BAB 3 METODOLOGI PENELITIAN
3.1 Kerangka Pemikiran dan Hipotesis 3.1.1 Kerangka Pemikiran Berdasarkan kerangka teori yang telah dijelaskan pada gambaran umum objek, maka di kembangkan kerangka pemikiran penelitian sebagai berikut: ketinggian permukaan air sungai manggarai dalam satuan meter dipengaruhi oleh variabel klimatologis yang ada di daerah Bogor per hari. Dengan demikian maka ketinggian permukaan air sungai manggarai akan menjadi variabel dependent dan data klimatologi di Bogor sebagai variabel independent. Karena penulis ingin menduga ketinggian permukaan air sungai dengan menggunakan data periodik data klimatologi di Bogor. Maka metode autoregresi multivariant dirasa paling tepat. Pertama perlu dilakukan adalah mengkorelasi data. Korelasi ini bertujuan untuk mengatahui besarnya hubungan antar variabel. Data yang didapat yaitu data ketinggian permukaan air dan data klimatologi ternyata tidak bisa langsung digunakan. Hal ini disebabkan karena adanya perbedaan satuan waktu. Untuk data ketinggian sungai petugas pintu air Manggarai mencatatnya dalam satuan jam. Sedangkan untuk data klimatologi Bogor dicatat dalam satuan hari. Dalam hal ini maka penulis mengambil suatu asumsi, karena tujuan kita adalah memprediksi banjir dan banjir akan terjadi bila ketinggian permukaan air sungai mencapai batas tertentu yaitu 800 meter maka penulis mengambil permukaan air tertinggi yang dicapai pada hari tersebut. Dengan cara demikian maka didapatlah data per hari untuk permukaan air sungai. Nantinya melalui model yang didapat kita bisa
45 menentukan nilai variabel Y yang merupakan nilai dari variabel dependent yaitu ketinggian permukaan air sungai Manggarai.
3.1.2 Hipotesis Hipotesis : Bahwa ada hubungan linear antara ketinggian permukaan air sungai Manggarai dengan data-data klimatologi Darmaga Bogor.
Variabel Bebas
Variabel tak bebas
(independent)
(dependent)
Curah hujan (mm)
Ketinggian permukaan air (m)
Temperatur oC Penyinaran matahari (%) Kelembaban nisbi (%)
Gambar 3.1 Kerangka Penelitian Hubungan Antara Data Klimatologi dengan Ketinggian Permukaan Air Sungai
3.2 Pengumpulan Data Data yang dikumpulkan adalah data dari catatan harian petugas pintu air Manggarai. Ketinggian permukaan air dicatat setiap jam dengan melihat alat pengukur yang sering disebut dengan pel scale. Skala ini merupakan skala yang menunjukan
46 ketinggian permukaan air sungai yang di ukur dalam satuan meter. Untuk keadaan normal biasanya ketinggian air berkisar di angka 650m – 750m. Bila ketinggian air menunjukan angka 800 ke atas maka itulah batas dimana daerah kanal barat akan terendam banjir. Sedangkan untuk data klimatologi Bogor sendiri, data didapat dari catatan harian Badan Meteorologi dan Geofisika wilayah – II Stasiun klimatologi klas I Darmaga Bogor, detailnya kotak pos 76 Bogor. Dengan garis lintang 6o44’ LS , garis bujur 107o BT dan tinggi 1120 m diatas permuakaan laut.
3.2.1 Tempat dan Waktu Penelitian Tempat penelitian dilakukan di pintu air Manggarai. Penelitian dilakukan sebanyak dua kali. Kunjungan pertama dilakukan sekitar bulan September 2009. Pada kunjunga pertama ini penulis melakukan survei tempat, membuat perkiraan variabel dan meneliti catatan harian yang ada di permukaan air. Kunjuangan kedua dilakukan pada bulan November 2009. Pada kunjungan kedua ini bertujuan untuk mendapatkan datadata secara lengkap dari catatan harian ketinggian permukaan sungai.
3.2.2 Cakupan Waktu Penelitian Cakupan waktu dalam penelitian ini adalah data deret waktu dari ketinggian permukaan air sungai Manggarai selama tahun 2006-2007 dan curah hujan harian di Bogor untuk tahun yang sama. Tahun 2006 - 2007 diambil karena pada tahun tersebut terjadi banjir terdasyat selama kurun waktu lima tahun terakhir ini di Jakarta. Sehingga model yang di ambil adalah model data deret waktu banjir besar Jakarta.
47 3.2.3 Etika Penilitian Pengambilan data dilakukan setelah mendapat ijin petugas pintu air Manggarai dan setelah mendapat surat keterangan ijin penelitian dari Universitas Bina Nusantara.
3.2.4 Tehnik Pengumpulan Data 3.2.4.1 Jenis Data: Data yang di ambil adalah data sekunder, yaitu data dengan pola musiman untuk ketinggian air sungai dan data klimatologi.
