaitu sebesar 0.9001, 0.8235, 0.7986, 0.7415, 0.7174 (lihat Lampiran 4). Proporsi keragaman kumulatif yang mampu diterangkan oleh fungsi kanonik pertama yaitu sebesar 24.46%, dan fungsi kanonik kedua, ketiga, keempat dan kelima sebesar 12.07%, 10.08%, 6.99% dan 6.08% (Lampiran 5). Interpretasi hasil analisis dalam penelitian ini berdasarkan nilai-nilai loading kanonik, yaitu nilai korelasi yang telah dibakukan antara peubah asal dengan peubah
kanoniknya. Berdasarkan nilai beban kanonik antara data curah hujan stasiun (U1 ) dengan peubah kanonik pertama, maka ada beberapa stasiun pengamat curah hujan yang memiliki nilai yang nyata dengan peubah kanonik pertama yaitu stasiun Sukadana (0.0036), Tugu (0.003 3), Ujungaris (0,0023). Sedangkan beban kanonik antara data curah hujan koordinat grid (W 1) dengan peubah kanonik pertama terdapat beberapa peubah yang nilainya nyata, yaitu grid -2599, 2535, 2663, 2725, -2405, -2661, 2467, -2407. Tanda negatif pada nama grid menunjukkan pengaruh atau kontribusi yang diberikan terhadap fungsi kanonik pertama. Plot data curah hujan dapat dilihat pada Gambar 3 dan Gambar 4.
Peubah kanonik yang kedua untuk data curah hujan stasiun (U2) memperlihatkan nilai beban kanonik yang nyata, di antaranya stasiun Losarang (-0.00914), Ujungaris (0.00794), Bugel (-0.00726), Karangasem (0.00678), Bugis (-0.00561), Bugis (-0.00561) sedangkan untuk grid (W2 ) yang bernilai nyata yaitu grid -2342, 2343, -2407, 2471, 2406, -2662, -2535. Pengeplotan data curah hujan dapat dilihat pada Gambar 5 dan Gambar 6.
Bugel(-)
200
-6.3
180
Bugis(-) losarang(-)
Karangasem -6.4
160 140
ujungaris
100 80
-6.5
-6.3
120
60 200
40
180
tugu ujungaris
-6.4
107.2
140 120 100
-6.5
20
160
sukadana
80 60
107.4
107.6
107.8
108
108.2
0
Gambar 5 Plot Curah Hujan Rata-rata dan 5 stasiun berkontribusi besar pada fungsi kanonik 2
40 20
107.2
107.4
107.6
107.8
108
108.2
0
200
-2
180
-4
160
0
Gambar 3 Plot Curah Hujan Rata-rata dan 3 stasiun berkontribusi besar pada fungsi kanonik 1
140 -6
120 -8
100 -10
80 -12
-14
0
200
-2
180
60
x15
x23
x16
x24
x55
40 20
-16
-18
160
-4
x28
-6
140 120
-8
100
-10
x22
-12
x54 x62
80
100
102
104
x32 106
108
x40 110
0 112
114
116
118
Gambar 6 Plot Curah Hujan Rata-rata dan 7 grid berkontribusi besar pada fungsi kanonik 2
60 -14
40 -16
x24
-18 100
102
104
20
x40 x48 x56 106
108
110
112
114
116
118
0
Gambar 4 Plot Curah Hujan Rata-rata dan 8 grid berkontribusi besar pada fungsi kanonik 1 Beban kanonik pertama menunjukkan bahwa grid 2535, 2663, 2725, 2467 memberikan kontribusi positif terhadap curah hujan yang terjadi stasiun Sukadana, Tugu, Ujungaris. Apabila curah hujan di grid-grid tersebut naik maka curah hujan di ketiga stasiun akan naik pula. Sedangkan untuk grid 2599, -2405, -2661, -2407 memberikan kontribusi yang negatif dengan pengertian bahwa jika curah hujan turun pada ke empat koordinat tersebut turun maka curah hujan di ketiga stasiun pengamat akan tetap naik.
