PREDIKSI KADAR POLUSI CO MENGGUNAKAN PENDEKATAN … · Kesehatan manusia dipengaruhi berbagai...

i

PREDIKSI KADAR POLUSI CO MENGGUNAKAN

PENDEKATAN REGRESI LINIER SEDERHANA

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

Paulus Edi Gunawan

125314020

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2019

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

CO POLLUTION LEVEL PREDICTIONS USING

A SIMPLE LINEAR REGRESSION APPOACH

A Final Project

Presented as Partial Fulfillment of The Requirements

To Obtain the Sarjana Komputer Degree

In Informatics Engineering Study Program

By :

Paulus Edi Gunawan

125314020

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2019


iii

HALAMAN PERSETUJUAN

SKRIPSI



Disusun Oleh :

Paulus Edi Gunawan

125314020

Telah disetujui oleh :

Dosen Pembimbing

Robertus Adi Nugroho, S.T., M.Eng. Tanggal : 26 Juli 2019


iv

HALAMAN PENGESAHAN

SKRIPSI


PENDEKATAN REGRESI LINEAR SEDERHANA

Dipersiapkan dan disusun oleh :

Nama : Paulus Edi Gunawan

NIM :125314020

Telah dipersiapkan di depan panitia penguji

pada tanggal

dan dinyatakan memenuhi syarat

Susunan panitia penguji :

Nama Lengkap Tanda tangan

Ketua : Eko Hari Parmadi, S.Si., M.Kom.

Sekretaris : Eduardus Hardika Sandy Atmaja, S.Si., M.Cs.

Anggota 1 : Dr. Anastasia Rita Widiarti, M.Kom.

Anggota 2 : Robertus Adi Nugroho, S.T., M.Eng.

Yogyakarta, 02 Agustus 2019

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan

Sudi Mungkasi, S. Si., M. Math. Sc., Ph. D.


v

HALAMAN PERSEMBAHAN

Sekalipun aku jatuh, aku akan bangun pula, sekalipun aku

duduk dalam gelap, TUHAN akan menjadi terangku.

(Mikha 7:8)

Karya ini saya persembahkan kepada :

Tuhan Yesus Kristus yang selalu memberikan berkat, rahmat dan terang Roh

Kudus dalam menjalani proses selama ini.

Keluarga Bapak Yohanes Rukidi, Ibu Elisabet Ratmini yang senantiasa selalu

mendoakan dan memberikan semangat serta selalu mendukung setiap keputusan.

Bapak Robertus Adi Nugroho selaku dosen pembimbing skripsi yang dengan

sabar dan selalu ceria dalam memberikan bimbingan dan pengarahan yang terbaik

dalam pengerjaan tugas akhir.

Ibu Dr. Anastasia Rita Widiarti selaku Kaprodi yang selalu memberkan banyak

bantuan dan dengan rela selalu menyediakan waktu dalam membantu proses

sampai ujian akhir

Seluruh teman – teman semua yang telah banyak memberikan motivasi, semangat

dan selalu menemani selama penyelesaian tugas akhir.


vi

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini

tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan

dalam kutipan dan daftar pustaka sebagaimana layaknya sebuah karya ilmiah.

Yogyakarta, 31 Juli 2019

Penulis

Paulus Edi Gunawan


vii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Paulus Edi Gunawan

NIM : 125314020



Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya

memberikan kepada perpustakaan Universitas Sanata Dharma hak untuk

menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk

pangkalan data, mendistribusikan secara terbatas, dan mempublikasikan di

internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari

saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama

saya sebagai penulis. Demikian pernyataan ini saya buat degan sebenarnya.


Yang menyatakan

Paulus Edi Gunawan


viii



ABSTRAK

Kesehatan manusia dipengaruhi berbagai faktor, salah satunya kebersihan

udara. Menurut WHO, polusi udara merupakan faktor risiko penting yang dapat

menyebabkan stroke, kanker paru-paru, penyakit jantung dan infeksi pernapasan

seperti pneumonia. Polusi udara adalah penyebab kematian sekitar 7 juta orang di

seluruh dunia setiap tahun, demikian menurut laporan baru yang dirilis oleh

Organisasi Kesehatan Dunia (WHO).

Bukan tidak mungkin seiring berkembangnya zaman, kondisi dan kualitas

udara semakin menurun karena dampak dari polusi. Salah satu metode yang dapat

mengetahui hasil prediksi kadar polusi yang berfokus pada kadar CO agar

kedepannya manusia bisa mengatisipasi tingkat perkembangan kadar polusi CO

adalah dengan penerapan regresi linear, karena data yang diambil berdasarkan

data asli hasil perekaman kadar polusi CO di Madrid dapat digunakan dalam

perhitungan guna mendapatkan prediksi kadar CO pada tahun mendatang.

Hasil akhir perhitungan Prediksi Kadar Polusi CO Menggunakan

Pendekatan Regresi Linier yang menggunakan data selama tiga tahun untuk

memprediksi tahun depannya mempunyai eror rata – rata sebesar 6%. Sedangkan

pada pola turun 2015 untuk memprediksi tahun 2017 mempunyai eror 3%, pola

naik 2015 untuk memprediksi 2017 mempunyai eror 4%, pola turun 2016 untuk

memprediksi tahun 2017 mempunyai eror 4%, dan pola naik 2016 untuk

memprediksi tahun2017 mempunyai eror 4%.


ix

CO POLLUTION LEVEL PREDICTIONS USING

A SIMPLE LINEAR REGRESSION APPOACH

ABSTRACT

Human health is influenced by various factors, one of which is air

cleanliness. According to WHO, air pollution is an important risk factor that can

cause strokes, lung cancer, heart disease and respiratory infections such as

pneumonia. Air pollution is the cause of the deaths of around 7 million people

worldwide each year, according to a new report released by the World Health

Organization (WHO).

It is not impossible that as time goes by, air condition and quality will

decrease due to the impact of pollution. One method that can find out the

pollution level prediction results that focus on CO levels so that in the future

humans can anticipate the level of development of CO pollution levels is by

applying linear regression, because data taken based on original data from CO

pollution results in Madrid can be used in the calculation get predictions of CO

levels in the coming year.

