1. PENDAHULUAN

1.1 Latar Belakang

Pulau Sumatera, sebagai salah satu pulau terbesar di Indonesia, memperlihatkan karakteristik geografis yang sangat beragam yang membentang dari wilayah barat di Aceh hingga ujung timur di Lampung. Perbedaan geografis di Pulau Sumatera meliputi berbagai tipe lahan, mulai dari pegunungan yang menjulang tinggi hingga dataran rendah yang luas, serta hutan hujan tropis yang lebat dan garis pantai yang panjang dengan beragam karakteristik. Hal ini tidak hanya memengaruhi kondisi alam, tetapi juga memberikan perbedaan dalam pola iklim yang diamati di seluruh wilayah Pulau Sumatera.

Oleh karena itu, untuk membuktikan iklim di Pulau Sumatera berbeda-beda, dilakukan analisis \(T^{2} Hotteling\) guna membandingkan iklim pada Provinsi Aceh dan Lampung. Faktor-faktor seperti curah hujan, kelembapan, dan suhu rata-rata menjadi fokus utama dalam menganalisis perbedaan iklim di kedua provinsi pada tahun 2010 hingga 2020.

1.2 Tinjauan Pustaka

1.2.1 Uji \(T^{2} Hotteling\)

\(T^{2} Hotteling\) merupakan suatu skalar yang mengkombinasikan informasi dari dispersi dan rata-rata dari beberapa variabel, dapat pula dikataan sebagai counterpart dari statistik t-student (Awitasari, 2018). \(T^{2} Hotteling\) digunakan untuk membandingkan dua kelompok yang masing-masingnya memiliki lebih dari 2 variabel. \(T^{2} Hotteling\) dibagi menjadi dua, yaitu:

\(T^{2} Hotteling\) Satu Populasi

Hipotesis

\(H_{0}\) : \(\mu_ = \mu_{0}\)

\(H_{1}\) : \(\mu ≠ \mu_{0}\)

Statistik Uji

\(T^{2}=n(\bar{X}-\mu_{0})' S^{-1}(\bar{X} - \mu_{0})\)

Titik Kritis

\(T^{2} \sim \frac{(n-1)p}{(n-p)}F_{\alpha(p,n-p)}\)
\(T^{2} Hotteling\) Dua Populasi

Hipotesis

\(H_{0}\) : \(\mu_{1} = \mu_{2}\)

\(H_{1}\) : \(\mu_{1} ≠ \mu_{2}\)

Statistik Uji

\(T^{2} = [\bar{X_{1}} - \bar{X_{2}} - (\mu_{1} - \mu_{2}]'[\frac{1}{n_{1}} + \frac{1}{n_{2}}]^{-1}T^{2} = [\bar{X_{1}} - \bar{X_{2}} - (\mu_{1} - \mu_{2})]\)

dengan

\(S_{pooled} = \frac{n_{1}-1}{n_{1}+n_{2}-2} S_{1} + \frac{n_{2}- 1}{n_{1}+n_{2}-2} S_{2}\)

Titik Kritis

\(T^{2} \sim \frac{(n_{1}+n_{2}-2)p}{n_{1}+n_{2}-p-1}F_{\alpha(p,n_{1}+n_{2}-p-1)}\)

1.2.2 Asumsi Untuk Uji \(T^{2} Hotteling\)

Asumsi Normalitas

Asumsi normalitas menyatakan bahwa data harus menyebar secara multivariat. Pemeriksaan asumsi normalitas dapat menggunakan uji Mardia, Henze-Zirkler, atau yang lain.
Asumsi Homogenitas Ragam Peragam

Asumsi homogenitas ragam peragam menyatakan bahwa data harus memiliki matriks ragam peragam yang sama. Pemerikasaan asumsi homogenitas ragam peragam dapat menggunakan uji Box-M dan Barrtlet
Variabel pengamatan saling bebas.

