Nama : Debi Sumarlin
NIM:
L2011171005 Mid semester : Statistik
Terapan
Emisi CO2 ( TON CO2 Ha -1
th -1)
Descriptive Statistics: lidah buaya
Variable N
N* Mean SE Mean
StDev Minimum Q1
Median Q3
lidah
buaya 30 0
51,70 2,75 15,06
25,00 41,25 51,00
58,25
Variable Maximum
lidah
buaya 86,00
Dari
data diatas diperoleh data dari variabel lidah buaya dalam pemanfaatan lahan
gambut untuk kepentingan pertanian dan aktivitas ekonomi lainya terhadap Emisi
CO2
Dengan lidah buaya di peroleh data mean 51,70
standar deviasi 15,06 Q1( 41,25) Q3 (58,25) Selanjutnya di uji nomalitas tes
emisi Emisi CO2 dengan
lidah buaya. Di bawah lampiran hasil uji nomalitas menggunakan minitab 14.
Uji Normalitas
Langkah-langkah
:
-
Hipotesis
H0
:
data berdistribusi normal
H1
:
data tidak berdistribusi normal
-
Tingkat signifikansi
α
= 0,05
-
Statistik Uji
p-value dapat diperoleh dengan aplikasi
, caranya Stat à Basic Statistics à
Normality Test à pada kotak Variable isikan kolom yang
bersangkutanà
klik OK.
Dari
uji normalitas di atas diketahui bahwa nilai p value adalah 0,359
-
Daerah Kritik
H0
ditolak
jika
p-value
< 0,05
359
> 0,05
-
Kesimpulan
Berdasarkan dari hasil hitungan
statistik penguji p-value > 0,05, maka H0 tidak
ditolak pada tingkat signifikansi 5%. Jadi dapat disimpulkan bahwa data
berdistribusi normal. Karena telah dibuktikan bahwa data berdistribusi normal.
Karena
telah dibuktikan bahwa data berdistribusi normal, dan n < 30 , maka uji
hipotesis yang digunakan adalah uji hipotesis Z. Uji Hipotesisnya
H0
:
μ ≥ 40 vs H1 : μ < 40
Nomor
2) Bila
data emisi CO2 hutan gambut dalam literatur sebesar 40 ton CO2
ha-1 tahun-1, bagaimana dengan emisi CO2 hasil
pengukuran dalam penelitian ini
Uji
Hipotesis
Uji Z
Langkah-langkah :
-
Uji hipotesis
H0
:
μ ≥ 40 vs H1 : μ < 40
H0 : Pengukuran
Emisi C02 dihutan sama dengan
hasil literatur
H1 : Pengukuran
Emisi C02 dihutan lebih rendah dari hasil literatur
α
= 5% = 0,05
-
Statistik Uji
Berdasarkan data yang diketahui,
diperoleh bahwa rata-rata =36,20 dan standar
deviasi (s) = 9,54.
Z =
= - 2,18
One-Sample Z: hutan
Test of mu = 40 vs not = 40
The assumed standard deviation = 9,54
Variable
N Mean StDev
SE Mean 95% CI Z P
hutan
30 36,2000 9,5426
1,7418 (32,7862; 39,6138) -2,18
0,029
Jadi, nilai Z = -2,18
dan p-value = 0,029
-
Daerah Kritik
H0
ditolak
jika
0,05
|
0,029
|
0,3085
|
-
Kesimpulan
hasil hitungan statistik penguji , 0,029 < 0,3085, maka Ho
di tolak terima H1.Dari hasil di atas terdapat hasil
bahwa pengukuran dalam penelitian ini lebih kecil dari literatur sebelumnya artinya
Emisi CO2 dihutan rendah dari hasil literatur.
Nomor
3) Bagaimana
korelasi antara suhu udara dan emisi CO2 dari lahan gambut? Apakah
bisa difomulasikan dalam bentuk persamaan regresi.
Correlations: hutan; suhu hutan
Pearson correlation of hutan and suhu hutan = -0,312
P-Value = 0,094
Correlations: kelapa sawit; suhu
kelapa sawit
Pearson correlation of kelapa sawit and suhu
kelapa sawit = 0,105
P-Value = 0,581
Correlations: lidah buaya; suhu lidah
buaya
Pearson correlation of lidah buaya and suhu
lidah buaya = 0,406
P-Value = 0,026
Dari hasil
correlation diatas terlihat jelas bahwa hasil perhitungan emisi CO2 hutan
dan suhu udara hutan diperoleh hasil
p-value 0,094 arinya tidak memiliki corelasi nyata karena p-value lebih besar
dari 0,05 lalu di uji lagi correlation emisi CO2 kelapa sawit dengan
suhu udara kelapa sawit diperoleh hasil p-value 0,581 artinya tidak memiliki
corelasi nyata karena p-value lebih besar dari 0,05 lalu di uji lagi
correlation emisi CO2 lidah buaya dan suhu udara lidah buaya
diperoleh hasil p-value 0,026 artinya memiliki corelasi nyata karena p-value
lebih kecil dari 0,05. Maka dari hasil corelasi bisa dilanjutkan dengan
persamaan regresi dengan mengambil variabel yang bercorelasi nyata yaitu emisi CO2 dengan suhu udara lidah
budaya.
Regression Analysis: lidah buaya
versus suhu lidah buaya
The regression equation is
lidah buaya = - 65,0 + 3,86 suhu lidah buaya
Predictor Coef
SE Coef T P
Constant -64,96 49,62
-1,31 0,201
suhu lidah buaya 3,856
1,638 2,35 0,026
S = 14,0042
R-Sq = 16,5% R-Sq(adj) = 13,5%
PRESS = 6334,63 R-Sq(pred) = 3,70%
Analysis of Variance
Source
DF SS MS
F P
Regression 1
1087,0 1087,0 5,54
0,026
Residual Error
28 5491,3 196,1
Total
29 6578,3
Hasil output dari uji
regresi ini akan didapat persamaan regresi yaitu Y= a+bX, dalam hal ini Y
adalah peubah tak bebas, sedangkan X adalah peubah bebas, a adalah nilai
konstanta, sedangkan b adalah koefisien regresi atau slope. Berdasarkan hasil
olahan data pada Minitab 14 maupun Statistix , diketahui bahwa persamaan
regresi Y = -65,0 + 3,86X, dimana Y adalah produksi dan X adalah lama. Dengan
demikian setiap kenaikan 1 satuan X (lama) akan menurunkan variable Y
(produksi) sebesar 1,37. Angka ini didapat dari perhitungan: -65,0+3,86 (1)=
-61,14. -64,96 adalah konstanta sedangkan 3,85 adalah koefisien regresi.
Informasi lain yang didapat dari hasil olahan data uji regesi pada Minita
14. Dan nilai determinan atau R-Squared yaitu sebesar 16,5%. Determinan
adalah kebertepatan titik yang diamati dengan garis model. Dalam hali ini nilai
determinan 16,5% mengandung arti bahwa proporsi keragaman antara variable suhu
udara dan Emisi C0 2 dapat diterangkan secara linier sebesar 16,5.
Dilihat dari
hasil analisis varian dari hasil didapat p=value sebesar 0,026 yang kurang dari
0,05 sehingga dapat di simpulkan bahwa minimal ada satu variabel prediktor yang
signifikan.