The final result of the calculation of CO Pollution Level Prediction Using

the Linear Regression Approach that uses data for three years to predict the year

ahead has an average error of 6%. Whereas in the 2015 descending pattern to

predict 2017 has a 3% error, the 2015 rising pattern for predicting 2017 has a 4%

error, the 2016 down pattern for predicting 2017 has a 4% error, and the 2016

rising pattern for 2016 has a 4% error.


x

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus atas segala

berkat dan rahmat yang melimpah sehingga penulis dapat menyelesaikan tugas

akhir yang berjudul “Prediksi Kadar Polusi CO Menggunakan Pendekatan Regresi

Linier Sederhana”, sebagai salah satu syarat memperoleh gelar Sarjana pada

Program Studi Teknik Informatika Sains dan Teknologi Universitas Sanata

Dharma Yogyakarta.

Pada proses penyusunan tugas akhir ini,tidak lupa penulis mengucapkan

terima kasih kepada pihak – pihak yang telah membantu dalam penyelesaian tugas

akhir. Ucapan terima kasih penulis ucapkan kepada :

1. Tuhan Yesus Kristus yang selalu memberikan kesehatan, berkat dan rahmat

serta pencerahan dalam proses pengerjaan tugas akhir.

2. Keluarga Bapak Yohanes Rukidi, Ibuk Elisabet Ratmini yang tidak pernah

lelah dalam mendukung, memotivasi dan mendoakan penulis.

3. Bapak Robertus Adi Nugroho, S.T., M.Eng selaku dosen pembimbing skripsi

yang dengan sabar memberikan bimbingan dan pengarahan yang terbaik

dalam pengerjaan tugas akhir ini.

4. Ibu Dr. Anastasia Rita Widiarti selaku Kepala Program Studi Teknik

Informatika yang baik hati, selalu mendukung penulis dan dengan sabar tetap

memberi arahan kepada penulis.

5. Lensa Ndarupita yang selalu melungkan waktu untuk memberikan motivasi,

semangat, bantuan, dan penghiburan dalam selama ini kepada penulis.

6. Barisan sahabat – sahabat penulis Teknik Informatika angkatan 2012 yang

sudah mendahului lulus dan yang masih berjuang untuk lulus. Alexander Dwi

Ryo, Novian Bany, Alexcius Rico, Pakde Vincent, Santo Julian, Ando yang

memberikan banyak penghiburan selama pengerjaan tugas akhir.


xi

Penulis menyadari masih banyak kekurangan dalam penulisan tugas akhir

ini. Kritik dan saran yang membangun diharapkan untuk perbaikan dimasa

mendatang. Sebagai informasi pada penulis tugas akhir ini bermanfaat bagi para

pembaca.


Penulis,

Paulus Edi Gunawan


xii

DAFTAR ISI

HALAMAN PERSETUJUAN ............................................................................. iii

HALAMAN PENGESAHAN ............................................................................... iv

HALAMAN PERSEMBAHAN ..............................................................................v

PERNYATAAN KEASLIAN KARYA ................................................................ vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS ............................................................. vii

ABSTRAK ........................................................................................................... viii

ABSTRACT ........................................................................................................... ix

KATA PENGANTAR .............................................................................................x

BAB I .......................................................................................................................1

PENDAHULUAN ...................................................................................................1

1.1. Latar Belakang ..........................................................................................1

1.2. Rumusan Masalah .....................................................................................2

1.3. Tujuan Penelitian .......................................................................................2

1.4. Batasan Masalah ........................................................................................2

1.5. Manfaat Penelitian .....................................................................................3

1.6. Metodologi Penelitian ...............................................................................3

1.7. Sistematika Penulisan ................................................................................3

BAB II ......................................................................................................................5

LANDASAN TEORI ...............................................................................................5

2.1. Polusi Udara ..............................................................................................5

2.2. Pemanasan Global .....................................................................................5

2.3. Definisi Metode Regresi Linier (Linear Regression) ................................5

2.4. Regresi Linear Sederhana ..........................................................................6


xiii

BAB III ....................................................................................................................8

ANALISIS DAN DESAIN PENELITIAN ..............................................................8

3.1. Gambaran Umum ......................................................................................8

3.2. Metodologi Penelitian ...............................................................................8

3.2.1. Studi Literatur ....................................................................................9

3.2.2. Prosedur Analisis Data .......................................................................9

3.2.3. Data ....................................................................................................9

BAB 4 ....................................................................................................................12

HASIL DAN PEMBAHASAN ..............................................................................12

4.1. Prediksi Dengan Regresi Linier Sederhana .............................................12

4.1.1. Uji Satu ............................................................................................12

4.1.2. Uji 2 .................................................................................................14

4.1.3. Uji 3 .................................................................................................16

4.1.4. Uji 4 .................................................................................................18

4.1.5. Uji 5 .................................................................................................19

4.1.6. Uji 6 .................................................................................................21

4.1.7. Uji 7 .................................................................................................23

BAB 5 ....................................................................................................................27