1.2.3 Iklim

Iklim merupakan keadaan cuaca rata-rata dalam waktu yang relatif lama dan meliputi wilayah luas (Miftahuddin, 2016). Iklim merupakan fenomena alam yang digerakkan oleh gabungan beberapa unsur, yaitu radiasi matahari, temperatur, kelembaban, awan, hujan, evaporasi, tekanan udara, dan angin. Berikut merupakan unsur pembentuk iklim yang digunakan sebagai variabel dalam analisis:

Curah hujan

Curah hujan merupakan jumlah air yang turun pada suatu daerah dalam waktu tertentu. Hujan merupakan salah satu bentuk presipitasi uap air yang berasal dari awan yang terdapat di atmosfer (Sartika, et al. 2016). Curah hujan memiliki satuan milimeter.
Kelembapan

Kelembapan adalah ukuran seberapa banyak uap air yang terdapat dalam udara pada suatu waktu dan tempat tertentu (Friadi dan Junadhi, 2019). Kelembapan biasanya dinyatakan dalam satuan persen.
Suhu Rata-Rata

Suhu adalah satuan intensitas panas (Friadi dan Junadhi, 2019). Suhu juga diartikan sebagai ukuran energi kinetik rata–rata dari pergerakan molekul–molekul atau secara mikroskopik suhu adalah tingkat atau derajat kepanasan benda tersebut (Fadholi, 2013). Suhu rata-rata merupakan nilai tengah dari sebuat ukuran panas.

1.2.4 Data

Data yang diolah berasal dari sumber data sekunder yang diunduh dari Kaggle.com dengan mencakup data mengenai hasil panen padi, luas lahan, dan variabel-variabel terkait perubahan cuaca di Provinsi Pulau Sumatera dalam rentang waktu dari tahun 1993 hingga 2020. Untuk menganalisis perbedaan kondisi iklim, fokus analisis dilakukan terhadap data faktor perubahan cuaca mulai dari tahun 2010 hingga 2020. Data mengenai faktor perubahan cuaca ini didapatkan dari situs web BMKG, dan mencakup informasi harian mengenai curah hujan, kelembapan udara, serta suhu rata-rata.

Provinsi	Tahun	Curah Hujan	Kelembapan	Suhu Rata-Rata
Aceh	2010	1986	81,4	27,1
Aceh	2011	1268	79,4	27,1
Aceh	2012	1098	79,6	26,9
Aceh	2013	1623,6	80,7	27
Aceh	2014	2264,4	78,3	27,1
Aceh	2015	1575	80	27,1
Aceh	2016	1096	83,32	27,12
Aceh	2017	1905,9	85,57	26,51
Aceh	2018	1427,8	83,98	26,48
Aceh	2019	1931,4	83,9	26,65
Aceh	2020	1619,2	80,82	25,41
Lampung	2010	2710	82,3	26,7
Lampung	2011	1568	77,8	26,8
Lampung	2012	1685	79,2	26,8
Lampung	2013	2456,7	81	26,7
Lampung	2014	1682,5	79,9	25,8
Lampung	2015	1628,1	78,9	27,1
Lampung	2016	2317,6	79,4	26,45
Lampung	2017	1825,1	77,04	26,36
Lampung	2018	1385,8	76,05	25,5
Lampung	2019	1706,4	78,03	27,23
Lampung	2020	2211,3	75,8	24,58

2. SOURCE CODE

**2.1 Library yang Dibutuhkan**

Berikut merupakan library package yang dapat digunakan untuk melakukan Uji \(T^{2} Hotteling\) :

> library(readxl)
> library(car)
> library(carData)
> library (ggplot2)
> library(gridExtra)
> library(MVN)
> library(mvnormtest)
> library(MVTests)
> library(Hotelling)
> library(DescTools)

