Analisis Variansi Dua Arah dengan Interaksi

JURNAL PEMBELAJARAN

Mata Kuliah dan Kelas : ANALISIS REGRESI DAN PSPM 21D Materi : Analisis variansi dua arah dengan interaksi

Tanggal : 03 Desember 2024

Dosen Pengampu : Prihatin Ningsih Sagala

Dikerjakan Oleh (Nama dan NIM) : Esra Roida Handayani Marpaung (4213111001) A. Resume Materi

Analisis Variansi Dua Arah dengan Interaksi (Two-Way ANOVA with Interaction) adalah metode statistik yang digunakan untuk menguji pengaruh dua variabel independen (faktor) terhadap variabel dependen. Dalam model ini, kita juga menguji apakah ada interaksi antara dua faktor tersebut yang memengaruhi variabel dependen.

1. Tujuan dari Analisis Variansi Dua Arah dengan Interaksi

 Pengaruh Faktor 1: Mengukur apakah faktor pertama memiliki pengaruh signifikan terhadap variabel dependen.

 Pengaruh Faktor 2: Mengukur apakah faktor kedua memiliki pengaruh signifikan terhadap variabel dependen.

 Interaksi antara Faktor 1 dan Faktor 2: Mengukur apakah ada interaksi antara dua faktor yang memengaruhi variabel dependen. Interaksi berarti bahwa efek dari satu faktor pada variabel dependen bergantung pada tingkat faktor lainnya.

2. Model Anova Dua Arah dengan Interaksi:

Model yang digunakan dalam ANOVA dua arah dengan interaksi adalah:

Y_ijk=μ+α_i+β_j+(αβ)ij+ϵ_ijk Dimana:

Y_ijk:nilai pengamatan pada kombinasi ke−i dari faktor A dan ke−j dari faktor B

μ:Rata−rata total

α_i:Efek faktor pertama(A)pada level ke−iβj:Efek faktor kedua(B)pada level ke−J (αβ)ij:efek interaksi antara faktor A dan B pada level ke−i dan ke−j

ϵ_ijk:Kesalahan acak atau residual(noise)

Langkah-langkah dalam Analisis Variansi Dua Arah dengan Interaksi:

a. Menentukan Hipotesis:

 Hipotesis untuk Faktor A:

o H₀: Tidak ada pengaruh faktor A terhadap variabel dependen.

o H₁: Ada pengaruh faktor A terhadap variabel dependen.

 Hipotesis untuk Faktor B:

o H₀: Tidak ada pengaruh faktor B terhadap variabel dependen.

o H₁: Ada pengaruh faktor B terhadap variabel dependen.

 Hipotesis untuk Interaksi antara A dan B:

o H₀:Tidak ada interaksi antara faktor A dan faktor B terhadap variabel dependen.

o H₁: Ada interaksi antara faktor A dan faktor B terhadap variabel dependen.

b. Menghitung Total Variansi:

Variansi total (SST) dapat dihitung dengan mengukur total variasi dalam data. SST dibagi menjadi dua komponen utama: variasi yang disebabkan oleh faktor A dan B, dan interaksi di antara keduanya.

c. Menghitung Variansi untuk Setiap Faktor dan Interaksi:

 Sum of Squares untuk Faktor A (SSA): Mengukur variasi yang disebabkan oleh perubahan faktor A.

 Sum of Squares untuk Faktor B (SSB): Mengukur variasi yang disebabkan oleh perubahan faktor B.

 Sum of Squares untuk Interaksi AB (SSAB): Mengukur variasi yang disebabkan oleh interaksi antara faktor A dan B.

 Sum of Squares Error (SSE): Mengukur variasi yang tidak dapat dijelaskan oleh faktor A, faktor B, atau interaksi.

d. Menghitung Derajat Bebas dan Mean Squares:

 Derajat bebas untuk setiap sumber variasi dihitung berdasarkan jumlah level faktor dikurangi satu.