KESIMPULAN DAN SARAN ..............................................................................27

5.1. Kesimpulan ..............................................................................................27

5.2. Saran ........................................................................................................27

DAFTAR PUSTAKA ............................................................................................28


xiv

DAFTAR GAMBAR

Gambar 2.1. Rumus Persaman……………………………………………………6

Gambar 2.2. Rumus Mencari Nilai a dan b……………………………………….7

Gambar 3.1. Alur Pengerjaan……………………………………………………..8

Gambar 3.2. Rincian Data………………………………………………………..11


xv

DAFTAR TABEL

Tabel 4.1. Data Kadar Polusi CO tahun 2015…………………………………..12

Tabel 4.2 Data Kadar Polusi CO tahun 2016 bulan Januari – April……………13

Tabel 4.3 Hasil Perhitungan Uji 1………………………………………………13

Tabel 4.4 Data Kadar Polusi CO tahun 2015 – 2016……………………………14

Tabel 4.5 Data Kadar Polusi CO tahun 2017 bulan Januari – April…………….14

Tabel 4.6 Tabel Hasil Perhitungan Uji 2………………………………………...15

Tabel 4.7. Data Kadar Polusi CO tahun 2015 – 2017…………………………...16

Tabel 4.7 Data Kadar Polusi CO tahun 2018 bulan Januari – April…………….16

Tabel 4.8 Tabel hasil Perhitungan Uji 3…………………………………………17

Tabel 4.9 Data Kadar Polusi CO Tahun 2015 bulan Januari – Juni……………..17

Tabel 4.10 Data Kadar Polusi CO Tahun 2017 bulan Januari – Juni……………18

Tabel 4.11 Data Hasil Perhitungan Uji 4………………………………………...18

Tabel 4.12 Data Kadar Polusi CO Tahun 2015 bulan Juli – Desember…………19

Tabel 4.13 Data Kadar Polusi CO Tahun 2017 bulan Juli – Desember………..19


Tabel 4.15 Data Kadar Polusi CO Tahun 2016 bulan Januari – Juli…………….20

Tabel 4.16 Data Kadar Polusi CO Tahun 2017 bulan Januari – Juli…………….21


Tabel 4.18 Data Kadar Polusi CO Tahun 2016 bulan Juni – Desember………...22

Tabel 4.19 Data Kadar Polusi CO Tahun 2017 bulan Juni – Desember………...22

Tabel 4.20 Data Hasil Uji 7……………………………………………………...23


1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Keadaan bumi saat ini tidak lebih baik dari pada sebelumnya.

Perusaakan terhadap alam berdampak pada ekosistem yang lebih luas.

Data kementrian kehutanan Republik Indonesia menyatakan sedikitnya

satu heltar atau 2% hutan di Indonesia menyusut tiap tahunnya. Hutan di

Indonesia tersisa 130 juta hektar, 42 juta diantaranya habis ditebang.

Eksploitasi ini sangat mengganggu alam, salah satunya terkait tentang

semakin buruknya kualitas udara.

Kesehatan manusia dipengaruhi berbagai faktor, salah satunya

kebersihan udara. Menurut WHO, polusi udara merupakan faktor risiko

penting yang dapat menyebabkan stroke, kanker paru-paru, penyakit

jantung dan infeksi pernapasan seperti pneumonia. Polusi udara adalah

penyebab kematian sekitar 7 juta orang di seluruh dunia setiap tahun,

demikian menurut laporan baru yang dirilis oleh Organisasi Kesehatan

Dunia (WHO).

Istilah untuk menggambarkan fenomena ini dikenal dengan nama

Global Warming atau Pemanasan Global. Apabila kualitas kesehatan

manusia menurun akibat udara yang memburuk, tentu berdampak luas

pada sektor - sektor yang lain, seperti produktivitas kerja manusia.

Contohnya peristiwa yang terjadi pada Agustus 2018 lalu. Kebakaran

hutan dan lahan (karhutla) terus meningkat, termasuk di Kalimantan Barat.

Asap dampak karhutla sangat mengganggu masyarakat.

Berdasarkan dua uraian di atas bahwasanya penelitian mengenai

kualitas udara sangat penting. Dengan semakin majunya teknologi saat ini

sudah tersedia alat untuk mengukur kualitas udara. Penilitan ini akan

mengabil data hasil pengukuran kualitas udara melalui situs

https://www.kaggle.com/decide-soluciones/air-quality-madrid.


https://www.detik.com/tag/karhutla/?_ga=2.34520289.1798860031.1534213752-1454993368.1520911972

https://www.kaggle.com/decide-soluciones/air-quality-madrid

2

Penilitan ini berusaha untuk membuat prediksi mengenai kadar CO.

Karbon monoksida dipilih sebab CO merupakan salah satu polutan yang

berbahaya jika terus meningkat setiap tahunnya.

Untuk memprediksi kadar polusi karbon monoksida peneliti

menggunakan metode Regresi Linier. Dengan digunakannya metode

regresi linier, penulis berharap bisa mendapatkan tingkat perhitungan dan

hasil akurasi yang tinggi.

1.2. Rumusan Masalah

Berdasarkan dari latar belakang di atas, maka dibuat rumusan masalah

sebagai berikut :

a. Berapa akurasi yang diperoleh untuk memprediksi kadar polusi CO

menggunakan metode Regresi Linier?

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk mengetahui tingkat akurasi

dalam meprediksi kadar polusi udara CO dengan menggunakan metode

Regresi Linier.

1.4. Batasan Masalah

Dalam pengembangan sistem pendukung pengambilan keputusan,

terdapat batasan-batasan masalah antara lain:

a. Data yang digunakan berasal dari data yang diambil di kota Madrid

dari Kaggle

b. Data yang digunakan adalah data polusi CO tahun 2015, 2016, 2017,

dan ditahun 2018 hanya sampai bulan April pada sensor ukur

28079004.


3

1.5. Manfaat Penelitian

Manfaat dari penelitian yang dilakukan penulis yaitu :

a. Pembaca dapat mengetahui kadar polusi udara CO dimasa mendatang.

b. Pembaca dapat mengantisipasi dampak bahayanya polusi udara CO

jika hasil pengujian mengalami peningkatan.

1.6. Metodologi Penelitian

a. Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data kadar polusi CO yang

akan digunakan dalam penelitian.

b. Perancangan Sistem

Pada peneitian ini tahap perancangan system dilakukan untuk

membuat rancangan umum dalam pembuatan sistem prediksi kadar

polusi CO dengan menggunakan metode Regresi Linier.

c. Pembuatan Sistem

Berdasarkan hasil perancangan sistem, maka tahap selanjutnya adalah

membuat sistem sesuai dengan rancangan dan kebutuhan.

d. Pengujian

Pengujian dilakukan untuk mengetahui kinerja sistem yang telah

diemplementasikan. Pengujian dilakukan untuk mengetahuiseberapa

besar akurasi prediksi dengan menggunakan metode regresi linier.

e. Pembuatan Laporan

Laporan penelitian dibuat berdasarkan proses dan hasil dari penelitian

yang telah dilakukan.

1.7. Sistematika Penulisan

BAB I : PENDAHULUAN

Dalam bab ini dijelaskan mengenai latar belakang, rumusan masalah,

desain penelitian, analisis kebutuahan proses, batasan masalah, manfaat


4

penelitian, metodologi penelitian dan sistematika penulisan pada

penelitian.

BAB II : LANDASAN TEORI

Dalam bab ini dijelaskan mengenai teori – teori yang digunakan untuk

mendukung penelitian ini.

BAB III : ANALISA DAN DESAIN PENELITIAN

Pada bab ini menjelaskan tentang gambaran umum penelitian, desain

penelitian, analisis kebutuhan proses, implementasi perancangan,

penjelasan proses, perancangan antar muka, serta spesifikasi hardware

yang digunakan dalam melakukan implementasi.

