Zeta Ae Math Journal Volume 9 Nomor 2.
November 2024, pp.
E-ISSN: 2579-5864 P-ISSN: 2459-9948
D https://doi.
org/10.
31102/zeta.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi dengan Produksi Tanaman Perkebunan Fariz Fadillah Mardianto1 *.
Dita Amelia2.
Elly Ana3 .
Adelia Sukma Dwiyanto4.
Mochammad Baihaqi5.
Indrastanto Oktodian Rahmada6.
Fachriza
Yosa Pratama7
1,2,3,4,5,6,7
Prodi Statistika.
Fakultas Sains dan Teknologi.
Universitas Airlangga.
Indonesia * Penulis Korespondensi.
Email: m.
m@fst.
ABSTRAK
Tanaman perkebunan merupakan tanaman yang hasil panennya bisa berbeda-beda tergantung dengan keadaan udara yang termasuk indikator meteorologi.
Untuk mengetahui hal tersebut dapat menggunakan analisis korelasi kanonik.
Penelitian yang dilakukan menggunakan data sekunder, yakni data yang berasal dari sumber yang telah ada.
Hasil pencatatan dari faktor meteorologi dan produksi tanaman perkebunan menurut Provinsi pada tahun 2015 digunakan sebagai data sekunder yang akan dianalisis.
Data yang diambil yaitu data faktor meteorologi yang terdiri dari suhu .
cU1 ), kelembaban .
cU2 ), curah hujan .
cU3 ), penyinaran matahari .
cU4 ), tekanan udara .
cU5 ) dan data produksi tanaman perkebunan yang terdiri dari Kelapa Sawit .
cU1 ), kelapa .
cU2 ), karet .
cU3 ), kopi .
cU4 ), kakao .
cU5 ).
Tujuan melakukan penelitian ini untuk memberikan informasi adakah atau tidak adakah pengaruh faktor meteorologi dengan produksi tanaman perkebunan dan juga mengetahui faktor meteorologi dengan pengaruh terbesar atau terbaik terhadap produksi tanaman perkebunan.
Berdasarkan penelitian ini menunjukkan bahwa terjadi hubungan yang erat antara indikator variabel faktor meteorologi dengan indikator hasil produksi perkebunan.
Kontribusi terbesar yang dimiliki oleh variabel independen adalah kelapa sawit .
cU1 ), sedangkan kontribusi yang paling tinggi pada variabel dependen adalah suhu .
cU1 ) sehingga suhu dan kelapa sawit menjadi indikator variabel yang memiliki hubungan erat dibandingkan dengan indikator variabel yang lain.
Kata Kunci: Analisis Korelasi Kanonik.
Faktor Meteorologi.
Tanaman Perkebunan ABSTRACT Plantation crops are crops whose crops can vary depending on the weather conditions which are included in meteorological indicators.
To find out, you can use canonical correlation analysis.
The research conducted uses secondary data, namely data that comes from existing sources.
The results of recording meteorological factors and plantation crop production by province in 2015 are used as secondary data to be analyzed.
The data taken were meteorological factor data consisting of temperature .
cU1 ), humidity .
cU2 ), rainfall .
cU3 ), solar irradiation .
cU4 ), air pressure .
cU5 ) and plantation crop production data consisting of oil palm .
cU1 ), coconut .
cU2 ), rubber .
cU3 ), coffee .
cU4 ), cocoa .
cU5 ).
The purpose of conducting this study is to provide information on whether or not meteorological factors have an influence on plantation crop production and also to find out the meteorological factors with the largest or best influence on plantation crop production.
Based on this study, it shows that there is a close relationship between the variable indicators of meteorological factors and the indicators of plantation production.
The largest contribution of the independent variable is palm oil .
cU1 ), while the highest contribution to the dependent variable is temperature .
cU1 ), so that temperature and oil palm are variable indicators that have a close relationship compared to other variable Keyword: canonical correlation analysis.
weather factors.
plantation crops Article info: Submitted: 4 July 2024 Accepted: 12 November 2024 How to cite this article:
Mardianto.