Beban kanonik kedua menunjukkan bahwa grid 2343, 2471, 2406, memberikan kontribusi positif terhadap curah hujan yang terjadi stasiun Ujung Garis dan Karangasem. Apabila curah hujan di grid-grid tersebut naik maka curah hujan di kedua stasiun akan naik pula. Sedangkan untuk stasiun Losarang, Bugel, Bugis, akan memiliki curah hujan turun ketika curah hujan di Grid -2342 , -2407, -2662, 2535 turun. Peubah kanonik yang ketiga untuk data curah hujan stasiun (U3), memperlihatkan nilai beban kanonik yang nyata di antaranya stasiun Sukra (-0.01041), Waguk (-0.01026), Bugel (0.007843), Ujungaris (-0.00683), sedangkan untuk grid (W 3) yang bernilai nyata yaitu Grid -2533, 2597, 2469, -2660. Pengeplotan data curah hujan dapat dilihat pada Gambar 7 dan Gambar 8.
-6.3
Bugel Sukra(-)
-6.3
180 160
Wanguk(-)
-6.4
Anjatan(-)
200
Karangasem -6.4
100
-6.5
Kroya(-)
120
180
losarang Cikedung(-)
140
ujungaris(-)
200
160 140 120 100
-6.5
80
80
60
60 40
40
107.2
20
107.2
107.4
107.6
107.8
108
108.2
107.4
107.6
107.8
108
108.2
20 0
0
Gambar 7 Plot Curah Hujan Rata-rata dan 4 stasiun berkontribusi besar pada fungsi kanonik 3
Gambar 9 Plot Curah Hujan Rata-rata dan 5 stasiun berkontribusi besar pada fungsi kanonik 4
0
200
0
200
-2
180
-2
180
-4
160
-6
140
160
-4
140
x44
-6
120 -8
120
-8
x53
x21
100
-10
x29
x37
100
-10
x30
-12
80
x38 x46
80 -12
60 -14
60 -14
40
40 -16
-16
20 -18
-18 100
102
104
106
108
110
112
114
116
118
0
20
x16 100
102
104
106
108
110
112
114
116
118
0
Gambar 8 Plot Curah Hujan Rata-rata dan 4 grid berkontribusi besar pada fungsi kanonik 3
Gambar 10 Plot Curah Hujan Rata-rata dan 5 grid berkontribusi besar pada fungsi kanonik 4
Beban kanonik ketiga menunjukkan bahwa grid, 2597, 2469 memberikan kontribusi positif terhadap curah hujan yang terjadi stasiun Bugel. Apabila curah hujan di Grid tersebut naik maka curah hujan di stasiun Bugel akan naik pula. Sedangkan untuk stasiun Sukra, Waguk dan Ujungaris akan memiliki curah hujan turun ketika curah hujan di grid -2533, -2660 turun. Peubah kanonik yang keempat untuk data curah hujan stasiun (U 4), memperlihatkan nilai beban kanonik yang nyata di antaranya stasiun Cikedung (-0.00946), Anjatan (-0.00691), Losarang (0.006267) , Karangasem (0.006267), Kroya (-0.00583) sedangkan untuk grid yang bernilai nyata yaitu grid (W4 ) -2468, -2595, 2 404 , -2343, 2532 . Pengeplotan data curah hujan dapat dilihat pada Gambar 9 dan Gambar 10.
Beban kanonik keempat menunjukkan bahwa grid, 2404, 2532 memberikan kontribusi positif terhadap curah hujan yang terjadi stasiun Losarang dan Karangasem. Apabila curah hujan di Grid tersebut naik maka curah hujan di kedua stasiun itu akan naik pula. Sedangkan untuk stasiun Kroya, Anjatan dan Cikedung akan memiliki curah hujan turun ketika curah hujan di grid -2468, -2595, -2343 turun.
Bugel
200
-6.3
Tlkacang
180
Bugis
160 140
-6.4 Gabuswetan Tamiyang
120 100 80
-6.5
60 40 20
107.2
107.4
107.6
107.8
108
108.2
0
Gambar 11 Plot Curah Hujan Rata-rata dan 5 stasiun berkontribusi besar pada fungsi kanonik 5
0
200
-2
180
-4
160 140
x44
-6
120
-8
x29
model yang dihasilkan untuk tiap-tiap pasangan kanonik dapat dilihat berdasarkan Tabel 2. Tabel 2 Nilai R 2 setiap model regresi brdasarkan pasangan kanonik untuk setiap stasiun
100
-10
80 -12
60
Pasangan kanonik
Nama stasiun
Nilai R-square Regresi
-14
40 -16
x16
-18
100
102
104
106
108
110
112
1
20
x40 x48 114
116
0
118
Gambar 12 Plot Curah Hujan Rata-rata dan 5 grid berkontribusi besar pada fungsi kanonik 5
2
Beban kanonik kelima menunjukkan bahwa grid, 2599, 2468 memberikan kontribusi positif terhadap curah hujan yang terjadi stasiun Tikacang, Tamiyang dan Bugel. Apabila curah hujan di Grid tersebut naik maka curah hujan di kedua stasiun itu akan naik pula. Sedangkan untuk stasiun Bugis dan Gabuswetan akan memiliki curah hujan turun ketika curah hujan di grid -2535 , -2343, 2595 turun.