BAB IV : HASIL DAN ANALISA

Bab ini membahas hasil dan analisa yang didapat dari penelitian dan

percobaan yang telah dilakukan dalam penelitian ini.

BAB V : KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dan saran dari hasil analisa, implementasi dan

pengujian sistem.


5

BAB II

LANDASAN TEORI

2.1. Polusi Udara

Pencemaran udara adalah kehadiran satu atau lebih substansi fisik,

kimia, atau biologi di atmosfer dalam jumlah yang dapat membahayakan

kesehatan manusia, hewan, dan tumbuhan, mengganggu estetika dan

kenyamanan, atau merusak properti. Pencemaran udara dapat ditimbulkan

oleh sumber-sumber alami maupun kegiatan manusia. Beberapa definisi

gangguan fisik seperti polusi suara, panas, radiasi atau polusi cahaya

dianggap sebagai polusi udara. Sifat alami udara mengakibatkan dampak

pencemaran udara dapat bersifat langsung dan lokal, regional, maupun

global. Pencemaran udara di dalam ruangan dapat mempengaruhi

kesehatan manusia sama buruknya dengan pencemaran udara di ruang

terbuka.

2.2. Pemanasan Global

Suatu proses meningkatnya suhu rata-rata atmosfer, laut, dan daratan

Bumi. Meningkatnya suhu global diperkirakan akan menyebabkan

perubahan-perubahan yang lain seperti naiknya permukaan air laut,

meningkatnya intensitas fenomena cuaca yang ekstrem, serta perubahan

jumlah dan pola presipitasi. Akibat-akibat pemanasan global yang lain

adalah terpengaruhnya hasil pertanian, hilangnya gletser, dan punahnya

berbagai jenis hewan.

2.3. Definisi Metode Regresi Linier (Linear Regression)

Persamaan matematik dengan melakukan peramalan nilai - nilai suatu

peubah (variabel) tak bebas dari satu atau lebih peubah bebas disebut


https://id.wikipedia.org/wiki/Fisik

https://id.wikipedia.org/wiki/Kimia

https://id.wikipedia.org/wiki/Biologi

https://id.wikipedia.org/wiki/Atmosfer

https://id.wikipedia.org/wiki/Polusi_suara

https://id.wikipedia.org/wiki/Panas

https://id.wikipedia.org/wiki/Radiasi

https://id.wikipedia.org/wiki/Polusi_cahaya

https://id.wikipedia.org/wiki/Lokal

https://id.wikipedia.org/wiki/Regional

https://id.wikipedia.org/w/index.php?title=Global&action=edit&redlink=1

https://id.wikipedia.org/wiki/Suhu

https://id.wikipedia.org/wiki/Atmosfer

https://id.wikipedia.org/wiki/Laut

https://id.wikipedia.org/wiki/Daratan

https://id.wikipedia.org/wiki/Bumi

https://id.wikipedia.org/wiki/Presipitasi

https://id.wikipedia.org/wiki/Pertanian

https://id.wikipedia.org/wiki/Gletser

https://id.wikipedia.org/wiki/Punah

https://id.wikipedia.org/wiki/Hewan

6

persamaan regresi. Istilah ini berasal dari hasil pengamatan yang dilakukan

Sir Francis Galton (1822 - 1911) membandingkan tinggi badan anak laki -

laki dengan tinggi badan bapaknya. Galton menyatakan bahwa tinggi

badan anak laki - laki dari bapak yang tinggi pada beberapa generasi

kemungkinan cendurung “mundur” (regressed) mendekati rata - rata

populasi. (Yusuf, 2009).

Dikatakan pula bahwa analisis regresi mempunyai dua jenis variabel yaitu:

1. Variabel Respon (variabel dependen) yaitu variabel yang

keberadaannya dipengaruhi oleh variabel lain dan dinotasikan dengan

variabel Y.

2. Variabel Prediktor (variabel independen) yaitu variabel bebas (tidak

dipengaruhi oleh variabel lain) dan dinotasikan dengan X.

Hubugan – hubungan antara variabel bebas maka regresi linier terdiri

dari dua bentuk, yaitu:

1. Analisis regresi sederhana (simple analysis regresi).

Analisis regresi sederhana merupakan hubungan antara dua

variabel yaitu variabel bebas (variable independen) dan variabel tak

bebas (variabel dependen)

2. Analisis regresi berganda (Multiple analysis regresi).

Analisis regresi berganda merupakan hubungan antara tiga

variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas

dengan satu variabel tak bebas. Tujuan regresi adalah untuk membuat

perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel

yang satu berhubungan dengan variabel lainnya sudah ditentukan.

2.4. Regresi Linear Sederhana

Regresi linear sederhana dipergunakan untuk mengetahui pengaruh

antara satu buah variabel bebas terhadap satu buah variabel terikat.Bentuk

umum dari persamaan regresi linier untuk suatu populasi menurut Yusuf

(2009) adalah sebagai berikut :


7

Keterangan:

y' = Nilai yang diproyeksikan

x = Variabel bebas

a = Parameter Intercept

b = Parameter Koefisisen Regresi Variabel Bebas

Dengan Y adalah variabel terikat dan X adalah variabel bebas.

Koefisien a adalah konstanta (intercept) yang merupakan titik potong

antara garis regresi dengan sumbu Y pada koordinat kartesius. Langkah –

langkah yang dilakukan regresi linier dalam menyelesaikan contoh di atas

menurut Yusuf (2009) adalah sebagai berikut :

1. Tentukan Y = variable tak bebas dan X = variable bebas

2. Hitung nilai a dan b

22

22

2

)())((

))(())((

)())((

))(())((

XXn

YXXYnb

XXn

XYXXYa

−

−=

−

−=

………….(2.2)

3. Setelah nilai a dan b ditemukan, masukan nilai a dan b pada rumus

persamaa y = a + bx. Kemudian masukan nilai x. Nilai x

merupakan tahun yang akan diramalahkan.

yˆ = a + bx

........................

..........

……………. (2.1)


8

BAB III

ANALISIS DAN DESAIN PENELITIAN

Pada bab Analisa dan Desain Penelitian menjelaskan tentang metode yang

digunakan dalam penelitian Mengukur Kadar Polusi Udara Menggunakan

Pendekatan Regresi Linier. Bab ini berisikan gambaran umum penelitian, desain

penelitian, analisis kebutuhan proses, implementasi perancangan, penjelasan

proses, spesifikasi hardware dan software yang digunakan dalam melakukan

penelitian.