 Mean Squares (MS) dihitung dengan membagi sum of squares (SS) dengan derajat bebas (df).

e. Menghitung Nilai F dan Membandingkan dengan Nilai Kritis:

Nilai F dihitung untuk setiap faktor (A dan B) serta interaksi antara A dan B. Nilai F dihitung dengan rumus:

F=M S_factor

M S_error ​​

Jika nilai F lebih besar dari nilai kritis (yang didapatkan dari tabel distribusi F untuk tingkat

signifikansi tertentu), kita menolak hipotesis nol dan menyimpulkan bahwa faktor tersebut berpengaruh signifikan terhadap variabel dependen.

f. Uji Signifikansi:

 Jika interaksi antara faktor A dan B signifikan, maka pengaruh masing-masing faktor (A dan B) bisa bergantung satu sama lain.

 Jika interaksi tidak signifikan, maka kita dapat menganalisis efek utama dari faktor A dan faktor B secara terpisah.

g. Post Hoc Test (Jika Diperlukan):

Jika terdapat perbedaan signifikan, kita dapat melakukan uji post hoc (seperti Tukey’s HSD) untuk menentukan perbedaan antar level faktor.

4. Contoh Analisis:

Misalnya, kita memiliki dua faktor:

 Faktor A: Jenis pupuk (A1, A2)

 Faktor B: Jenis tanaman (B1, B2)

Kita ingin mengetahui apakah jenis pupuk dan jenis tanaman mempengaruhi hasil panen (variabel dependen), serta apakah ada interaksi antara kedua faktor tersebut.

 Hipotesis:

o H₀ (untuk A): Tidak ada pengaruh jenis pupuk terhadap hasil panen.

o H₁: (untuk A): Ada pengaruh jenis pupuk terhadap hasil panen.

o H₀ (untuk B): Tidak ada pengaruh jenis tanaman terhadap hasil panen.

o H₁: (untuk B): Ada pengaruh jenis tanaman terhadap hasil panen.

o H₀ (untuk interaksi AB): Tidak ada interaksi antara jenis pupuk dan jenis tanaman terhadap hasil panen.

o H₁: (untuk interaksi AB): Ada interaksi antara jenis pupuk dan jenis tanaman terhadap hasil panen.

Setelah menghitung sum of squares, mean squares, dan nilai F untuk setiap faktor dan interaksi, kita akan menentukan apakah ada pengaruh signifikan berdasarkan nilai p yang dihitung.

5. Interpretasi Hasil:

 Jika interaksi signifikan: Kita perlu melihat hasil untuk masing-masing kombinasi level faktor A dan B. Ini menunjukkan bahwa pengaruh faktor A bisa berbeda tergantung pada level faktor B.

 Jika interaksi tidak signifikan: Kita dapat melihat pengaruh utama dari masing-masing

faktor (A dan B) secara terpisah.

B. Temuan yang Menarik 1. Interaksi yang Tidak Terduga

Salah satu temuan yang paling menarik dalam ANOVA dua arah dengan interaksi adalah interaksi yang tidak terduga antara dua faktor. Terkadang, meskipun masing-masing faktor tampak tidak signifikan ketika dilihat secara terpisah, interaksi antara kedua faktor tersebut menunjukkan hasil yang signifikan. Ini menunjukkan bahwa efek satu faktor sangat tergantung pada tingkat faktor lainnya.

Contoh:

 Misalnya, dalam penelitian tentang jenis pupuk dan jenis tanaman, kita mungkin menemukan bahwa satu jenis pupuk bekerja sangat baik pada satu jenis tanaman, tetapi tidak efektif pada jenis tanaman lain. Meskipun faktor "pupuk" dan "tanaman" tidak menunjukkan efek signifikan secara terpisah, interaksi antara keduanya dapat memberikan informasi yang sangat penting.

2. Efek Utama yang Tidak Signifikan, Tetapi Ada Interaksi

Kadang-kadang, salah satu faktor mungkin tidak menunjukkan efek signifikan secara langsung, namun interaksi antara kedua faktor bisa memberikan wawasan penting. Ini menunjukkan bahwa kedua faktor tersebut mungkin hanya mempengaruhi variabel dependen secara signifikan ketika dipertimbangkan bersama-sama.