3
4
Tabel 1 Korelasi kanonik setelah peubah X ke 64 dihilangkan peubah
Adjusted
Approximate
Squared
kanonik
Canonical
Canonical
Standard
Canonical
ke-
Correlation
Correlation
Error
Correlation
5
sukadana
40.1%
tugu
46.2%
ujungaris
50.1%
losarang
23.5%
ujungaris
27.5%
Bugel
30.7%
Karangasem
24.5%
Bugis
25.7%
Sukra
22.3%
Wanguk
24.0%
Bugel
25.0%
ujungaris
34.7%
Cikedung
26.0%
Anjatan
21.0%
losarang
23.0%
Karangasem
24.0%
Kroya
25.0%
Tlkacang
19.0%
Tamiyang
18.0%
Bugel
25.8%
1
0.8988
0.8578
0.0124
0.8079
Bugis
21.6%
2
0.8217
0.7373
0.0210
0.6752
Gabuswetan
15.0%
3
0.7926
0.7040
0.0240
0.6282
4
0.7395
0.6016
0.0293
0.5469
5
0.7151
0.5661
0.0316
0.5113
perbandingan curah hujan sukadana tahun 2001
400 300 200 100 0
ramalan
feb ma r ap r me i jun i jul ag i us se pt ok t no v de s
aktual
jan
Berdasarkan Tabel 1, analisis sensitivitas dengan menghilangkan salah satu peubah X yaitu grid ke 64, diperoleh nilai loading kanonik yang cukup stabil bila dibandingkan sebelum dihilangkan sebesar 0.9001. Hal ini mengindikasikan bahwa fungsi kanonik yang diperoleh sudah valid dalam menarik kesimpulan. Setelah mengetahui grid-grid dan stasiun mana saja yang berkontribusi untuk masingmasing pasangan kanonik, dilakukan peramalan untuk masing-masing pasangan kanonik tersebut. Peramalan ini dilakukan dengan menggunakan data tahun 2001 dan menggunakan salah satu metode statistika seperti Analisis Regresi Berganda. Analisis regresi yang dilakukan menghasilkan nilai R2 yang merupakan nilai ketepatan terhadap
Nilai R -square relatif besar berkisar antara 40.1% dan 50.1%. Nilai R 2 ini dapat digunakan dalam melihat seberapa besar tingkat keyakinan dalam menarik kesimpulan. Peramalan ini dapat digunakan untuk melihat keeratan hasil yang dip eroleh melalui Analisis Korelasi Kanonik. Perbandingan plot antara data aktual dengan data peramalan berdasarkan pasangan peubah kanonik pertama yang memiliki keragaman terbesar dapat dilihat pada Gambar13, 14 dan 15.
Gambar 13 Perbandingan Curah Hujan stasiun Sukadana pada fungsi kanonik 1
Tugu
-6.44
perbandingan curah hujan tugu tahun 2001
-6.45 Ujungaris -6.46
400 300 200 100 0
-6.47
ramalan
-6.48
aktual
-6.49
-6.5
v -6.51
t ok t no v de s
juli
us se p
-6.53
ag
feb ma r ap r me i jun i
jan
-6.52
-6.54 Sukadana 108.29
Gambar 14 Perbandingan Curah Hujan stasiun Tugu pada fungsi kanonik 1
108.3
108.31
108.32
108.33
Gambar 18 Plot Curah Hujan Aktual Bulan Februari pada fungsi kanonik 1
perbandingan curah hujan ujung garis tahun 2001
Tugu
-6.44
350 300 250 200 150 100 50 0
-6.45 Ujungaris
ramalan
-6.46
aktual
-6.47
-6.48
ap r me i jun i ju l ag i us se pt ok t no v de s
r ma
feb
jan
-6.49
-6.5
-6.51
Gambar 15 Perbandingan Curah Hujan stasiun Ujungaris pada fungsi kanonik 1
-6.52
-6.53
-6.54 Sukadana 108.29
Tugu
108.3
108.31
108.32
108.33
Gambar 19 Plot Curah Hujan Ramalan Bulan Februari pada fungsi kanonik 1
-6.44
-6.45 Ujungaris -6.46
Tugu -6.47
-6.44 -6.48
-6.45 Ujungaris
-6.49
-6.46 -6.5
-6.47 -6.51
-6.48 -6.52
-6.49 -6.53
-6.5 -6.54
-6.51
Sukadana 108.29
108.3
108.31
108.32
108.33
-6.52
Gambar 16 Plot Curah Hujan Aktual Bulan Januari pada fungsi kanonik 1 Tugu
-6.44
-6.53
-6.54 Sukadana 108.29
