Page 347 - Optimalisasi Peran Sains dan Teknologi Untuk Mewujudkan Smart City

atau tidaknya model matematis tersebut dengan data yang digunakan
2
dapat ditunjukkan dengan mengukur besarnya nilai r yang disebut
koefisien determinasi (coefficient of determination). Koefisien
determinasi dalam statistika dapat diinterpretasikan sebagai proporsi
dari variasi yang ada dalam nilai y yang dijelaskan oleh model
persamaan regresi. Dengan kata lain, koefisien determinasi
menunjukkan seberapa jauh kesalahan dalam memperkirakan
besarnya nilai y dapat direduksi dengan menggunakan informasi yang
dimiliki variabel x . Model persamaan regresi dianggap sempurna
apabila nilai r 2  1. Sebaliknya, apabila variasi yang ada pada nilai y
tidak ada yang bisa dijelaskan oleh model persamaan regresi yang
diajukan, maka nilai r 2 0. Dengan demikian, model persamaan
2
regresi dikatakan semakin baik apabila besarnya r mendekati 1
(Asdak, 2010).
Secara matematis, besarnya koefisien determinasi dihitung
dengan rumus yang diberikan pada persamaan (12) berikut ini:
    x  y   2
   x y   i i 
 i i n 
r 2    (12)
  x  2    y  2 
  x 2  i    y 2  i 
 i n   i n 
   
2
dengan r = koefisien determinasi, n = jumlah data, dan ,x y = data
i i
pengamatan lapangan.
Selain koefisien determinasi, terdapat koefeisien korelasi yang
dapat menunjukkan kuatnya hubungan antara dua variabel, misalnya
fluktuasi debit dengan curah hujan atau tataguna lahan. Kedua
variabel ini mempunyai hubungan sebab-akibat. Koefisien korelasi
merupakan ukuran kuantitatif untuk menunjukkan “kuat”nya
hubungan antara kedua variabel tersebut. Meskipun demikian, fakta
lapangan menunjukkan bahwa fluktuasi debit aliran yang berkorelasi
dengan presipitasi atau tataguna lahan tidak selalu memberikan
implikasi bahwa setiap perubahan pola presipitasi atau tataguna lahan
akan selalu mengakibatkan terjadinya perubahan debit aliran (Asdak,

Optimalisasi Peran Sains dan Teknologi untuk Mewujudkan Smart City 331