Amelia.
Ana.
Dwiyanto.
Baihaqi.
Rahmada.
, & Pratama.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi dengan Produksi Tanaman Perkebunan.
Zeta - Math Journal, 9.
, 73-82.
https://doi.
org/10.
31102/zeta.
This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution-ShareAlike 4.
0 International License.
Mardianto.
Amelia.
Ana, dll.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi PENDAHULUAN Salah satu potensi besar yang dimiliki oleh subsektor pertanian adalah subsektor perkebunan.
Pada tahun 2022 subsektor perkebunan berkontribusi terhadap total PDB Indonesia sebesar 3,76 persen, selanjutnya diikuti oleh perikanan dengan kontribusi sebesar 2,58 persen, tanaman pangan 2,32 persen, peternakan 1,52 persen, tanaman hortikultura 1,44 persen, kehutanan 0,60 persen, jasa pertanian dan perburuan 0,18 persen.
Urutan pertama pada sektor pertanian, kehutanan, dan perikanan yaitu pada subsektor perkebunan berkontribusi sebesar 3,76 persen terhadap total PDB Indonesia.
Kontribusi subsektor perkebunan pada tahun 2022 terhadap PBD sektor Pertanian.
Kehutanan, dan Perikanan sebesar 30,32 persen (BPS.
Komoditas strategis perkebunan pada subsektor perkebunan seperti sawit, kopi, dan kakao.
Hasil kontribusi subsektor perkebunan ini merupakan dukungan dari kondisi cuaca serta adopsi teknologi pertanian yang lebih baik.
Apabila kondisi tumbuh produksi perkebunan baik, dapat memperoleh potensi produksi yang maksimal.
Faktor tanah dan iklim merupakan salah satu faktor yang berpengaruh.
Faktor tanah berupa sifat fisika Ae kimia berkaitan erat untuk mempengaruhi pertumbuhan produksi perkebunan.
Curah hujan, evapotranspirasi, durasi penyinaran cahaya, kelembapan, suhu, dan kecepatan angin mempunyai hubungan dengan iklim (Harahap & Munir, 2.
Berdasarkan penjelasan di atas, faktor tanah dan iklim menjadi faktor meteorologi untuk hasil produksi perkebunan.
Beberapa indikator untuk mengukur keterkaitan diantara keduanya memerlukan pertimbangan dari masing-masing dimensi yaitu faktor meteorologi dan hasil produksi perkebunan.
Analisis korelasi kanonik tepat untuk menganalisis pada penelitian ini karena untuk mengidentifikasi dan mengukur hubungan antara faktor meteorologi sebagai variabel dependen dan hasil produksi Perkebunan sebagai variabel Analisis korelasi kanonik merupakan analisis data multivariat yang bertujuan untuk menguraikan struktur hubungan antara indikator himpunan variabel independen dengan indikator himpunan variabel dependen serta mengetahui indikator himpunan variabel yang mempunyai pengaruh paling tinggi (Nuriyah & R, 2.
Kelebihan analisis korelasi kanonik sendiri yaitu dengan memodelkan kedua variabel secara bersamaan, analisis korelasi kanonik dapat membantu mengontrol variabel pengganggu yang mungkin mempengaruhi hubungan antara variabel.
Penelitian terdahulu terkait analisis hasil produksi perkebunan menggunakan analisis regresi yang dilakukan oleh Rahmadeni & Darna.
Penelitian ini dilakukan dengan tujuan untuk mengidentifikasi seberapa besar faktor-faktor mempengaruhi hasil produksi dari tingkat perbedaan jenis tanaman.
Penelitian ini tidak menggunakan variabel faktor meteorologi sehingga tidak dapat dijadikan referensi pada penelitian ini.
Maka dari itu, peneliti tertarik untuk melakukan suatu penelitian mengenai analisis korelasi kanonik terhadap hubungan antara faktor meteorologi dengan produksi tanaman perkebunan dengan kebaruan yaitu menggunakan beberapa hasil produksi perkebunan dan beberapa faktor meteorologi.