2.2 Import Data

> #Import Data
> setwd("C:/Users/HP_Probook/Downloads")
> faktor = read_excel("Data Padi Sumatera.xlsx", sheet = "2")
> faktor
# A tibble: 22 × 5
   Provinsi Tahun `Curah Hujan` Kelembapan `Suhu Rata-Rata`
   <chr>    <dbl>         <dbl>      <dbl>            <dbl>
 1 Aceh      2010         1986        81.4             27.1
 2 Aceh      2011         1268        79.4             27.1
 3 Aceh      2012         1098        79.6             26.9
 4 Aceh      2013         1624.       80.7             27  
 5 Aceh      2014         2264.       78.3             27.1
 6 Aceh      2015         1575        80               27.1
 7 Aceh      2016         1096        83.3             27.1
 8 Aceh      2017         1906.       85.6             26.5
 9 Aceh      2018         1428.       84.0             26.5
10 Aceh      2019         1931.       83.9             26.6
# ℹ 12 more rows
> 
> Faktor = faktor[-2]
> Faktor1 = Faktor[-1]
> 
> #Split data
> split = split(Faktor1, Faktor$`Provinsi`)
> Aceh = split[['Aceh']]
> Aceh
# A tibble: 11 × 3
   `Curah Hujan` Kelembapan `Suhu Rata-Rata`
           <dbl>      <dbl>            <dbl>
 1         1986        81.4             27.1
 2         1268        79.4             27.1
 3         1098        79.6             26.9
 4         1624.       80.7             27  
 5         2264.       78.3             27.1
 6         1575        80               27.1
 7         1096        83.3             27.1
 8         1906.       85.6             26.5
 9         1428.       84.0             26.5
10         1931.       83.9             26.6
11         1619.       80.8             25.4
> 
> Lampung = split[['Lampung']]
> Lampung
# A tibble: 11 × 3
   `Curah Hujan` Kelembapan `Suhu Rata-Rata`
           <dbl>      <dbl>            <dbl>
 1         2710        82.3             26.7
 2         1568        77.8             26.8
 3         1685        79.2             26.8
 4         2457.       81               26.7
 5         1682.       79.9             25.8
 6         1628.       78.9             27.1
 7         2318.       79.4             26.4
 8         1825.       77.0             26.4
 9         1386.       76.0             25.5
10         1706.       78.0             27.2
11         2211.       75.8             24.6

2.3 Statistika Deskriptif

2.3.1 Mean, Min, Max, Kuartil

> # Mencari Mean, Min, Max, Kuartil
> summary(Faktor1)
  Curah Hujan     Kelembapan    Suhu Rata-Rata 
 Min.   :1096   Min.   :75.80   Min.   :24.58  
 1st Qu.:1570   1st Qu.:78.45   1st Qu.:26.46  
 Median :1684   Median :79.75   Median :26.75  
 Mean   :1771   Mean   :80.11   Mean   :26.57  
 3rd Qu.:1972   3rd Qu.:81.30   3rd Qu.:27.10  
 Max.   :2710   Max.   :85.57   Max.   :27.23  
> summary(Aceh)
  Curah Hujan     Kelembapan    Suhu Rata-Rata 
 Min.   :1096   Min.   :78.30   Min.   :25.41  
 1st Qu.:1348   1st Qu.:79.80   1st Qu.:26.58  
 Median :1619   Median :80.82   Median :27.00  
 Mean   :1618   Mean   :81.54   Mean   :26.77  
 3rd Qu.:1919   3rd Qu.:83.61   3rd Qu.:27.10  
 Max.   :2264   Max.   :85.57   Max.   :27.12  
> summary(Lampung)
  Curah Hujan     Kelembapan    Suhu Rata-Rata 
 Min.   :1386   Min.   :75.80   Min.   :24.58  
 1st Qu.:1655   1st Qu.:77.42   1st Qu.:26.08  
 Median :1706   Median :78.90   Median :26.70  
 Mean   :1925   Mean   :78.67   Mean   :26.37  
 3rd Qu.:2264   3rd Qu.:79.65   3rd Qu.:26.80  
 Max.   :2710   Max.   :82.30   Max.   :27.23

2.3.2 Varians Covarians

> # Mencari Varians Covarians
> Cov = cov(Faktor1)
> Cov
                Curah Hujan Kelembapan Suhu Rata-Rata
Curah Hujan    179666.82926 19.6568312    -42.2131775
Kelembapan         19.65683  6.6000522      0.5429894
Suhu Rata-Rata    -42.21318  0.5429894      0.4617136