108.3
108.31
108.32
108.33
Gambar 20 Plot Curah Hujan Aktual Bulan Maret pada fungsi kanonik 1
-6.45
Tugu
Ujungaris -6.46
-6.44 -6.47
-6.45 Ujungaris
-6.48
-6.46 -6.49
-6.47 -6.5
-6.48
-6.51
-6.49
-6.52
-6.5
-6.53
-6.51
-6.54 Sukadana 108.29
108.3
108.31
108.32
108.33
Gambar 17 Plot Curah Hujan Ramalan Bulan Januari pada fungsi kanonik 1
-6.52
-6.53
-6.54 Sukadana 108.29
108.3
108.31
108.32
108.33
Gambar 21 Plot Curah Hujan Ramalan Bulan Maret pada fungsi kanonik 1
Proses pengeplotan pada Gambar 16 sampai Gambar 21 memberikan gambaran mengenai luasan serta pola curah hujan berdasarkan data aktual dan data hasil prediksi. Penginterpretasian data dapat dilakukan dengan melihat pola nilai-nilai pada bidang pengeplotan. Semakin ke utara nilai curah hujan akan semakin turun. Hal ini ditunjukkan oleh hasil pengplotan data aktual dan data hasil prediksi. Secara lengkap pada Lampiran 8 – 15. Berdasarkan pengeplotan di atas hasil prediksi menunjukkan ketepatan yang mendekati nilai aktual terjadi pada bulan Januari dan Februari sedangkan pada bulan April sampai dengan Juli pola curah hujan aktual sulit diprediksi akan tetapi ketika memasuki bulan Agustus sampai Oktober kemampuan model dalam memprediksi sudah dapat dianggap baik.
KESIMPULAN Hubungan antara gugus data curah hujan GCM (General Circulation Model) dan gugus data curah hujan stasiun Meteorologi Indramayu sangat erat. Keeratan dapat dilihat berdasarkan curah hujan yang dihasilkan untuk masing-masing grid. Ketika curah hujan grid turun, maka dampak pada curah hujan di setiap stasiun akan turun . Hal ini didukung pula oleh hasil pengeplotan nilai curah hujan prediksi yang secara visual memiliki pola yang hampir sama dengan pengeplotan nilai curah hujan aktual untuk masing-masing pasangan kanonik. Nilai R 2 berkisar 40.1% dan 50.1% pada pasangan kanonik pertama, 23.5% dan 30.7% kanonik kedua,.
DAFTAR PUSTAKA Dillon WR, M. Goldstein. 1984. Multivariate Analysis Methods and Aplications. John Willey & Sons, New York. Deputi Bidang Pengindraan Jauh, 2005. Cuaca Ekstrim Siklon Tropis & Depresi Tropis selama Bulan Juli 2005. Http://www.lapanrs.com [28 Agustus 2005] Deputi Bidang Pengindraan Jauh, 2005. Informasi Prediksi Iklim Akibat ElNino/La-Nina Bulanan, Juli 2005 – Seluruh Indonesia.
Http://www.lapanrs.com 2005]
[28 Agustus
Deputi Bidang Pengindraan Jauh, 2005. Liputan Awan dan Estimasi curah hujan (GEOS-9) 30 Agustus 2005. Http://www.lapanrs.com [30 Agustus 2005] Gittins, R. 1985. Cannonical Analysis. Review with Applications in Ecology. SpringerVerlag, New York. Pusat Pengembangan Pemanfaatan dan Teknologi Pengindraan Jauh, Lembaga Penerbangan dan Antariksa Nasional, 2002. Prakiraan Awal Musim Tanam Padi dan Palawija Menggunakan Outgoing Longwave Radiation (OLR) di Pulau Jawa dan Bali dan Analisis Pergeseran Awal Tanam Padi Menggunakan data Lansat ETM. Http//.www.lapanrs.com [28 Mei 2005] Srivastava RM, Isaaks EH. 1989. Applied Geostatistics. New York: Oxford University Press. Zubaida U. 2004. Analisis Kerentaan dan Mekanisme Adaptasi Petani Padi Indramayu terhadap Kejadian Iklim Ekstrim [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut pertanian Bogor.