Contoh:

 Dalam penelitian mengenai jenis lampu (A) dan waktu pencahayaan (B), kita mungkin menemukan bahwa faktor A dan B masing-masing tidak memiliki pengaruh langsung terhadap pertumbuhan tanaman, tetapi interaksi antara jenis lampu dan waktu pencahayaan justru menunjukkan bahwa beberapa kombinasi lampu dan waktu memberikan hasil yang luar biasa.

3. Penyederhanaan Model Berbasis Hasil Interaksi

Terkadang, hasil interaksi yang signifikan dapat digunakan untuk menyederhanakan model analisis. Jika interaksi tidak signifikan, kita bisa fokus hanya pada efek utama dari masing-masing faktor. Sebaliknya, jika interaksi signifikan, maka model menjadi lebih kompleks, dengan analisis lebih lanjut mengenai kombinasi faktor.

Contoh:

 Misalnya, jika dalam eksperimen yang melibatkan faktor A (misalnya metode pengajaran) dan faktor B (misalnya tingkat pengalaman guru), interaksi ditemukan signifikan, kita mungkin perlu memperlakukan pengaruh kedua faktor ini dalam

kombinasi daripada hanya menganalisis masing-masing faktor secara terpisah.

4. Pemahaman yang Lebih Mendalam tentang Data

Salah satu temuan menarik dalam ANOVA dua arah dengan interaksi adalah kemampuannya untuk memberikan pemahaman yang lebih mendalam tentang bagaimana dua faktor bekerja bersama-sama dalam mempengaruhi variabel dependen. Interaksi memberikan gambaran yang lebih komprehensif tentang kompleksitas hubungan antara faktor-faktor yang dianalisis.

Contoh:

 Dalam analisis klinis, kita mungkin menganalisis pengaruh dua obat (A dan B) pada pasien. Mungkin secara individu, masing-masing obat tidak memiliki efek signifikan, tetapi kombinasi kedua obat ini bisa menghasilkan efek yang luar biasa pada kesehatan pasien. Ini adalah contoh bagaimana interaksi antara dua faktor membuka wawasan baru yang tidak terlihat hanya dengan melihat faktor-faktor secara terpisah.

5. Penentuan Perbedaan Antara Level Faktor

ANOVA dua arah dengan interaksi dapat membantu kita melihat perbedaan antara level faktor dalam konteks interaksi. Seringkali, kita akan menemukan bahwa perbedaan antar level faktor A hanya signifikan pada tingkat tertentu dari faktor B.

Contoh:

 Dalam eksperimen tentang jenis makanan dan suhu penyimpanan, kita mungkin menemukan bahwa perbedaan dalam tingkat keawetan makanan antara dua jenis makanan hanya signifikan ketika makanan disimpan pada suhu tinggi, tetapi tidak pada suhu rendah. Ini menunjukkan bahwa perbedaan efek tergantung pada level faktor lain (suhu penyimpanan).

C. Keterkaitan dengan aktivitas kehidupan

Analisis variansi dua arah dengan interaksi (Two-Way ANOVA with Interaction) memiliki banyak aplikasi dalam kehidupan sehari-hari, terutama dalam bidang yang melibatkan pengaruh dua faktor terhadap hasil yang diamati. Dalam konteks kehidupan sehari-hari, kita seringkali menghadapi situasi di mana dua atau lebih faktor saling berinteraksi dan mempengaruhi hasil yang ingin kita capai. Berikut adalah beberapa contoh keterkaitannya dengan aktivitas kehidupan:

1. Pendidikan:

 Faktor yang Terlibat: Metode Pengajaran dan Jenis Siswa

 Keterkaitan dengan Kehidupan: Dalam pendidikan, kita mungkin ingin mengetahui

bagaimana metode pengajaran (misalnya, pembelajaran daring vs tatap muka) berinteraksi dengan jenis siswa (misalnya, siswa yang lebih visual vs yang lebih verbal).

Misalnya, jika kita mengajar mata pelajaran matematika, metode pengajaran tatap muka mungkin lebih efektif untuk siswa yang belajar secara kinestetik, sedangkan metode daring bisa lebih cocok untuk siswa yang lebih visual.

 Analisis ANOVA Dua Arah dengan Interaksi dapat digunakan untuk menganalisis seberapa besar pengaruh metode pengajaran terhadap hasil belajar, serta bagaimana interaksi dengan jenis siswa (visual/verbal) mempengaruhi pencapaian akademik siswa.