2.3.3 Korelasi

> # Mencari korelasi
> corr =  cor(Faktor1)
> corr
               Curah Hujan Kelembapan Suhu Rata-Rata
Curah Hujan     1.00000000 0.01805119     -0.1465641
Kelembapan      0.01805119 1.00000000      0.3110508
Suhu Rata-Rata -0.14656415 0.31105079      1.0000000

2.3.4 Scatter Plot

> # Scatterplot
> scatterplotMatrix(Faktor1)

2.3.5 Boxplot

> #Boxplot
> b1 <- ggplot(Faktor, aes(x = Provinsi, y = `Curah Hujan`, fill = Provinsi)) + geom_boxplot(outlier.shape = 3) + geom_jitter(width = 0.2) + theme(legend.position="top")
> b2 <- ggplot(Faktor, aes(x = Provinsi, y = Kelembapan, fill = Provinsi)) + geom_boxplot(outlier.shape = 3) + geom_jitter(width = 0.2) + theme(legend.position="top")
> b3 <- ggplot(Faktor, aes(x = Provinsi, y = `Suhu Rata-Rata`, fill = Provinsi)) + geom_boxplot(outlier.shape = 3) + geom_jitter(width = 0.2) + theme(legend.position="top")
> grid.arrange(b1, b2, b3, ncol=3)

2.4 Uji Asumsi

2.4.1 Uji Normalitas

1. Q-Q Plot

> #Q-Q Plot 1
> norm.test = mvn(data = Faktor, subset = "Provinsi", mvnTest = "mardia", multivariatePlot = "qq")

2. Uji Mardia

> #Uji Asumsi Kenormalan dengan Mardia Test
> norm.test = mvn(data = Faktor, subset = "Provinsi", mvnTest = "mardia")
> norm.test$multivariateNormality
$Aceh
             Test          Statistic            p value Result
1 Mardia Skewness     18.10650069379 0.0531934806713307    YES
2 Mardia Kurtosis -0.101633630979654   0.91904748399567    YES
3             MVN               <NA>               <NA>    YES

$Lampung
             Test          Statistic           p value Result
1 Mardia Skewness   14.6270466068653 0.146262181827648    YES
2 Mardia Kurtosis -0.398910867195444 0.689958881565897    YES
3             MVN               <NA>              <NA>    YES

3. Uji Henze-Zirkler

> #Uji Normalitas dengan Henze-Zirkler
> norm_hz = mvn(data = Faktor, mvnTest="hz", subset="Provinsi")
> norm_hz$multivariateNormality
$Aceh
           Test        HZ   p value MVN
1 Henze-Zirkler 0.6394849 0.1592604 YES

$Lampung
           Test       HZ    p value MVN
1 Henze-Zirkler 0.697069 0.09135446 YES

2.4.2 Uji Homogenitas Ragam Peragam

> BoxM = BoxM(data = Faktor[,2:4], Faktor$`Provinsi`)
> summary(BoxM)
       Box's M Test 

Chi-Squared Value = 8.965413 , df = 6  and p-value: 0.176

2.5 Uji \(T^{2} Hotteling\)

> # Uji T^2 Hotteling
> with(Faktor, HotellingsT2Test(cbind(`Curah Hujan`,`Kelembapan`,`Suhu Rata-Rata`)~`Provinsi`))

    Hotelling's two sample T2-test

data:  cbind(`Curah Hujan`, Kelembapan, `Suhu Rata-Rata`) by Provinsi
T.2 = 5.4894, df1 = 3, df2 = 18, p-value = 0.007404
alternative hypothesis: true location difference is not equal to c(0,0,0)