LAMPIRAN
Lampiran 1 Tabel Koordinat Grid lintang 1.3953 -1.3953 -4.1859 -6.9765 -9.7671 -12.5578 -15.3484 -18.139
98.44 2272 2273 2274 2275 2276 2277 2278 2279
101.25 2336 2337 2338 2339 2340 2341 2342 2343
104.06 2400 2401 2402 2403 2404 2405 2406 2407
106.88 2464 2465 2466 2467 2468 2469 2470 2471
109.69 2528 2529 2530 2531 2532 2533 2534 2535
112.5 2592 2593 2594 2595 2596 2597 2598 2599
Lampiran 2 Tabel Nama dan Letak 23 Stasiun Pengamat Curah Hujan di Indramayu peubah
nama stasiun
y1
Bangkir
y2
Bulak
y3
Cidempet
y4
Cikedung
y5
losarang
y6
sukadana
y7
sumurwatu
y8
tugu
y9
ujungaris
y10
Anjatan
y11
Bantarhuni
y12
Bugel
y13
Bugis
y14
Cipancuh
y15
Gabuswetan
y16
Gantar
y17
Karangasem
y18
Kroya
y19
Lwsemut
y20
Sukra
y21
Tamiyang
y22
Tlkacang
y23
Wanguk
LS -6.385 -6.363 -6.352 -6.467 -6.405 -6.546 -6.517 -6.433 -6.457 -6.355 -6.589 -6.299 -6.389 -6.488 -6.445 -6.528 -6.395 -6.489 -6.427 -6.31 -6.357 -6.487 -6.416
BT 108.291 108.113 108.247 108.167 108.149 108.315 108.1 108.333 108.287 107.954 107.951 107.985 107.932 107.944 107.039 107.973 107.054 107.064 107.009 107.936 107.006 107.006 107.957
115.31 2656 2657 2658 2659 2660 2661 2662 2663
118.13 2720 2721 2722 2723 2724 2725 2726 2727
Lampiran 3 Tabel Korelasi antar peubah y
y1
y2
y3
y4
y5
y6
y7
y8
y9
y10
y11
y12
y13
y14
y15
y16
y17
y18
y19
y20
y21
y22
y23
0.79
0.76
0.71
0.84
0.57
0.74
0.71
0.78
0.76
0.64
0.73
0.67
0.62
0.69
0.59
0.76
0.63
0.66
0.72
0.68
0.73
0.73
y1
1
y2
0.79
1
0.77
0.76
0.87
0.6
0.7
0.76
0.77
0.79
0.66
0.78
0.75
0.64
0.71
0.62
0.76
0.7
0.69
0.73
0.72
0.76
0.75
y3
0.76
0.77
1
0.73
0.79
0.55
0.67
0.68
0.74
0.76
0.63
0.76
0.71
0.59
0.71
0.56
0.73
0.59
0.68
0.79
0.71
0.76
0.78
y4
0.71
0.76
0.73
1
0.82
0.6
0.75
0.86
0.74
0.75
0.75
0.68
0.77
0.63
0.82
0.69
0.75
0.76
0.71
0.63
0.78
0.73
0.76
y5
0.84
0.87
0.79
0.82
1
0.59
0.76
0.78
0.82
0.81
0.7
0.76
0.76
0.64
0.79
0.65
0.81
0.7
0.73
0.72
0.75
0.79
0.77
y6
0.57
0.6
0.55
0.6
0.59
1
0.55
0.66
0.61
0.65
0.62
0.63
0.63
0.59
0.57
0.63
0.65
0.65
0.63
0.6
0.65
0.61
0.66
y7
0.74
0.7
0.67
0.75
0.76
0.55
1
0.73
0.73
0.71
0.74
0.62
0.73
0.71
0.76
0.7
0.75
0.67
0.71
0.6
0.72
0.69
0.68
y8
0.71
0.76
0.68
0.86
0.78
0.66
0.73
1
0.77
0.75