3.1. Gambaran Umum

Penelitian yang dilakukan bertujuan untuk memprediksi kadar

polusi di Madrid pada tahun mendatang . Data input yang digunakan

berupa data dari alat pengukur polusi udara khususnya kandungan CO

yang melakukan perekaman kadar kandungan polusi setiap jam sekali. Jadi

selama satu hari data yang didapat sejumlah 24 data. Kemudian data

tersebut akan diolah menggunakan metode Regresi Linier, sehingga

menghasilkan output prediksi kadar kandungan CO. Kemudian akan

dilakukan penghitungan dalam mencari eror dalam prediksi.

3.2. Metodologi Penelitian

Penelitian yang dilakukan bertujuan untuk memprediksi kadar

polusi di Madrid pada tahun mendatang . Data input yang digunakan

berupa data dari alat pengukur polusi udara khususnya kandungan CO

yang melakukan perekaman kadar kandungan polusi setiap jam sekali. Jadi

selama satu hari data yang didapat sejumlah 24 data. Kemudian data

tersebut akan diolah menggunakan metode Regresi Linier, sehingga

menghasilkan output prediksi kadar kandungan CO. Kemudian akan

dilakukan penghitungan dalam mencari eror dalam prediksi.


9

Metodologi penelitian merupakan cara yang digunakan untuk

mengumpulkan data dan berbagai informasi, dengan melakukan beberapa

tahapan yaitu studi literatur dengan mempelajari refrensi yang terkait

dengan penelitian ini, serta pengumpulan data – data guna untuk

menyelesaikan tujuan yang diinginkan.

3.2.1. Studi Literatur

Studi literatur dilakukan untuk mendapatkan informasi terkait

penelitian yang dilakukan. Studi literatur dilakukan dengan cara

mempelajari buku referensi, artikel dan jurnal yang berkaitan

dengan mengukur kadar polusi udara menggunakan pendekatan

regresi linier.

3.2.2. Prosedur Analisis Data

Analisis pada penelitian ini menggunakan data hasil sensor

polusi udara, kemudian menentukan variable dependen dan

variabel independen. Selanjutnya mencari nilai eror dari hasil

perhitungan prediksi.

Gambar 3.1. Alur Pengerjaan

3.2.3. Data

Tahap pengumpulan data dilakukan dengan cara memperoleh

data dari situs keggle.

Data A dan B Persamaan

y = a + bx

Perhitungan

Prediksi

Uji Akhir

Prediksi

Kesimpulan


10

A. Data yang Digunakan

Data yang digunakan adalah data hasil alat pengukur sensor

kandungan CO di Kota Madrid pada tahun 2015, 2016, 2017,

dan 2018. Khusus pada tahun 2018 hanya menggunakan data

pada bulan Januari, Februari, Maret, dan April karena pada

2018 digunakan untuk pengujian dan mencari eror.

B. Teknik Pengumpulan Data

Pada proses pengumpulan data dilakukan pencarian rata –

rata data. Data sebelum diproses berupa data alat ukur sensor

yang mencatat kadar CO setiap jam sekali dalam 24 jam. Jadi

dalam sehari tercatat 24 kali data polusi CO. Sehingga dalam

kurun waktu satu bulan terdapat 720 data tercatat. Dari situlah

didapatkan data rata – rata dalam satu bulan, dan dalam setiap

tahun terdapat 12 data yang digunakan. Berikut merupakan

data yang digunakan :

Bulan Bulan ( X ) CO ( Y )

Jan-15 1 0.59542254

Feb-15 2 0.371411436

Mar-15 3 0.381173767

Apr-15 4 0.292926557

May-15 5 0.260264727

Jun-15 6 0.246135508

Jul-15 7 0.251137927

Aug-15 8 0.237442432

Sep-15 9 0.278002799

Oct-15 10 0.353670413

Nov-15 11 0.518370792

Dec-15 12 0.605462418

Jan-16 13 0.401490724

Feb-16 14 0.372399892

Mar-16 15 0.352751123

Apr-16 16 0.307160777

May-16 17 0.285411899

Jun-16 18 0.25952014

Jul-16 19 0.250426546

Aug-16 20 0.251343653


11

Sep-16 21 0.318581981

Oct-16 22 0.414805237

Nov-16 23 0.485722558

Dec-16 24 0.597490415

Jan-17 25 0.525774463

Feb-17 26 0.403481776

Mar-17 27 0.370613804

Apr-17 28 0.334532281

May-17 29 0.29184393

Jun-17 30 0.268301407

Jul-17 31 0.246654054

Aug-17 32 0.241839768

Sep-17 33 0.325465497

Oct-17 34 0.386851029

Nov-17 35 0.512145755

Dec-17 36 0.460228962

Jan-18 37 0.413104108

Feb-18 38 0.390160019

Mar-18 39 0.291483895

Apr-18 40 0.284235765

Gambar 3.2. Rincian Data


12

BAB 4

HASIL DAN PEMBAHASAN

Pada bab ini akan menjelaskan bagaimana cara memprediksi kadar polusi

CO dengan menggunakan regresi linier sederhana yang menggunakan data kadar

polusi CO pada tahun 2015, 2016, 2017, dan 2018.

4.1. Prediksi Dengan Regresi Linier Sederhana

4.1.1. Uji 1

Pada pengujian satu data kadar polusi CO yang digunakan

untuk meprediksi adalah data pada tahun 2015. Bertujuan untuk

memprediksi kadar polusi CO tahun 2016 bulan Januari, Februari,

Maret, April.