3. HASIL DAN PEMBAHASAN

3.1 Statistika Deskriptif

3.1.1 Mean, Min, Max, Kuartil

> summary(Aceh)
  Curah Hujan     Kelembapan    Suhu Rata-Rata 
 Min.   :1096   Min.   :78.30   Min.   :25.41  
 1st Qu.:1348   1st Qu.:79.80   1st Qu.:26.58  
 Median :1619   Median :80.82   Median :27.00  
 Mean   :1618   Mean   :81.54   Mean   :26.77  
 3rd Qu.:1919   3rd Qu.:83.61   3rd Qu.:27.10  
 Max.   :2264   Max.   :85.57   Max.   :27.12  
> summary(Lampung)
  Curah Hujan     Kelembapan    Suhu Rata-Rata 
 Min.   :1386   Min.   :75.80   Min.   :24.58  
 1st Qu.:1655   1st Qu.:77.42   1st Qu.:26.08  
 Median :1706   Median :78.90   Median :26.70  
 Mean   :1925   Mean   :78.67   Mean   :26.37  
 3rd Qu.:2264   3rd Qu.:79.65   3rd Qu.:26.80  
 Max.   :2710   Max.   :82.30   Max.   :27.23

rata-rata curah hujan dan suhu rata-rata terbesar berada pada Provinsi Lampung sedangkan kelembapan terbesar berapa pada Provinsi Aceh.

3.1.2 Varians Covarians

> Cov = cov(Faktor1)
> Cov
                Curah Hujan Kelembapan Suhu Rata-Rata
Curah Hujan    179666.82926 19.6568312    -42.2131775
Kelembapan         19.65683  6.6000522      0.5429894
Suhu Rata-Rata    -42.21318  0.5429894      0.4617136

Jarak antar variabel Curah hujan, kelembapan, dan suhu rata-rata berturut-turut kurang lebih 134.03 milimeter, 2.56%, dan 0.67\(^{o}\) celcius.

3.1.3 Korelasi

> corr = cor(Faktor1)
> corr
               Curah Hujan Kelembapan Suhu Rata-Rata
Curah Hujan     1.00000000 0.01805119     -0.1465641
Kelembapan      0.01805119 1.00000000      0.3110508
Suhu Rata-Rata -0.14656415 0.31105079      1.0000000

Hubungan antarvariabel sangat lemah karena bernilai kurang dari 0.5, hubungan antara kelembapan dengan curah hujan dan kelembapan dengan suhu rata-rata bersifat postif, sedangkan hubungan antara curah hujan dengan suhu rata-rata bersifat negatif.

3.1.4 Scatter Plot

Pada Scatter plot yang telah diperoleh, ketiga variabel hampir tidak memiliki hubungan karena dapat dilihat bahwa garis dari scatter plot tidak miring 45\(^{o}\) ke arah kanan maupun kiri.

3.1.5 Boxplot

Pada boxplot yang telah diperoleh, curah hujan dan kelembapan pada masing-masing provinsi tidak memiliki ouliner sehingga dapat disimpulkan bahwa curah hujan dan kelembapan berdistribusi normal univariat, sedangkan pada suhu rata-rata di kedua provinsi memiliki outliner sehingga dapat disimpulakn suhu rata-rata tidak berdistribusi normal univariat.

3.2 Hasil Uji

3.2.1 Hasil Uji Asumsi

Hipotesis

\(H_{0}\) : Data Provinsi Aceh dan Lampung berdistribusi normal multivariat

\(H_{1}\) : Data Provinsi Aceh dan Lampung tidak berdistribusi normal multivariat

Taraf Nyata

\(\alpha\) = 5%

1. Q-Q Plot

Pada Q-Q plot keduanya terlihat bahwa tuple pada masing-masing provinsi mengikuti garis kenormalan dan outlier masih dekat dengan garis sehingga dapat disimpulkan bahwa data berdistribusi normal multivariat.