Sehingga diharapkan dapat membantu petani untuk pengembangan strategi mitigasi risiko terhadap dampak perubahan iklim dan cuaca ekstrim yang dapat mempengaruhi hasil pertanian.
TINJAUAN PUSTAKA
1 Uji Normalitas Multivariat Ghozali .
menyatakan bahwa analisis korelasi kanonikal dapat menampung data dengan variabel yang tidak berdistribusi normal.
Namun, apabila menggunakan data yang berdistribusi normal, akan dihasilkan interpretasi yang lebih baik.
Uji Normalitas merupakan pengujian yang bermaksud untuk menilai atau mengetahui penyebaran data di suatu kelompok data atau variabel telah berdistribusi normal atau tidak .
Jika didapatkan hasil berdistribusi normal maka bisa diambil asumsi bahwa pengambilan data bersumber dari kumpulan data yang normal.
Data bisa dikatakan berdistribusi normal jika dan hanya jika tidak tidak memiliki perbedaan signifikan atau baku jika disbanding dengan normal baku.
Jika nilai koefisien korelasi yang berada pada rentang -1 sampai 1.
Jika didapatkan nilai koefisien korelasi > dari r tabel atau nilai signifikansinya dibawah nilai = 0,05 maka bisa dinyatakan ada korelasi yang signifikan.
ya0 O Data berdistribusi normal ya1 O Data tidak berdistribusi normal Keputusannya adalah tolak ya0 apabila nilai p-Value / Sig.
Zeta Ae Math Journal, vol.
9, no.
2, pp.
73 - 82.
November, 2024.
Berikut ini langkah-langkah untuk melakukan uji normal multivariat.
Menghitung nilai square distance .
cc2 ), yccyc2 = .
cUyc Ae ycUI)yc ycI Oe1 ( ycUyc Oe ycUI ).
yc = 1,2,3.
A , ycu Mengurutkan nilai yccycn2 dari hasil yang diperoleh dari perhitungan pada tahap 1 sehingga menjadi, ycc12 O ycc22 O ycc32 O U O yccycu2 Membuat Q-Q plot atau Chi-Square plot dengan nilai sebagai sumbu X dan nilai kuantil atas , ycyc,ycy ( ycyyc ) = ycuOeycn 2 ycu ycuycy2 ( ) sebagai sumbu ycU.
2 Uji Multikolinearitas Uji multikolinearitas digunakan untuk menguji ada atau tidaknya hubungan yang kuat antar variabel bebas pada model regresi yang terbentuk.
Menurut Gujarati .
, multikolinearitas merupakan adanya hubungan langsung yang ideal pada variabel-variabel bebas yang ada di model regresi, bisa semua variabel atau hanya beberapa saja.
Model regresi dikatakan sempurna jika tidak memiliki hubungan di antara variabel bebasnya.
Uji multikolinearitas diperoleh melalui nilai (VIF) Variance Inflation Factor dan angka Tolerance.
Perhitungan VIF adalah sebagai berikut:
ycOyaya = 1 Oe ycI12 Berikut ini adalah pedoman untuk mengetahui rumus diatas:
Jika diperoleh angka Tolerance > 0,10 dan VIF < 10, hal tersebut membuktikan kalau antara variabelvariabel bebas tidak terjadi multikol pada model regresinya.
Jika diperoleh angka Tolerance < 0,10 dan VIF > 10, hal tersebut membuktikan kalau antara variabelvariabel bebas terjadi multikol pada model regresi.
3 Analisis Korelasi Kanonik Analisis korelasi kanonik adalah suatu metode analisis statistik dengan banyak variabel yang melihat seberapa kuat korelasi dua kelompok variabel yang dikemukakan pertama kali oleh Hotelling pada tahun 1936.
Hair JR.
dkk, 2013 menyatakan bahwa analisis korelasi kanonikal merupakan model yang dapat mengidentifikasi dan mengkuantifikasi hubungan antara dua susunan variabel.