2. Kesehatan:

 Faktor yang Terlibat: Jenis Makanan dan Aktivitas Fisik

 Keterkaitan dengan Kehidupan: Dalam upaya menjaga kesehatan, kita sering mendengar tentang diet dan olahraga sebagai dua faktor penting yang berkontribusi pada gaya hidup sehat. Namun, pengaruh masing-masing faktor ini bisa sangat tergantung pada interaksi antara keduanya.

 Misalnya, seseorang yang menjalani diet tertentu mungkin akan mendapatkan manfaat yang lebih besar jika diimbangi dengan jenis aktivitas fisik yang sesuai. Sebaliknya, jika seseorang tidak cukup berolahraga, perubahan dalam diet mungkin tidak memberikan hasil yang maksimal.

 ANOVA dua arah dengan interaksi dapat membantu menganalisis apakah jenis diet dan jenis aktivitas fisik saling memengaruhi hasil kesehatan, seperti penurunan berat badan atau peningkatan kebugaran.

3. Pemasaran dan Bisnis:

 Faktor yang Terlibat: Harga dan Jenis Iklan

 Keterkaitan dengan Kehidupan: Dalam pemasaran, sebuah perusahaan mungkin ingin mengetahui bagaimana harga produk dan jenis iklan (misalnya, iklan TV vs iklan media sosial) berinteraksi dalam mempengaruhi keputusan pembelian konsumen.

 Sebagai contoh, produk yang lebih mahal mungkin membutuhkan jenis iklan tertentu untuk menarik perhatian konsumen. Iklan media sosial mungkin lebih efektif untuk produk yang lebih murah, sementara produk yang lebih mahal bisa lebih baik dipromosikan melalui iklan televisi atau iklan premium lainnya.

 Analisis ANOVA dua arah dengan interaksi dapat membantu bisnis untuk merancang kampanye iklan yang lebih efektif dengan mempertimbangkan interaksi antara harga dan jenis iklan terhadap penjualan produk.

4. Lingkungan:

 Faktor yang Terlibat: Jenis Tanah dan Jumlah Air

 Keterkaitan dengan Kehidupan: Dalam pertanian atau berkebun, kita sering kali harus mempertimbangkan jenis tanah (misalnya, tanah liat, pasir, atau gambut) dan jumlah air yang diberikan pada tanaman. Pengaruh masing-masing faktor terhadap hasil tanaman bisa sangat bergantung pada interaksi antara jenis tanah dan jumlah air yang diberikan.

 Misalnya, tanaman yang tumbuh di tanah liat mungkin membutuhkan lebih banyak air dibandingkan dengan tanaman di tanah pasir, karena tanah liat memiliki drainase yang buruk. Sebaliknya, tanaman di tanah pasir mungkin lebih memerlukan perhatian terhadap jumlah air yang diberikan agar tidak terlalu cepat mengering.

 ANOVA dua arah dengan interaksi digunakan untuk mengevaluasi seberapa besar kedua faktor tersebut berinteraksi untuk memengaruhi hasil pertanian atau keberhasilan pertumbuhan tanaman.

5. Psikologi:

 Faktor yang Terlibat: Stres dan Jenis Tugas

 Keterkaitan dengan Kehidupan: Dalam psikologi, kita sering tertarik untuk mengetahui bagaimana stres (misalnya, tingkat stres yang tinggi vs rendah) berinteraksi dengan jenis tugas (misalnya, tugas mudah vs sulit) dalam memengaruhi kinerja individu.

 Sebagai contoh, seseorang yang mengalami tingkat stres tinggi mungkin akan tampil lebih buruk dalam tugas yang sulit, tetapi mungkin akan menghadapinya dengan lebih baik pada tugas yang mudah. Sebaliknya, seseorang yang memiliki tingkat stres rendah mungkin lebih baik dalam menyelesaikan tugas yang sulit.

 ANOVA dua arah dengan interaksi dapat digunakan untuk menganalisis bagaimana interaksi antara stres dan jenis tugas mempengaruhi kinerja seseorang dalam berbagai situasi.