Tabel 4.1. Data Kadar Polusi CO tahun 2015

Bulan ( X ) CO ( Y ) Y^2 X^2 X*Y

Jan-15 1 0.59542254 0.354528001 1 0.59542254

Feb-15 2 0.371411436 0.137946455 4 0.742822872

Mar-15 3 0.381173767 0.14529344 9 1.1435213

Apr-15 4 0.292926557 0.085805968 16 1.171706228

May-15 5 0.260264727 0.067737728 25 1.301323635

Jun-15 6 0.246135508 0.060582688 36 1.476813048

Jul-15 7 0.251137927 0.063070258 49 1.757965488

Aug-15 8 0.237442432 0.056378909 64 1.899539457

Sep-15 9 0.278002799 0.077285556 81 2.50202519

Oct-15 10 0.353670413 0.125082761 100 3.53670413

Nov-15 11 0.518370792 0.268708278 121 5.702078707

Dec-15 12 0.605462418 0.366584739 144 7.265549011

JUMLAH 78 4.391421315 1.809004781 650 29.09547161


13

Tabel 4.2 Data Kadar Polusi CO tahun 2016 bulan Januari - April

Bulan ( X ) CO ( Y )

Jan-16 13 0.401490724

Feb-16 14 0.372399892

Mar-16 15 0.352751123

Apr-16 16 0.307160777

Dari tabel 4.2 maka dilakukan perhitungan prediksi menggunakan

regresi linier sederhana dengan mencari nilai a dan b yang

menghasilkan nilai akhir :

a : 0.340895728

b : 0.003854777

Setelah itu nilai a dan b digunkan untuk mencari nilai y ( hasil

prediksi ) untuk memprediksi kadar polusi CO pada tabel 4.2 dan

dalam pencarian rata – rata error adalah sebagai berikut :

Tabel 4.3 Hasil Perhitungan Uji 1

Data tahun 2015 untuk memprediksi pada tahun 2016 bulan

Januari – April menghasilkan presentase rata – rata eror : 4%.

y=a + bx Error

bulan ke 13 0.391007824 0.010482899

bulan ke 14 0.394862601 0.022462709

bulan ke 15 0.398717378 0.045966254

bulan ke 16 0.402572154 0.095411377

rata -rata 0.04358081


14

4.1.2. Uji 2

Pada pengujian ke dua, data kadar polusi CO yang digunakan

untuk meprediksi adalah data pada tahun 2015-2016. Bertujuan

untuk memprediksi kadar polusi CO tahun 2017 bulan Januari,

Februari, Maret, April.

Tabel 4.4 Data Kadar Polusi CO tahun 2015 – 2016


Jan-15 1 0.59542254 0.354528001 1 0.59542254

Feb-15 2 0.371411436 0.137946455 4 0.742822872

Mar-15 3 0.381173767 0.14529344 9 1.1435213

Apr-15 4 0.292926557 0.085805968 16 1.171706228

May-15 5 0.260264727 0.067737728 25 1.301323635

Jun-15 6 0.246135508 0.060582688 36 1.476813048

Jul-15 7 0.251137927 0.063070258 49 1.757965488

Aug-15 8 0.237442432 0.056378909 64 1.899539457

Sep-15 9 0.278002799 0.077285556 81 2.50202519

Oct-15 10 0.353670413 0.125082761 100 3.53670413

Nov-15 11 0.518370792 0.268708278 121 5.702078707

Dec-15 12 0.605462418 0.366584739 144 7.265549011

Jan-16 13 0.401490724 0.161194801 169 5.219379406

Feb-16 14 0.372399892 0.13868168 196 5.213598489

Mar-16 15 0.352751123 0.124433355 225 5.291266849

Apr-16 16 0.307160777 0.094347743 256 4.914572431

May-16 17 0.285411899 0.081459952 289 4.85200228

Jun-16 18 0.25952014 0.067350703 324 4.671362526

Jul-16 19 0.250426546 0.062713455 361 4.758104365

Aug-16 20 0.251343653 0.063173632 400 5.026873067

Sep-16 21 0.318581981 0.101494479 441 6.690221611

Oct-16 22 0.414805237 0.172063384 484 9.125715206

Nov-16 23 0.485722558 0.235926403 529 11.17161883

Dec-16 24 0.597490415 0.356994796 576 14.33976995

300 8.688526259 3.468839164 4900 110.3699566


15

Tabel 4.5 Data Kadar Polusi CO tahun 2017 bulan Januari – April

Bulan (x) CO (y)

25 0.525774463

26 0.403481776

27 0.370613804

28 0.334532281

Dari tabel 4.4 maka dilakukan perhitungan prediksi

menggunakan regresi linier sederhana dengan mencari nilai a dan b

yang menghasilkan nilai akhir :

a : 0.342854771

b : 0.001533373



dalam pencarian rata – rata error . Sebagai berikut :

Tabel 4.6 Tabel Hasil Perhitungan Uji 2

y=a + bx Error

bulan ke-25 0.381189084 0.144585379

bulan ke-26 0.382722456 0.02075932

bulan ke-27 0.384255829 0.013642025

bulan ke-28 0.385789201 0.051256921

rata - rata 0.057560911

Data tahun 2015 - 2016 untuk memprediksi pada tahun 2017

bulan Januari – April menghasilkan presentase rata – rata eror :

5%.


16

4.1.3. Uji 3

Pada pengujian ke tiga, data kadar polusi CO yang digunakan

untuk meprediksi adalah data pada tahun 2015-2017. Bertujuan untuk

memprediksi kadar polusi CO tahun 2018 bulan Januari, Februari, Maret,

April.