Analisis korelasi kanonik berfungsi untuk menguji korelasi antara variabel dependen dengan variabel independen masing-masing sebanyak dua atau lebih variabel secara bersamaan (Irianingsih.
dkk, 2.
Bentuk dasar analisis korelasi kanonik yaitu :
ycU1 ycU2 ycU3 U ycUyc = ycU1 ycU2 ycU3 U ycUycy Berikut ini merupakan penetuan fungsi kanonik dan penduga koefisien kanonik:
Misalkan gabungan linear pada sebuah himpunan variabel independen XAo = ycU1 , ycU2 ,A.
, ycUyc dan gabungan linear pada sebuah himpunan variabel dependen YAo = ycU1 , ycU2 ,A, ycUycy .
Misalkan Z merupakan matriks yang dipartisi oleh matriks varians kovarians OcycUycU dengan ukuran .
, matriks varians kovarians OcycUycU dengan ukuran .
, matriks OcycUycU dengan ukuran .
, dan matriks OcycUycU dengan ukuran .
Oc Oc yeuyeu =[ ycUycU OcycUycU OcycUycU OcycUycU Dengan OcycU .
OcycU ,dan OcycU masing-masing adalah matriks kovarians peubah X, matriks kovarians peubah Y, dan matriks kovarians antara peubah X dan Y.
Kedua matriks kovarians dijabarkan sebagai berikut :
Mardianto.
Amelia.
Ana, dll.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi Ocycu1 ycu1 Ocycu1 ycu2 Ocycu1 ycuyc Ocycu2 ycu1 Ocycu2 ycu2 Ocycu2 ycuyc Ocycuyc ycu1 Ocycuyc ycu2 Ocycuyc ycuyc OcycU = Ocyc1 yc1 Ocyc1 yc2 Ocyc1 ycycy Ocyc2 yc1 Ocyc2 yc2 Ocyc2 ycycy Ocycycy yc1 Ocycycy yc2 Ocycycy ycycy OcycU = Ocycu1 yc1 Ocycu1 yc2 Ocycu1 ycycy Ocycu2 yc1 Ocycu2 yc2 Ocycu2 ycycy Ocycuyc ycu1 Ocycuyc ycu2 Ocycuyc ycycy OcycU = Gabungan linear dari kedua himpunan variabel :
U = yeCycN yc = yca1 ycU1 yca2 ycU2 A.
ycayc ycUyc V = yeEycN yeA = yca1 ycU1 yca2 ycU2 A.
ycayc ycUyc
METODE PENELITIAN
1 Jenis Penelitian Untuk menganalisis data dalam penelitian ini menggunakan studi statistik terapan yang memanfaatkan perangkat lunak yaitu software IBM SPSS untuk analisis data.
Data sekunder digunakan dalam penelitian ini dengan ukuran sampel sebanyak 34 sampel.
Metode yang digunakan menggunakan analisis korelasi kanonik.
2 Objek Kajian Data sekunder digunakan dalam penelitian ini dan datanya didapatkan dari Badan Pusat Statistik (BPS).
Objek penelitian ini adalah faktor meteorologi dan produksi perkebunan.
3 Variabel Penelitian Variabel yang digunakan dalam penelitian ini adalah :
Variabel faktor meteorologi ycU1 : suhu ycU2 : kelembaban ycU3 : curah hujan ycU4 : penyinaran matahari ycU5 : tekanan udara Variabel hasil produksi Perkebunan ycU1 : kelapa sawit ycU2 : kelapa ycU3 : karet ycU4 : kopi ycU5 : kakao Zeta Ae Math Journal, vol.
9, no.
2, pp.
73 - 82.
November, 2024.
4 Prosedur Penelitian Tahapan penelitian yang dilakukan adalah :
Melakukan Uji Normalitas untuk menentukan korelasi dari kedua variabel Melakukan Uji Multikoleniaritas untuk menentukan variabel yang dapat digunakan sebagai variabel Melakukan Uji korelasi kanonikal untuk mengidentifikasi dan mengkuantifikasi korelasi antara dua Melakukan pengujian simultan untuk mengetahui besar pengaruh dari variabel independen terhadap variabel dependen.