0.75
0.74
0.78
0.71
0.77
0.74
0.75
0.8
0.74
0.64
0.78
0.72
0.77
y9
0.78
0.77
0.74
0.74
0.82
0.61
0.73
0.77
1
0.72
0.67
0.73
0.7
0.64
0.7
0.63
0.7
0.65
0.64
0.69
0.68
0.69
0.72
y10
0.76
0.79
0.76
0.75
0.81
0.65
0.71
0.75
0.72
1
0.73
0.83
0.84
0.64
0.76
0.7
0.85
0.74
0.82
0.78
0.79
0.87
0.85
y11
0.64
0.66
0.63
0.75
0.7
0.62
0.74
0.75
0.67
0.73
1
0.6
0.73
0.83
0.77
0.88
0.77
0.72
0.74
0.61
0.85
0.66
0.69
y12
0.73
0.78
0.76
0.68
0.76
0.63
0.62
0.74
0.73
0.83
0.6
1
0.77
0.55
0.68
0.61
0.77
0.69
0.74
0.78
0.7
0.79
0.77
y13
0.67
0.75
0.71
0.77
0.76
0.63
0.73
0.78
0.7
0.84
0.73
0.77
1
0.67
0.79
0.7
0.77
0.74
0.78
0.72
0.79
0.79
0.84
y14
0.62
0.64
0.59
0.63
0.64
0.59
0.71
0.71
0.64
0.64
0.83
0.55
0.67
1
0.73
0.83
0.73
0.7
0.68
0.62
0.79
0.58
0.67
y15
0.69
0.71
0.71
0.82
0.79
0.57
0.76
0.77
0.7
0.76
0.77
0.68
0.79
0.73
1
0.76
0.83
0.8
0.81
0.64
0.8
0.76
0.77
y16
0.59
0.62
0.56
0.69
0.65
0.63
0.7
0.74
0.63
0.7
0.88
0.61
0.7
0.83
0.76
1
0.76
0.76
0.74
0.57
0.85
0.63
0.7
y17
0.76
0.76
0.73
0.75
0.81
0.65
0.75
0.75
0.7
0.85
0.77
0.77
0.77
0.73
0.83
0.76
1
0.79
0.83
0.75
0.79
0.83
0.83
y18
0.63
0.7
0.59
0.76
0.7
0.65
0.67
0.8
0.65
0.74
0.72
0.69
0.74
0.7
0.8
0.76
0.79
1
0.81
0.56
0.75
0.71
0.75
y19
0.66
0.69
0.68
0.71
0.73
0.63
0.71
0.74
0.64
0.82
0.74
0.74
0.78
0.68
0.81
0.74
0.83
0.81
1
0.65
0.75
0.8
0.77
y20
0.72
0.73
0.79
0.63
0.72
0.6
0.6
0.64
0.69
0.78
0.61
0.78
0.72
0.62
0.64
0.57
0.75
0.56
0.65
1
0.67
0.76
0.75
y21
0.68
0.72
0.71
0.78
0.75
0.65
0.72
0.78
0.68
0.79
0.85
0.7
0.79
0.79
0.8
0.85
0.79
0.75
0.75
0.67
1
0.71
0.8
y22
0.73
0.76
0.76
0.73
0.79
0.61
0.69
0.72
0.69
0.87
0.66
0.79
0.79
0.58
0.76
0.63
0.83
0.71
0.8
0.76
0.71
1
0.82
y23
0.73
0.75
0.78
0.76
0.77
0.66
0.68
0.77
0.72
0.85
0.69
0.77
0.84
0.67
0.77
0.7
0.83
0.75
0.77
0.75
0.8
0.82
1
Lampiran 4 Tabel Koefisien Korelasi Kanonik (Data Lengkap) Canonical Correlation Analysis Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
0.9001 0.8235 0.7986 0.7415 0.7174 0.7023 0.6795 0.6334 0.6021 0.5846 0.5774 0.5573 0.5363 0.5174 0.4883 0.4662 0.4398 0.4228 0.3913 0.3767 0.3412 0.3190 0.2905
0.8592 0.7379 0.7145 0.6021 0.5680 . 0.5659 0.4513 0.3656 . . . . . 0.3142 0.3119 . . . . . . .