D. Hal-hal yang dapat ditindaklanjuti oleh mahasiswa berkaitan dengan materi Berikut adalah beberapa hal yang dapat ditindaklanjuti oleh mahasiswa:

1. Menerapkan Konsep dalam Penelitian atau Tugas Akhir

 Tugas atau Penelitian Eksperimental: Mahasiswa bisa merancang eksperimen yang melibatkan dua faktor dan mengeksplorasi apakah ada interaksi yang mempengaruhi variabel dependen. Misalnya, dalam penelitian psikologi, mereka bisa mengeksplorasi interaksi antara jenis latihan (misalnya, latihan kognitif dan fisik) dan tingkat stres terhadap kinerja akademis.

 Penulisan Laporan atau Skripsi: Dalam skripsi atau tugas akhir, mahasiswa bisa

menggunakan ANOVA dua arah dengan interaksi untuk menganalisis data eksperimen mereka, seperti penelitian dalam bidang pendidikan, kesehatan, atau ilmu sosial. Ini memberikan kesempatan untuk mengintegrasikan teori dengan praktik statistik.

2. Belajar Menggunakan Software Statistik

 Praktik dengan SPSS, R, atau Python: Mahasiswa bisa memperdalam keterampilan teknis mereka dengan belajar bagaimana menjalankan analisis ANOVA dua arah dengan interaksi menggunakan perangkat lunak statistik. Mereka dapat belajar cara:

o Mengimpor data.

o Menjalankan uji ANOVA dengan interaksi.

o Menginterpretasikan output yang diberikan oleh software.

o Membuat grafik interaksi untuk visualisasi hasil analisis.

 Tutorial Online atau Kursus: Mengikuti kursus atau tutorial tambahan di platform seperti Coursera, Udemy, atau YouTube yang menawarkan pelatihan langsung untuk menggunakan software statistik seperti R atau Python untuk analisis data.

3. Menilai Hasil Interaksi dalam Kasus Dunia Nyata

 Studi Kasus Dunia Nyata: Mahasiswa bisa mengidentifikasi dan menganalisis kasus dunia nyata di mana interaksi antara dua faktor berperan penting. Misalnya, dalam penelitian pemasaran, mahasiswa dapat mengeksplorasi bagaimana harga dan jenis iklan saling mempengaruhi keputusan pembelian konsumen.

 Diskusi Kelompok: Diskusi kelompok tentang temuan menarik dari analisis variansi dua arah dengan interaksi dapat memperluas wawasan mereka tentang bagaimana analisis ini diterapkan dalam bidang-bidang berbeda seperti pendidikan, kesehatan, atau psikologi.

4. Melakukan Uji Hipotesis dan Interpretasi Hasil

 Menguji Hipotesis: Mahasiswa dapat melatih diri mereka dalam mengembangkan dan menguji hipotesis terkait pengaruh dua faktor dan interaksi mereka. Sebagai contoh, mereka bisa mengeksplorasi bagaimana jenis pupuk dan jenis tanah berinteraksi dalam memengaruhi hasil pertanian.

 Interpretasi P-Value dan F-Statistic: Memahami dan menginterpretasikan p-value dan nilai F untuk menentukan apakah faktor-faktor dan interaksi yang diuji memiliki efek signifikan.

E. Carilah literatur/artikel jurnal (minimal 5 artikel) berkaitan dengan isu iklim pada video youtube yang telah dibagikan. Buat resume 5 artikel tersebut, dan sertakan referensinya!

`1. Judul : Hubungan Antara Iklim Sekolah dengan Kecenderungan Perilaku

Bullying

Penulis : Ulfah Magrifah, Mira Aliza Rachmawati Volume/Nomor : Vol 3/No 1

Tanggal : Juni 2018

ISSN : 1613-78898

Link : 161378898.pdf

Resume Bullying adalah penghambat besar bagi seorang anak untuk mengaktualisasikan diri. Bullying tidak memberi rasa aman dan nyaman, membuat para korban bullying merasa takut dan terintimidasi, rendah diri serta tak berharga, sulit berkonsentrasi dalam belajar, tidak bergerak untuk bersosialisasi dengan lingkungannya, enggan bersekolah, pribadi yang tidak percaya diri dan sulit berkomunikasi, sulit berpikir jernih sehingga prestasi akademisnya dapat terancam merosot. Mungkin pula, para korban bullying akan kehilangan rasa percaya diri 3 kepada lingkungan yang banyak menyakiti dirinya (Yayasan SEJIWA, 2008).