HASIL DAN PEMBAHASAN
1 Uji Normalitas Hasil analisis uji normalitas pada penelitian ini.
Peneliti sajikan dalam tabel 1 berikut ini:
Tabel 1.
Uji Normalitas Mahalanobis Distance Chi_Square Pearson Correlation 0,913 Sig.
-taile.
0,000 Pearson Correlation 0,913 Sig.
-taile.
0,000 Hipotesis :
ycya : Data berdistribusi normal ycya : Data tidak berdistribusi normal Berdasarkan tabel 1 diperoleh hasil uji normalitas nilai signifikansi bernilai 0,000 dengan nilai yu = 0.
artinya nilai signifikansi < yu sehingga ycya diterima.
Dengan demikian, data berdistribusi normal.
2 Uji Multikolinieritas Hasil analisis uji multikolineritas pada penelitian ini.
Peneliti sajikan dalam bentuk tabel 2 berikut ini :
Tabel 2.
Uji Multikolinieritas Constant Tolerance VIF ycU1 ycU2 ycU3 ycU4 ycU5 Dari output yang dihasilkan, nilai (VIF) Variance Inflation Factor yang didapatkan diantaranya variabel ycU1 VIF-nya adalah 3.
242, ycU2 VIF-nya adalah 2.
313, ycU3 VIF-nya adalah 2.
671, ycU4 VIF-nya adalah 1.
888, dan ycU5 VIF-nya adalah 1.
Dari kelima variabel yaitu ycU1 , ycU2 , ycU3 , ycU4 , dan ycU5 memiliki nilai VIF < 10, yang artinya kelima variabel ini tidak adanya multikol pada masing-masing variabel.
3 Uji Korelasi Kanonik Function Fungsi 1 Fungsi 2 Fungsi 3 Fungsi 4 Fungsi 5 Tabel 3.
Uji Korelasi Kanonik Canonic Correlation Sig.
Berdasarkan tabel 3 di atas bahwa terdapat 5 fungsi kanonik.
Dengan function 1 mempunyai nilai korelasi 981, function 2 mempunyai nilai korelasi 0.
806, function 3 mempunyai nilai korelasi 0.
537, function 4 mempunyai nilai korelasi 0.
336, dan function 5 mempunyai nilai korelasi 0.
Untuk mengetahui signifikansi dari ke 5 fungsi kanonik tersebut dapat melihat dari kolom Sig.
of F dari masing-masing fungsi.
Mardianto.
Amelia.
Ana, dll.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi Function 1 memiliki nilai Sig.
of F sebesar 0.
000, function 2 memiliki nilai Sig.
of F sebesar 0.
000, function 3 memiliki nilai Sig.
of F sebesar 0.
111, function 4 memiliki nilai Sig.
of F sebesar 0.
286, dan function 5 memiliki nilai Sig.
of F sebesar 0.
Dapat dilihat, function 1 dan 2 < 0.
05 yang artinya function 1 dan 2 signifikan dan dapat menuju ke proses selanjutnya.
Untuk function 3, 4, dan 5 > 0.
05 yang artinya function 3,4,dan 5 tidak signifikan dan bisa tidak diikutkan ke proses selanjutnya.
Setelah itu dilakukan uji keseluruhan korelasi Uji yang dilakukan diantaranya yaitu uji Hotellings.
Pillais.
Roys, dan Wilks.
Pada tabel 4 akan ditunjukkan hasil analisinya.
Tabel 4.
Uji Korelasi Kanonik secara Parsial Test name Sig, of F Pillais 0,000 Hotellings 0,000 Wilks 0,000 Roys Dengan melihat table diatas.
Sig.
of F untuk Uji Hotellings.
Pillais.
Roys, dan Wilks yang mempunyai nilai 000 dan nilainya <0.
Jika dari ketiga nilai tersebut dijumlahkan nilainya pun tetap < 0.
Sehingga didapatkan Fungsi Kanonik 1.