2. Uji Normalitas Mardia

> norm.test$multivariateNormality
$Aceh
             Test          Statistic            p value Result
1 Mardia Skewness     18.10650069379 0.0531934806713307    YES
2 Mardia Kurtosis -0.101633630979654   0.91904748399567    YES
3             MVN               <NA>               <NA>    YES

$Lampung
             Test          Statistic           p value Result
1 Mardia Skewness   14.6270466068653 0.146262181827648    YES
2 Mardia Kurtosis -0.398910867195444 0.689958881565897    YES
3             MVN               <NA>              <NA>    YES

Aceh

P-value Skewness (0.053) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

P-value Kurtosis (0.919) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

Dapat disimpulkan dengan \(\alpha\) 5% data Provinsi Aceh berdistribusi normal multivariat

Lampung

P-value Skewness (0.146) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

P-value Kurtosis (0.689) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

Berdasar hasil dari uji Mardia, dapat disimpulkan dengan \(\alpha\) 5% data Provinsi Lampung berdistribusi normal multivariat

3. Uji Normalitas Henze-Zirkle

> norm_hz$multivariateNormality
$Aceh
           Test        HZ   p value MVN
1 Henze-Zirkler 0.6394849 0.1592604 YES

$Lampung
           Test       HZ    p value MVN
1 Henze-Zirkler 0.697069 0.09135446 YES

P-value Aceh (0.159) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

P-value Lampung (0.09) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

Berdasar hasil dari uji Henze-Zirkle, dapat disimpulkan dengan \(\alpha\) 5% data Provinsi Aceh dan Lampung berdistribusi normal multivariat

Kesimpulan

Setelah dilakukan dua uji normalitas dan hasil Q-Q Plot, dapat disimpulkan bahwa data curah hujan, kelembapan, dan suhu rata-rata pada Provinsi Aceh dan Lampung berdistribusi normal multivariat sehingga asumsi normalitas terpenuhi.

3.2.2 Homogenitas Ragam Peragam

Hipotesis

\(H_{0}\) : Data Provinsi Aceh dan Lampung memiliki matriks ragam peragam sama

\(H_{1}\) : Data Provinsi Aceh dan Lampung memiliki matriks ragam peragam tidak sama

Taraf Nyata

\(\alpha\) = 5%

> summary(BoxM)
       Box's M Test 

Chi-Squared Value = 8.965413 , df = 6  and p-value: 0.176

P-value (0.176) > \(\alpha\) (0.05), Gagal Tolak \(H_{0}\)

Kesimpulan

Setelah dilakukan uji homogenitas ragam peragam dengan uji BoxM dapat disimpulkan bahwa data curah hujan, kelembapan, dan suhu rata-rata pada Provinsi Aceh dan Lampung memiliki matriks ragam peragam yang sama, sehingga asumsi homogenitas ragam peragam terpenuhi.

Uji \(T^{2} Hotteling\)

\(H_{0}\) : \(\mu_{1} = \mu_{2}\) (Provinsi Aceh dan Lampung memiliki iklim yang sama)

\(H_{1}\) : \(\mu_{1} ≠ \mu_{2}\) (Provinsi Aceh dan Lampung memiliki iklim yang tidak sama)

Taraf Nyata

\(\alpha\) = 5%

> with(Faktor, HotellingsT2Test(cbind(`Curah Hujan`,`Kelembapan`,`Suhu Rata-Rata`)~`Provinsi`))

    Hotelling's two sample T2-test

data:  cbind(`Curah Hujan`, Kelembapan, `Suhu Rata-Rata`) by Provinsi
T.2 = 5.4894, df1 = 3, df2 = 18, p-value = 0.007404
alternative hypothesis: true location difference is not equal to c(0,0,0)

P-value (0.0074) < \(\alpha\) (0.05), Tolak \(H_{0}\)

Kesimpulan

Dari hasil uji \(T^{2} Hotteling\), dapat disimpulkan bahwa Provinsi Aceh dan Lampung memiliki iklim (curah hujan, kelembapan, dan suhu rata-rata) yang berbeda.