Tabel 4.7. Data Kadar Polusi CO tahun 2015 – 2017


Jan-15 1 0.59542254 0.354528001 1 0.59542254

Feb-15 2 0.371411436 0.137946455 4 0.742822872

Mar-15 3 0.381173767 0.14529344 9 1.1435213

Apr-15 4 0.292926557 0.085805968 16 1.171706228

May-15 5 0.260264727 0.067737728 25 1.301323635

Jun-15 6 0.246135508 0.060582688 36 1.476813048

Jul-15 7 0.251137927 0.063070258 49 1.757965488

Aug-15 8 0.237442432 0.056378909 64 1.899539457

Sep-15 9 0.278002799 0.077285556 81 2.50202519

Oct-15 10 0.353670413 0.125082761 100 3.53670413

Nov-15 11 0.518370792 0.268708278 121 5.702078707

Dec-15 12 0.605462418 0.366584739 144 7.265549011

Jan-16 13 0.401490724 0.161194801 169 5.219379406

Feb-16 14 0.372399892 0.13868168 196 5.213598489

Mar-16 15 0.352751123 0.124433355 225 5.291266849

Apr-16 16 0.307160777 0.094347743 256 4.914572431

May-16 17 0.285411899 0.081459952 289 4.85200228

Jun-16 18 0.25952014 0.067350703 324 4.671362526

Jul-16 19 0.250426546 0.062713455 361 4.758104365

Aug-16 20 0.251343653 0.063173632 400 5.026873067

Sep-16 21 0.318581981 0.101494479 441 6.690221611

Oct-16 22 0.414805237 0.172063384 484 9.125715206

Nov-16 23 0.485722558 0.235926403 529 11.17161883

Dec-16 24 0.597490415 0.356994796 576 14.33976995

Jan-17 25 0.525774463 0.276438786 625 0.276438786

Feb-17 26 0.403481776 0.162797543 676 0.162797543

Mar-17 27 0.370613804 0.137354591 729 0.137354591

Apr-17 28 0.334532281 0.111911847 784 0.111911847

May-17 29 0.29184393 0.085172879 841 0.085172879

Jun-17 30 0.268301407 0.071985645 900 0.071985645

Jul-17 31 0.246654054 0.060838222 961 0.060838222


17

Aug-17 32 0.241839768 0.058486473 1024 0.058486473

Sep-17 33 0.325465497 0.10592779 1089 0.10592779

Oct-17 34 0.386851029 0.149653719 1156 0.149653719

Nov-17 35 0.512145755 0.262293274 1225 0.262293274

Dec-17 36 0.460228962 0.211810697 1296 0.211810697

jumlah 666 13.05625898 5.163510631 16206 112.0646281

Tabel 4.7 Data Kadar Polusi CO tahun 2018 bulan Januari – April

2018 Bulan ( X ) CO ( Y )

1-Jan 37 0.413104108

1-Feb 38 0.390160019

1-Mar 39 0.291483895

1-Apr 40 0.284235765


regresi linier sederhana dengan mencari nilai a dan b yang menghasilkan

nilai :

a : 0.979227018

b :

-

0.033327198


prediksi ) untuk memprediksi kadar polusi CO pada tabel 4.7 dan dalam

pencarian rata – rata error adalah sebagai berikut :

Tabel 4.8 Tabel hasil Perhitungan Uji 3

y=a + bx Error

bulan ke 13 0.253879297 0.159224811

bulan ke 14 0.287206495 0.102953524

bulan ke 15 0.320533692 0.029049797

bulan ke 16 0.35386089 0.069625125

rata - rata 0.090213314


18

Data tahun 2015 - 2017 untuk memprediksi pada tahun 2018

bulan Januari – April menghasilkan presentase rata – rata eror :

9%.

4.1.4. Uji 4

Pada pengujian ke empat, data kadar polusi CO yang

digunakan untuk meprediksi adalah data pada tahun 2015 bulan

Januari - Juni. Bertujuan untuk memprediksi kadar polusi CO

tahun 2017 bulan Januari – Juni.

Tabel 4.9 Data Kadar Polusi CO Tahun 2015 bulan Januari - Juni

Tahun 2015 Pola Turun


Jan-15 1 0.59542254 0.354528 1 0.59542254

Feb-15 2 0.37141144 0.13794645 4 0.742822872

Mar-15 3 0.38117377 0.14529344 9 1.1435213

Apr-15 4 0.29292656 0.08580597 16 1.171706228

May-15 5 0.26026473 0.06773773 25 1.301323635

Jun-15 6 0.24613551 0.06058269 36 1.476813048

21 2.14733453 0.85189428 91 6.431609623

Tabel 4.10 Data Kadar Polusi CO Tahun 2017 bulan Januari – Juni



Jan-17 25 0.525774463

Feb-17 26 0.403481776

Mar-17 27 0.370613804

Apr-17 28 0.334532281

May-17 29 0.29184393

Jun-17 30 0.268301407


19



nilai :

a : 0.574701339

b :

-

0.061946357

Setelah itu, nilai a dan b digunakan untuk mencari nilai y ( hasil



Tabel 4.11 Data Hasil Perhitungan Uji 4

x y (pred) ERROR

1 0.512754982 0.013019481

2 0.450808625 0.047326849

3 0.388862268 0.018248464

4 0.326915911 0.00761637

5 0.264969554 0.026874376

6 0.203023196 0.06527821

rata -rata eror 0.029727292

- Data Tahun 2015 ( Januari – Juni )

Digunakan untuk memprediksi pada tahun 2017 ( Januari – Juni )

menghasilkan presentase rata – rata eror 3%.

4.1.5. Uji 5

Pada pengujian ke lima, data kadar polusi CO yang digunakan untuk

meprediksi adalah data pada tahun 2015 bulan Juli - Desember. Bertujuan

untuk memprediksi kadar polusi CO tahun 2017 bulan Juli - Desember.


20

Tabel 4.12 Data Kadar Polusi CO Tahun 2015 bulan Juli – Desember

Tahun 2015 Pola Naik


Jul-15 7 0.251137927 0.063070258 49 1.757965488

Aug-15 8 0.237442432 0.056378909 64 1.899539457

Sep-15 9 0.278002799 0.077285556 81 2.50202519

Oct-15 10 0.353670413 0.125082761 100 3.53670413

Nov-15 11 0.518370792 0.268708278 121 5.702078707

Dec-15 12 0.605462418 0.366584739 144 7.265549011

57 2.24408678 0.957110501 559 22.66386198

Tabel 4.13 Data Kadar Polusi CO Tahun 2017 bulan Juli – Desember



Jul-17 31 0.2466541

Aug-17 32 0.2418398

Sep-17 33 0.3254655

Oct-17 34 0.386851

Nov-17 35 0.5121458

Dec-17 36 0.460229



nilai :

a :

-

0.356148791

b : 0.07685929





21


X Y (pred) ERROR

7 0.181866239 0.064787815

8 0.258725528 0.016885761

9 0.335584818 0.010119322

10 0.412444108 0.025593079

11 0.489303398 0.022842357

12 0.566162688 0.105933726

rata -rata eror 0.04102701

- Data Tahun 2016 ( Januari – Juni )

Digunakan untuk memprediksi pada tahun 2017 ( Januari – Juni )

menghasilkan presentase rata – rata eror 4%.

4.1.6. Uji 6

Pada pengujian ke enam, data kadar polusi CO yang digunakan untuk

meprediksi adalah data pada tahun 2016 bulan Januari - Juni. Bertujuan

untuk memprediksi kadar polusi CO tahun 2017 bulan Januari - Juni.