Fungsi Kanonik 2.
Fungsi Kanonik 3.
Fungsi Kanonik 4, dan Fungsi Kanonik 5 adalah signifikan dan dapat dilakukan uji lebih lanjut.
1 Bobot Kanonikal (Canonical Weight.
Variabel yeAya yeAya yeAyc yeAye yeAye Variabel ycya ycya ycyc ycye ycye Tabel 5.
Uji Bobot Kanonikal Dari tabel, didapatkan persamaan sebagai berikut :
ycO1 = 1.
129ycU1 0.
362ycU3 0.
114ycU5 Ae 0.
322ycU4 Oe 0.
ycO1 = 1.
869ycU1 0.
801ycU2 0.
309ycU3 Ae 0.
453ycU4 Oe 1.
679ycU5 Berdasarkan persamaan 1 diperoleh kontribusi terhadap variabel kanonik dependen dari terbesar hingga terkecil yaitu kelapa sawit .
cU1 ), karet .
cU3 ), kakao .
cU5 ), kopi .
cU4 ), dan kelapa .
cU2 ), sedangkan kontribusi terhadap variabel kanonik independen dari terbesar hingga terkecil yaitu suhu .
cU1 ), kelembaban .
cU2 ), curah hujan .
cU3 ), penyinaran matahari .
cU4 ), dan tekanan udara .
cU5 ).
Artinya jaminan variabel kanonik dependen yang memiliki pengaruh paling erat yaitu kelapa sawit .
cU1 ) sebesar 1,129 dan jaminan variabel kanonik independen yang memiliki pengaruh paling erat yaitu suhu .
cU1 ) sebesar 1,869.
2 Muatan Kanonik (Canonical Loading.
Variabel yeAya yeAya yeAyc yeAye yeAye Tabel 6.
Uji Muatan Kanonik Zeta Ae Math Journal, vol.
9, no.
2, pp.
73 - 82.
November, 2024.
Variabel ycya ycya ycyc ycye ycye Muatan kanonik bertujuan untuk mengetahui ukuran dari hubungan variabel asal dengan tiap variabel Variabel asal diketahui memiliki pengaruh yang tinggi terhadap semua variabel kanoniknya apabila nilai muatannya > 0,5.
Hasilnya menunjukkan nilai muatan kanonik untuk variabel X dan variabel Y > 0.
5 sehingga terjadi hubungan yang melekat antara variabel bebas dengan variabel terikat.
Dari tabel 6 Uji Muatan Kanonik terhadap variabel dependen diperoleh dua angka korelasi dengan ketinggian nilai yang sama pada dependen variable karena lebih dari 0.
5 antara lain ycU2 nilainya 0.
652 dan ycU4 nilainya -0.
Selanjutnya untuk variabel independen .
yang nilainya lebih dari 0.
5 ada dua variabel antara lain ycU1 nilainya 0.
704 dan ycU3 nilainya 0.
Dari hasil canonical loadings pada tabel diatas, variabel independen kelapa sawit .
cU1 ) dan variabel dependen penyinaran matahari .
cU4 ) memiliki nilai muatan paling besar, yaitu 0.
704 dan -0.
Hal tersebut menunjukkan bahwa terdapat hubungan paling melekat antara kelapa sawit dengan penyinaran matahari dibandingkan variabel lainnya.
3 Muatan Silang Kanonikal (Canonical Loading.
Variabel yeAya yeAya yeAyc yeAye yeAye Variabel ycya ycya ycyc ycye ycye Tabel 7.
Muatan Silang Kanonikal -2,014 Dari tabel 7 Muatan silang kanonikal terhadap Variabel dependen diperoleh bahwa variabel ycU1 (Suh.
muatan silang-kanonikal nya paling tinggi yaitu 1.
4 Pengujian Hipotesis Simultan Tabel 8.
Pengujian Simultan variabel independen terhadap variabel yeAya Model Adj RS Std.
Error of the Estimate Berdasarkan tabel 8, diperoleh nilai koefisien korelasi (R) sebesar 0.