4. KESIMPULAN DAN SARAN

4.1 Kesimpulan

Pada uji asumsi, asumsi normalitas maupun asumsi homogenitas ragam peragam terpenuhi sehingga data curah hujan, kelembapan, dan suhu rata-rata pada Provinsi Aceh dan Lampung dapat dianalisis menggunakan uji \(T^{2} Hotteling\) untuk membuktikan iklim di Pulau Sumatera berbeda-beda
Pada Uji \(T^{2} Hotteling\) didapat bahwa iklim pada Provinsi Aceh dan Lampung sehingga hal tersebut cukup bukti untuk membuktikan pernyataan iklim di Pulau Sumatera berbeda-beda.

4.2 Saran

Dapat menggunakan data yang lebih terbaru agar lebih terjamin untuk menentukan kebenaran iklim di Pulau Sumatera berbeda-beda.
Apabila data yang diperoleh tidak memenuhi asumsi, maka transformasi terlebih dahulu atau lakukan data preprocessing terlebih dahulu.
Sebelum diuji asumsi alangkah lebih baiknya membuat Boxplot terlebih dahulu agar terlihat outlier yang menyebabkan data tidak normal.

DAFTAR PUSTAKA

https://www.kaggle.com/datasets/ardikasatria/datasettanamanpadisumatera
Awitasari, Dhea Andryani. (2018). Peta Kendali Multivariat Hotelling \(T^{2}\) Untuk Pengendalian Kualitas Nilai Mahasiswa pada Empat Mata Kuliah Inti di Jurusan Statistika Universitas Islam Indonesia. Skripsi. Yogyakarta: Universitas Islam Indonesia
Fadholi, Akhmad. (2013). Uji Perubahan Rata-Rata Suhu Udara dan Curah Hujan Di Kota Pangkalpinang. Jurnal Matematika, Sains, dan Teknologi, 14(1), 11 - 25
Friadi, Roby, dan Junadhi. (2019). Sistem Kontrol Intensitas Cahaya, Suhu dan Kelembaban Udara Pada GreenhouseBerbasis Raspberry PI. JTIS, 2(1), 30 - 37.
Miftahuddin. (2016). Analisis Unsur-unsur Cuaca dan Iklim Melalui Uji Mann-Kendall Multivariat. Jurnal Matematika, Statistika, dan Komputasi, 13(1), 26 - 38.
Sartika, et al. (2016). Analisis Hubungan Angin Zonal dan Angin Meridional Lapisan 850 Milibar Terhadap Curah Hujan Di Sumatera Barat. Pillar of Physics, 8(1), 49 - 56.

\(T^{2} Hotteling\) : Analisis Perbedaan Iklim pada Provinsi Aceh dan Lampung Berdasarkan Curah Hujan, Kelembapan, dan Suhu Rata-Rata Tahun 2010 - 2020

Aliya Fadhillah Wahyu Agustin

5 November 2023

1. PENDAHULUAN

1.1 Latar Belakang

1.2 Tinjauan Pustaka

1.2.1 Uji \(T^{2} Hotteling\)

1.2.2 Asumsi Untuk Uji \(T^{2} Hotteling\)

1.2.3 Iklim

1.2.4 Data

2. SOURCE CODE

**2.1 Library yang Dibutuhkan**

2.2 Import Data

2.3 Statistika Deskriptif

2.3.1 Mean, Min, Max, Kuartil

2.3.2 Varians Covarians

2.3.3 Korelasi

2.3.4 Scatter Plot

2.3.5 Boxplot

2.4 Uji Asumsi

2.4.1 Uji Normalitas

2.4.2 Uji Homogenitas Ragam Peragam

2.5 Uji \(T^{2} Hotteling\)

3. HASIL DAN PEMBAHASAN

3.1 Statistika Deskriptif

3.1.1 Mean, Min, Max, Kuartil

3.1.2 Varians Covarians

3.1.3 Korelasi

3.1.4 Scatter Plot

3.1.5 Boxplot

3.2 Hasil Uji

3.2.1 Hasil Uji Asumsi

3.2.2 Homogenitas Ragam Peragam

Uji \(T^{2} Hotteling\)

4. KESIMPULAN DAN SARAN

4.1 Kesimpulan

4.2 Saran

DAFTAR PUSTAKA