0.0123 0.0208 0.0234 0.0291 0.0314 0.0328 0.0348 0.0387 0.0412 0.0426 0.0431 0.0446 0.0461 0.0474 0.0493 0.0506 0.0522 0.0531 0.0548 0.0555 0.0572 0.0581 0.0592
0.8102 0.6781 0.6377 0.5498 0.5147 0.4932 0.4618 0.4012 0.3625 0.3418 0.3334 0.3106 0.2876 0.2677 0.2385 0.2173 0.1934 0.1788 0.1531 0.1419 0.1164 0.1018 0.0844
Lampiran 5 Tabel Proporsi Keragaman Kumulatif
Eigenvalues of
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Eigenvalue 4.2697 2.1068 1.7602 1.2210 1.0607 0.9732 0.8579 0.6699 0.5686 0.5193 0.5001 0.4506 0.4038 0.3656 0.3131 0.2777 0.2398 0.2177 0.1808 0.1654 0.1318 0.1133 0.0921
Difference 2.1629 0.3465 0.5392 0.1603 0.0874 0.1153 0.1880 0.1013 0.0493 0.0192 0.0496 0.0468 0.0382 0.0525 0.0354 0.0379 0.0221 0.0369 0.0155 0.0336 0.0185 0.0211
Proportion 0.2446 0.1207 0.1008 0.0699 0.0608 0.0557 0.0491 0.0384 0.0326 0.0297 0.0286 0.0258 0.0231 0.0209 0.0179 0.0159 0.0137 0.0125 0.0104 0.0095 0.0075 0.0065 0.0053
Test of H0: The canonical correlations in the current row and all Inv(E)*H that follow are zero = CanRsq/(1-CanRsq) Likelihood Approximate Cumulative Ratio F Value Num DF 0.2446 0.0000 1.5700 1472.0000 0.3652 0.0001 1.3800 1386.0000 0.4660 0.0003 1.2700 1302.0000 0.5360 0.0007 1.1700 1220.0000 0.5967 0.0017 1.1000 1140.0000 0.6525 0.0034 1.0400 1062.0000 0.7016 0.0068 0.9800 986.0000 0.7400 0.0126 0.9200 912.0000 0.7725 0.0210 0.8800 840.0000 0.8023 0.0329 0.8400 770.0000 0.8309 0.0500 0.8100 702.0000 0.8567 0.0750 0.7700 636.0000 0.8799 0.1088 0.7300 572.0000 0.9008 0.1527 0.6900 510.0000 0.9187 0.2085 0.6500 450.0000 0.9347 0.2738 0.6100 392.0000 0.9484 0.3498 0.5800 336.0000 0.9609 0.4337 0.5500 282.0000 0.9712 0.5281 0.5100 230.0000 0.9807 0.6236 0.4800 180.0000 0.9882 0.7267 0.4400 132.0000 0.9947 0.8225 0.4200 86.0000 1.0000 0.9156 0.3800 42.0000
Den DF 3488.0000 3360.4000 3230.8000 3099.1000 2965.4000 2829.4000 2691.3000 2551.0000 2408.5000 2263.7000 2116.6000 1967.2000 1815.4000 1661.3000 1504.9000 1346.2000 1185.1000 1021.8000 856.3900 688.8400 519.3300 348.0000 175.0000
Pr > F <.0001 <.0001 <.0001 0.0005 0.0238 0.2189 0.6643 0.9380 0.9895 0.9981 0.9997 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9998
Lampiran 6 Urutan Kontribusi Relatif Peubah-Peubah Dependen (Y) Berdasarkan Koefisien Kanonik yang telah di Bakukan v1
v2
0.0036
sukadana
0.0034
tugu
0.0023
ujungaris
0.0016
Anjatan
0.0015
Cidempet
-0.0056
0.0015
Wanguk
0.0015
v3
v4
v5
-0.0091
losarang
-0.0104
Sukra
-0.0095
Cikedung
0.0097
Tlkacang
0.0079
ujungaris
-0.0103
Wanguk
-0.0069
Anjatan
0.0084
Tamiyang
0.0066
losarang
0.0077
Bugel
0.0063
-0.0073
Bugel
0.0068
0.0078
Karangasem
Bugel
-0.0068
ujungaris
Karangasem
-0.0065
Bugis
-0.0058
Kroya
-0.0061
Gabuswetan
Tlkacang
0.0051
Bulak
0.0049
tugu
0.0038
Lwsemut
0.0047
ujungaris
0.0040
losarang
Cikedung
0.0035