Tabel 4.15 Data Kadar Polusi CO Tahun 2016 bulan Januari – Juli



Jan-16 1 0.401490724 0.161194801 1 0.401490724

Feb-16 2 0.372399892 0.13868168 4 0.744799784

Mar-16 3 0.352751123 0.124433355 9 1.05825337

Apr-16 4 0.307160777 0.094347743 16 1.228643108

May-16 5 0.285411899 0.081459952 25 1.427059494

Jun-16 6 0.25952014 0.067350703 36 1.557120842

21 1.978734555 0.667468234 91 6.417367321


22

Tabel 4.16 Data Kadar Polusi CO Tahun 2017 bulan Januari – Juli



Jan-17 25 0.525774463

Feb-17 26 0.403481776

Mar-17 27 0.370613804

Apr-17 28 0.334532281

May-17 29 0.29184393

Jun-17 30 0.268301407



nilai :

a : 0.431429817

b : -0.02904021





x y (pred) ERROR

1 0.40238961 0.123384853

2 0.373349403 0.030132373

3 0.344309196 0.026304608

4 0.315268989 0.019263292

5 0.286228782 0.005615148

6 0.257188575 0.011112831

rata - rata eror 0.035968851


23

- Data Tahun 2016 ( Januari - Juni )

Digunakan untuk memprediksi pada tahun 2017

(Januari – Juni) menghasilkan presentase rata – rata eror 4%.

4.1.7. Uji 7

Pada pengujian ke enam, data kadar polusi CO yang digunakan

untuk meprediksi adalah data pada tahun 2016 bulan Januari - Juni.

Bertujuan untuk memprediksi kadar polusi CO tahun 2017 bulan

Januari - Juni.

Tabel 4.18 Data Kadar Polusi CO Tahun 2016 bulan Juni – Desember



Jul-16 7 0.250426546 0.062713455 49 1.752985819

Aug-16 8 0.251343653 0.063173632 64 2.010749227

Sep-16 9 0.318581981 0.101494479 81 2.867237833

Oct-16 10 0.414805237 0.172063384 100 4.148052366

Nov-16 11 0.485722558 0.235926403 121 5.342948137

Dec-16 12 0.597490415 0.356994796 144 7.169884976

57 2.31837039 0.992366149 559 23.29185836

Tabel 4.19 Data Kadar Polusi CO Tahun 2017 bulan Juni – Desember

Tahun 2017 Pola naik

Bulan ( X

) CO ( Y )

Jul-17 31 0.24665405

Aug-17 32 0.24183977

Sep-17 33 0.3254655

Oct-17 34 0.38685103

Nov-17 35 0.51214575

Dec-17 36 0.46022896


24

Dari tabel 4.18 maka dilakukan perhitungan prediksi

menggunakan regresi linier sederhana dengan mencari nilai a dan b

yang menghasilkan nilai:

Setelah itu, nilai a dan b digunakan untuk mencari nilai y

(hasil prediksi) untuk memprediksi kadar polusi CO pada tabel

4.18 dan dalam pencarian rata – rata error adalah sebagai berikut :

Tabel 4.20 Data Hasil Uji 7

x y (pred) ERROR

1 0.205346542 0.041307511

2 0.277765951 0.035926183

3 0.35018536 0.024719864

4 0.422604769 0.03575374

5 0.495024178 0.017121576

6 0.567443587 0.107214626

rata - rata eror 0.043673917

- Data Tahun 2016 ( Januari - Juni )

Digunakan untuk memprediksi pada tahun 2017 ( Januari –

Juni ) menghasilkan presentase rata – rata eror 4%.

4.2. Rata – rata eror

Pencarian eror didapatkan dari hasil pengurangan data rill dan data

hasil prediksi per bulan yang bersifat absolut. Setelah itu, dicari rata – rata

erornya dengan menjumlahkan semua data eror dan dibagi dengan jumlah

data eror.

a :

-

0.301589321

b : 0.072419409


25

a. Kondisi pertama

Kondisi pertama menggunakan data uji 1 sampai uji 3 untuk

melihat perbadingan eror yang didapat.

Gambar 4.1 Hasil rata – rata eror masing – masing pengujian kondisi satu

b. Kondisi Ke Dua

Kondisi ke dua menggunakan data uji 4 sampai data uji 7 untuk

melihat perbandingan eror yang didapat.


26

Gambar 4.2 Hasil rata – rata eror masing – masing pengujian kondisi dua.


27

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari semua hasil uji dalam memprediksi kadar polusi CO dapat

disimpulkan bahawa :

a. Penggunaan pendekatan regresi linier sederhana dapat menghasilkan

presentase nilai eror yang lebih sedikit dan cenderung sama jika

menggunakan data yang membentuk pola, dalam kasus ini pola naik

dan turun. Dengan syarat, data yang digunakan untuk menghitung

prediksi mempunyai pola yang sama dengan data yang akan digunakan

untuk mencari eror dari hasil prediksi.

b. Penggunaan pendekatan regresi linier sederhana menghasilkan nilai

eror yang tinggi dan semakin meningkat ketika banyaknya data untuk

mencari nilai prediksi lebih tinggi dari pada data yang digunakan untuk

mencari nilai rata – rata eror.

5.2. Saran

Saran yang dapat diuraikan dalam penelitian Prediksi Kadar Polusi

CO Menggunakan Pendekatan Regresi Linier Sederhana antara lain :

1. Masih terdapat kesalahan dalam proses penghitungan nilai y, yang

seharusnya nilai y tidak bisa bernilai negatif.

2. Dalam penelitian selanjutnya bisa menggunakan metode yang lain

untuk melakukan prediksi untuk medapakan nilai eror yang semakin

rendah dan tingkat akurasi prediksi semakin tinggi.


28

DAFTAR PUSTAKA

Wibisono, Yusuf. 2009. Metode Statistik, Yogyakarta : Universitas Gadjah Mada

Different pollution levels in Madrid from 2001 to 2018

https://www.kaggle.com/decide-soluciones/air-quality-madrid diakses

tanggal 14 september 2018

Katemba, Petrus dan Rosita Koro. 2017. Prediksi Tingkat Produksi Kopi

Menggunakan Regresi Linear. Kupang : STIKOM Uyeiindo




PREDIKSI KADAR POLUSI CO MENGGUNAKAN PENDEKATAN … · Kesehatan manusia dipengaruhi berbagai...

Documents

Transcript of PREDIKSI KADAR POLUSI CO MENGGUNAKAN PENDEKATAN … · Kesehatan manusia dipengaruhi berbagai...