3.2.4.2 Variabel yang Diteliti Ada dua variabel yang diteliti yaitu : 1. Variabel ketinggian permukaan air di sungai Manggarai sebagai variabel bebas (dependent). Basarnya variabel ini akan dipengaruhi oleh besarnya variabel lainnya. 2. Variabel data stasiun klimatologi Bogor sebagai variabel tak bebas (independent). Karena variabel ini tidak dipengaruhi oleh besarnya variabel lain dalam penelitian. Data-data ini meliputi data temperature, lama penyinaran matahari, curah hujan dan kelembaban nisbi.
3.2.4.3 Metoda Pengumpulan Data Pengumpulan data dilakukan dengan cara mengobservasi data yang tercatat pada catatan harian pintu air dan data klimatologi di Bogor, yang pengisianya dilakukan oleh peneliti. Adapun langkah-langkah penelitianya sebagai berikut :
48 1. Mengamati pola deret waktu yang akan dijadikan model untuk peramalan. Pola data tahun 2006 sampai 2007 awal dianggap paling tepat karena terjadi banjir yang paling besar dalam kurun lima tahun terakhir di Jakarta. 2. Melakukan korelasi terhadap data-data klimatologi untuk mengetahui besarnya hubungan setiap data–data klimatologi dengan data ketinggian permukaan air. Mengetahui besarnya derajat hubungan antar variabel akan berguna untuk mendapatkan model yang terbaik. Untuk lebih jelasnya akan dibahas di bab selanjutnya. 3. Merubah data ketinggian permukaan air yang dicatat dalam satuan jam menjadi satuan harian. Hal ini penting karena dengan demikian proses analisis dapat dilaksanakan karena data curah hujan dicatat dalam satuan harian. 4. Mengumpulkan semua data observasi yang telah disiapkan guna analisis lebih lanjut.
3.2.4.4 Pengolahan Data Setelah data dikumpulkan maka tahapan selanjutnya adalah pengolahan data. Adapun proses pengolahan data adalah editing, coding, dan entry. Pada tahap ini, hal utama yang dilakukan adalah mengubah data mentah (data yang masih perlu diolah menjadi informasinya yang akhirnya dapat digunakan untuk menjawab penelitian (Hastono, 2001)). 1. Editing. Editing dilakukan untuk menghilangkan kesalahan-kesalahan yang terdapat pada pencatatanhasil observasi dan bersifat koreksi dengan cara mengumpulkan data ulang.
49 2. Coding. Yaitu pemberian kode pada data yang masuk, khususnya variabel dengan skala nominal. 3. Entry. Data hasil observasi dan hasil koding dimasukan ke dalam komputer secara manual.
3.3 Teknik Analisis Data Design penelitian ini menggunakan tiga buah metode yaitu perhitungan koefisien korelasi untuk mengetahui variabel yang mempunyai hubungan yang kuat. Penyusunan deret waktu dengan autoregresi dan yang terakhir adalah menghasilkan model dengan menggunakan regresi berganda atau multivariate regression dengan deret waktu yang telah disusun. Hal itu semua berguna untuk menggambarkan hubungan antara keadaaan klimatologis yang berada di Bogor sebagai variabel bebas dengan ketinggian permukan sungai Manggarai yang ada di Jakarta yang berjangka waktu dari bulan Oktober 2006 – April 2007 sebagai contoh model. Adapun tahap-tahap analisis data dalam penelitian ini dapat dilihat pada gambar 3.2 di bawah ini.
50
Gambar 3.2 Tahapan Analisis Data
51 3.3.1 Analisis Data Tahap ini berguna untuk menganalisis data mentah. Sehingga siap untuk di analisis lebih lanjut. Melalui analisis awal kita bisa memperkirakan pola data yang kita hadapi dan karakteristiknya.
3.3.2 Korelasi Setelah mengetahui karakteristik masing-masing data penelitian, selanjutnya adalah menghitung derajat korelasi untuk melihat hubungan antar variabel. Korelasi yang digunakan oleh ,penulis adalah korelasi Pearson atau sering sebut koefisien korelasi contoh yang mempunyai rumus sebagai berikut : rXY =
nΣXY − (ΣX )(ΣY ) nΣX − (ΣX ) 2 nΣY 2 − (ΣY ) 2 2
Dimana :
rXY
: koefisien korelasi
n
: jumlah data
Σ XY
: penjumlahan variabel X kali Y
ΣX
: penjumlahan variabel X
ΣY
: penjumlahan variabel Y
ΣX 2
: penjumlahan variabel X kuadrat
(ΣX )2 : penjumlahan variabel X lalu dikuadratkan
(ΣY )2 : penjumlahan variabel Y lalu dikuadratkan
52 3.3.3 Autoregresi Setelah kita mencoba mengkorelasikan satu buah variabel dengan variabel lainya. Maka dengan pemodelan autoregresi ini kita mencoba untuk membentuk suatu pola dengan time lag yang baru. Biasanya rumus autoregresi mempunyai model seperti ini X t = μ '+ β1 X t −1 + β 2 X t − 2 + ... + β p X t − p + et
Namun pada peneltian ini peneleti menggunakan modifikasi dari pemodelan autoregresi guna untuk mendapatkan hasil yang lebih baik, yaitu ragam yang lebih besar untuk Y dugaannya. Secara statistik diperbolehkan untuk memodifikasi pemodelan dengan mengubah nilai variabel bebasnya (X) untuk mencari nilai-nilai variabel member pengaruh lebih baik untuk hasil dugaan. Hal ini dapat kita lihat pada pemodelan regresi Stepwise dalam buku Makridakis (Makridakis, 1999, p305). Untuk lebih jelasnya akan dibahas dalam bab hasil dan pembahasan.