Bulak
0.0036
tugu
0.0038
Cikedung
0.0035
Bantarhuni
0.0029
Gantar
0.0035
sukadana
0.0029
Bangkir
Bulak
0.0032
Bulak
0.0029
losarang
0.0034
Bugel
0.0028
Sukra
0.0011
Gantar
0.0030
Sukra
0.0025
Tamiyang
0.0030
Sukra
0.0027
Bantarhuni
0.0011
Cipancuh
0.0029
Wanguk
0.0023
tugu
0.0027
Bantarhuni
0.0026
Anjatan
0.0011
Tamiyang
0.0028
Gantar
0.0021
Cikedung
0.0026
Tlkacang
0.0025
Wanguk
0.0010
Cikedung
0.0027
Gabuswetan
0.0020
Cipancuh
0.0014
Wanguk
0.0025
sukadana
0.0010
Tlkacang
0.0027
Cidempet
0.0019
Bugis
0.0014
Gabuswetan
0.0023
sumurwatu
0.0009
Lwsemut
0.0026
Anjatan
0.0016
Cidempet
0.0013
sumur watu
0.0020
ujungaris
0.0009
Kroya
0.0020
tugu
0.0012
Gabuswetan
0.0011
Tamiyang
0.0014
Bulak
0.0009
Bugis
0.0015
Kroya
0.0011
sukadana
0.0006
Bangkir
0.0012
Gantar
0.0008
Bangkir
0.0013
Cipancuh
0.0009
Bangkir
0.0005
Gantar
0.0010
Karangasem
0.0006
sumurwatu
0.0008
Tamiyang
0.0007
Karangasem
0.0005
Cidempet
0.0006
Cidempet
0.0005
Gabuswetan
0.0007
Bangkir
0.0006
Bantarhuni
0.0002
Lwsemut
0.0001
Cipancuh
0.0003
losarang
0.0005
sukadana
0.0006
Kroya
0.0001
Cipancuh
0.0001
Kroya
0.0000
Bantarhuni
0.0000
Lwsemut
0.0001
Anjatan
0.0001
Bugis
0.0000
Lwsemut
Bugis
0.0044
sumurwatu
0.0054
Tlkacang
0.0041
Bugel
0.0046
sumurwatu
0.0014
Sukra
0.0038
0.0014
Karangasem
0.0012
Lampiran 7 Urutan Kontribusi Relatif Peubah-Peubah Ind ependen (X) Berdasarkan Koefisien Kanonik yang telah di Bakukan sebanyak 17 grid W1
W2
W3
W4
w5
x48
-0.0603
2599
x15
-0.1082
2342
x38
-0.1323
2533
x29
-0.0756
2468
x40
-0.1532
2535
x40
0.0449
2535
x16
0.0972
2343
x46
0.1184
2597
x44
-0.0650
2595
x48
0.1238
2599
x56
0.0326
2663
x24
-0.0914
2407
x30
0.1115
2469
x21
0.0610
2404
x29
0.0965
2468
x62
0.0313
2725
x32
0.0856
2471
x53
-0.0795
2660
x16
-0.0589
2343
x16
-0.0756
2343
x22
-0.0266
2405
x23
0.0837
2406
x45
0.0532
2596
x37
0.0575
2532
x44
-0.0618
2595
x54
-0.0261
2661
x55
-0.0837
2662
x15
0.0498
2342
x56
0.0439
2663
x8
0.0613
2279
x28
0.0221
2467
x40
-0.0813
2535
x61
0.0467
2724
x14
0.0408
2341
x32
0.0581
2471
x24
-0.0203
2407
x54
0.0747
2661
x22
0.0445
2405
x15
0.0375
2342
x39
0.0572
2534
x38
0.0190
2533
x48
0.0699
2599
x35
0.0425
2530
x48
0.0354
2599
x46
-0.0554
2597
x37
0.0183
2532
x8
0.0626
2279
x47
0.0407
2598
x43
0.0353
2594
x37
-0.0552
2532
x7
0.0166
2278
x14
0.0607
2341
x62
0.0397
2725
x12
0.0349
2339
x21
-0.0549
2404
x19
0.0166
2402
x13
0.0595
2340
x7
0.0375
2278
x10
0.0346
2337
x47
0.0540
2598
x30
0.0162
2469
x38
0.0589
2533
x64
0.0347
2727
x42
0.0333
2593
x1 4
0.0533
2341
x64
0.0156
2727
x53
0.0588
2660
x19
0.0319
2402
x50
0.0324
2657
x56
-0.0518
2663
x46
0.0151
2597
x12
0.0587
2339
x27
0.0293
2466
x18
0.0324
2401
x52
0.0446
2659
x6
0.0137
2277
x7
0.0576
2278
x44
0.0261
2595
x61
0.0306
2724
x45
0.0434
2596
x60
0.0124
2723
x46
0.0473
2597
x56
0.0248
2663
x38
0.0300
2533
x63
0.0428
2726