783, yang artinya setiap variabel bebas mempunyai hubungan yang sangat erat dengan suhu yang menjadi variabel dependen.
Koefisien determinasinya memiliki nilai 0.
612 atau 61.
Dengan demikian, dapat disimpulkan bahwa besar pengaruh antar masing-masing variabel independen yang ditujukan pada variabel dependen sebesar 61.
2% dan 38.
yang dimana hal tersebut merupakan pengaruh dari beberapa faktor yang lain yang tidak disertakan dalam penelitian ini.
Tabel 9.
Ringkasan model variabel independen terhadap variabel yeAya Sig Regression Residual Total Hipotesis :
ycya : adanya hubungan antara variabel independen dengan variabel yeAya .
ya1 : tidak adanya hubungan antara variabel independen dengan variabel ycU1 .
Mardianto.
Amelia.
Ana, dll.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi Pada tabel 9 mempunyai nilai Sig.
000, dimana nilai tersebut < 0.
05 artinya nilai signifikansi < yu sehingga ya0 diterima.
Hal ini menunujukkan adanya hubungan antara variabel independen dengan variabel ycU1 .
Model Tabel 10.
Pengujian Simultan variabel independen terhadap variabel Y2 Adj RS Std.
Error of the Estimate Berdasarkan tabel 10, didapatkan nilai Koefisien korelasi (R) sebesar 0.
696, yang artinya setiap variabel bebas mempunyai hubungan yang sangat erat dengan kelembaban yang menjadi variabel terikat.
Koefisien determinasinya memiliki nilai sebesar 0.
484 atau 48.
Dengan demikian, dapat disimpulankan kalau besar pengaruh antar masing-masing variabel bebas yang ditujukan pada variabel terikat sebesar 48.
6% yang dimana hal tersebut merupakan pengaruh dari beberapa faktor lain yang tidak disertakan dalam penelitian ini.
Tabel 11.
Ringkasan model variabel independen terhadap variabel yeAya Sig Regression Residual Total Hipotesis :
ycya :adanya hubungan antara variabel independen dengan variabel yeAya .
ya1 :tidak adanya hubungan antara variabel independen dengan variabel ycU2 .
Pada tabel 11 mempunyai nilai Sig.
002 < 0.
05 , dimana nilai tersebut < 0.
05 artinya nilai signifikansi < yu sehingga ya0 diterima.
Hal ini menunujukkan adanya hubungan dari variabel independen dengan variabel ycU2 .
Model Tabel 12.
Pengujian Simultan variabel independen terhadap variabel Y3 Adj RS Std.
Error of the Estimate Berdasarkan tabel 12, didapatkan nilai Koefisien korelasi (R) sebesar 0,283.
Hal ini menunjukkan bahwa setiap variabel independen mempunyai hubungan yang cukup kuat dengan curah hujan yang menjadi variabel Koefisien determinasinya memiliki nilai 0.
080 atau 8%.
Dengan demikian, dapat disimpulankan kalau besar pengaruh antar masing-masing variabel bebas yang ditujukan pada variabel terikat sebesar 8% dan 92% yang dimana hal tersebut merupakan pengaruh dari beberapa faktor lain yang tidak disertakan dalam penelitian ini.
Tabel 13.
Ringkasan model variabel independen terhadap variabel Y3 Sig Regression 1353634.
Residual Total Hipotesis :
ycya :adanya hubungan antara variabel independen dengan variabel yeAyc .
urah huja.
ycya :tidak adanya hubungan antara variabel independen dengan variabel yeAyc .
urah Pada Tabel 13 mempunyai nilai Sig.
783, dimana nilai tersebut > 0.
05 artinya nilai signifikansi > yu sehingga ya0 ditolak yang membuktikan tidak adanya hubungan dari variabel independen dengan variabel ycU3 , yakni curah hujan.
Kondisi tersebut membuktikan bahwa curah hujan tidak sepenuhnya memiliki pengaruh untuk produksi tanaman perkebunan dengan melihat dari hasil sebelumnya dengan nilai sebesar 8%.