3.3.4 Regresi Berganda Regresi berganda akan berguna untuk menghitung koefisien pemodelan yang sudah dibuat. Karena pada dasarnya pemodelan yang sudah dibuat sebelumnya adalah model regresi berganda, bedanya adalah bahwa masing-masing variabelnya terdapat selang waktu. Metode yang digunakan adalah least square method (metode kuadrat terkecil) adalah sebagai berikut :
µ= ( X ' X )−1 X ' Y B Dimana : ^
B
= matriks nilai dugaan bagi parameter β
53 (X’X)-1
= invers dari matriks X’X, berukuran, matriks X’X mengandung elemenelemen
jumlah kuadrat dan jumlah
hasil kali dari variabel-variabel
bebas X. (X’Y)
= matriks yang mengandung elemen-elemen jumlah hasil kali antara nilai-nilai variabel bebas X dan variabel tak bebas Y.
3.4.5 Koefisien Determinasi Koefisien determinasi diperlukan untuk mengetahui bagaimana sebaran ragam model dugaan terhadap sebaran ragam sebenarnya. Karena rumus koefisien determinasi adalah proporsi ragam pada Y yang dapat diterangkan oleh Yµ. Dalam kasus ini berarti kita ingin melihat bagaimana nilai ragam ketinggian permukaan air dapat dapat diterangkan oleh ragam dugaan nya. Jika proporsinya besar maka hal itu menunjukan bahwa model dugaannya mempunyai nilai yang menyebar dan hal ini berarti pemodelan yang di dapat cukup bagus. Karena biasanya regesi menarik nilai ragamnya kearah ratarata data sehingga model yang didapat tidak mampu meramalkan perubahan yang terjadi secara akurat.
3.4.6 Statistik Durbin Watson Statistik ini berguna untuk mengetahui sebaran galat yang didapat dari pemodelan. Pengujian galat ini bisa menunjukan bahwa sebaran galat yang didapat cenderung memiliki pola melambat atau pola mempercepat. Bila galat yang dihasilkan memiliki pola mengecil maka hal ini menunjukan bahwa semakin lama pemodelan kita ada kolerasi negatif dan sebaliknya. Nilai DW yang bagus adalah mendekati nilai 2.
54 Kedua pola baik mempercepat atau melambat akan diketahui buruk ketika statistik DW nya jauh dari nilai 2, karena jika jauh dari nilai tersebut berarti akan model kita tidak akurat lagi karena terlalu jauh perbandingan dengan data sebenarnya.
3.4 Metodologi Perancangan Perancangan program aplikasi autoregresif multivariate bertujuan untuk membentuk model autoregresi (AR) dengan empat buah variabel yang sudah ditetapkan. Dari program ini pula kita bisa melihat pola-pola yang terbentuk. Dari mulai pola data sebenarnya, data eksporasi, data peramalan dan perbandingan antara data sebenarnya dengan data peramalan. Dengan melihat tampilan data berupa grafik diharapkan agar lebih mudah dipahami sekalipun untuk orang awam. Adapun metodologi yang dibuat terdiri dari tiga bagian yaitu : Perancangan diagram STD, Perancangan flowchart, dan perancangan layar.
3.4.1 Perancangan Diagram Transisi (STD) Diagram transisi digunakan untuk memberi gambaran secara menyeluruh tentang cara kerja suatu sistem aplikasi. Dengan menggambarkan keadaan (state) dan aksi (event) yang menyebabkan sistem tersebut untuk berpindah keadaan.
55
Gambar 3.3 Diagram Transisi Program
3.4.2 Perancangan Diagram Alir (Flowchart) Diagram alir ini dibuat untuk menggambarkan interaksi antara perhitungan metode autoregresif multivariate dengan sistem aplikasi yang dibuat dengan adanya flowchart ini maka kita dapat lebih jelas lagi melihat bagaimana perhitungan yang dilakukan oleh program (proses perhitungan yang biasanya tidak ditampilkan pada program aplikasi).
56
57
58
59
60
61
62
63
64
65
66
Gambar 3.4 Flowchart Autoregresi
67 3.4.3 Perancangan Layar Perancangan layar adalah gambaran layar muka pengguna (user interface) yang diberikan oleh program aplikasi ini. Adapun rancangan program deteksi dini banjir kanal barat dengan menggunakan program metode autoregresi multivariate adalah sebagai berikut :
Gambar 3.5 Rancangan Layar