Hasil analisis menyatakan bahwa terdapat sekitar 92% faktor lain selain curah hujan yang memiliki pengaruh untuk produksi tanaman perkebunan.
Sehingga untuk menunjang produksi tanaman perkebunan, faktor-faktor selain curah hujan dapat dipertimbangkan kembali sebelum melakukan penanaman produksi perkebunan sehingga didapatkan hasil produksi yang lebih melimpah.
Tabel 14.
Pengujian Simultan variabel independen terhadap variabel Y4 Model Adj RS Std.
Error of the Estimate Zeta Ae Math Journal, vol.
9, no.
2, pp.
73 - 82.
November, 2024.
Berdasarkan tabel 14, didapatkan nilai Koefisien korelasi (R) sebesar 0,575.
yang artinya setiap variabel bebas mempunyai hubungan yang erat dengan penyinaran matahari yang menjadi variabel terikat.
Koefisien determinasi sebesar 0.
330 atau 33%.
Dengan demikian, dapat disimpulkan kalau besar pengaruh antar masingmasing variabel bebas yang ditujukan pada variabel terikat sebesar 33% dan 67% yang dimana hal tersebut merupakan pengaruh dari beberapa faktor lain yang tidak disertakan dalam penelitian ini.
Tabel 15.
Ringkasan model variabel independen terhadap variabel Y4 Sig Regression Residual Total Hipotesis :
ycya :adanya hubungan antara variabel independen dengan variabel yeAye .
enyinaran matahar.
ycya :tidak adanya hubungan antara variabel independen dengan variabel yeAye .
enyinaran matahar.
Pada tabel 15 mempunyai nilai Sig.
038, dimana nilai tersebut < 0.
05 artinya nilai signifikansi < yu sehingga ya0 diterima.
Hal ini membuktikan bahwa adanya hubungan dari variabel independen dengan variabel ycU4 .
enyinaran matahar.
Tabel 16.
Pengujian Simultan variabel independen terhadap variabel Y5 Model Adj RS Std.
Error of the Estimate Berdasarkan tabel 16, didapatkan nilai koefisien korelasi (R) sebesar 0,981.
Hal ini menunjukkan bahwa setiap variabel bebas mempunyai hubungan yang sangat kuat dengan tekanan udara yang menjadi variabel Koefisien determinasi sebesar 0.
962 atau 96.
Dengan demikian, dapat disimpulankan kalau besar pengaruh antar masing-masing variabel bebas yang ditujukan pada variabel terikat sebesar 96.
2% dan 3.
yang dimana hal tersebut merupakan pengaruh dari beberapa faktor lain yang tidak disertakan dalam penelitian Tabel 17.
Ringkasan model variabel independen terhadap variabel Y5 Sig Regression Residual Total Hipotesis :
ycya :adanya hubungan antara variabel independen dengan variabel yeAye .
ekanan udar.
ycya :tidak adanya hubungan antara variabel independen dengan variabel yeAye .
ekanan udar.
Pada tabel 17 mempunyai nilai Sig.
000, dimana nilai tersebut < 0.
05 artinya nilai signifikansi < yu sehingga ya0 diterima.
Hal ini menunjukkan adanya hubungan antara variabel independen dengan variabel ycU5 .
ekanan udar.
KESIMPULAN
Dari analisis korelasi kanonik yang telah dilakukan, didapatkan bahwa terjadi hubungan yang erat antara indikator variabel faktor meteorologi dengan indikator hasil produksi perkebunan.
Kontribusi terbesar yang dimiliki oleh variabel independen adalah kelapa sawit .
cU1 ), sedangkan kontribusi yang paling tinggi dimiliki oleh variabel dependen adalah suhu .
cU1 ) sehingga suhu dan kelapa sawit menjadi indikator variabel yang mempunyai hubungan erat dibandingkan dengan indikator variabel yang lain.
Mardianto.
Amelia.
Ana, dll.
Analisis Korelasi Kanonik Terhadap Hubungan Antara Faktor Meteorologi DAFTAR PUSTAKA