Iklim sekolah ini juga dapat diartikan sebagai suatu suasana atau kualitas dari sekolah untuk membantu individu masing-masing merasa berharga secara pribadi, bermartabat dan penting secara serentak dapat membantu terciptanya suatu perasaan memiliki terhadap segala sesuatu di sekitar lingkungan sekolah (Freiberg, 2005).

Setelah melakukan uji normalitas dan uji linearitas, peneliti melakukan uji hipotesis dengan tehnik korelasi product moment dari pearson. Hasil uji hipotesis menunjukkan koefisien korelasi r untuk kedua variabel sebesar 0,459 dengan p = 0,000 (p < 0.05). Hal tersebut menunjukkan adanya korelasi negatif antara iklim sekolah dengan kecenderungan perilaku bullying yang sangat signifikan, atau dengan kata lain semakin positif iklim sekolah semakin rendah kecenderungan perilaku bullying.

Analisis koefisien determinasi (r² ) iklim sekolah dengan kecenderungan perilaku bullying menunjukkan nilai sebesar 0,210.

Hal ini menunjukkan variabel iklim kelas memberikan sumbangan

sebesar 21% terhadap kecenderungan perilaku bullying.

2 Judul : Pengaruh Perubahan Iklim terhadap Produksi Tanaman Pangan di Provinsi Maluku

Penulis : Agung Budi Santoso Volume/Nomor : Vol 35/No 1

Tanggal : 15 Januari 2016

Link : 01-Suprihanto

Resume : Indonesia memiliki keanekaragaman hayati yang didukung oleh kondisi geografis berupa dataran rendah dan tinggi, sinar matahari yang melimpah, curah hujan yang hampir merata sepanjang tahun di sebagian wilayah, dan keanekaragaman jenis tanah yang memungkinkan pengembangan budi daya aneka jenis tanaman asli daerah tropis, serta komoditas introduksi dari daerah subtropis yang telah beradaptasi dengan kondisi iklim tropis.

Terdapat hubungan erat antara perubahan iklim dan produksi pertanian (Winarto et al. 2013). Pengaruh perubahan iklim terhadap pertanian bersifat multidimensional, mulai dari sumber daya, infrastruktur pertanian, dan sistem produksi, hingga ketahanan pangan, kesejahteraan petani dan masyarakat pada umumnya.

Penelitian menggunakan data sekunder yang berasal dari Badan Pusat Statistik berupa data produksi tanaman pangan Provinsi Maluku dari tahun 1995 hingga 2012. Komoditas yang dipilih untuk mewakili tanaman pangan adalah padi sawah, jagung, kedelai, dan ubi jalar. Data curah hujan yang berasal dari stasiun Klimatologi Ambon, Amahai, Geser, Keiratu, Namlea, Bandara Neira, Saumlaki, dan Tual digunakan untuk mengetahui perubahan iklim yang terjadi di Provinsi Maluku, seiring dengan fenomena El Nino dan La Nina yang berlaku secara global.

Hasil analisis model data produksi tanaman pangan dari tahun 1995 sampai 2012 dapat dilihat pada Tabel 2. Dari model linear, quadratic, exponential, dan moving average, dipilih model yang memiliki nilai MSD paling kecil dan nilai determinasi (R²) paling besar. Pada padi sawah, tren quadratic dengan model vt = 15027 - 1946t + 357.7t2 merupakan model yang paling sesuai karena

memiliki nilai MSD terkecil, yakni 50100697 dan R2 0,934. Model tren moving average paling sesuai (best fit) untuk menduga peubah produksi jagung, kedelai dan ubi jalar dengan nilai MSD masing- masing 6347931, 167243 dan 7896999 dan R2 dengan nilai masing- masing 0,729, 0,641, dan 0,597.

3 Judul : Peningkatan Produktivitas Padi Sawah Tadah Hujan melalui Penerapan Teknologi adaptif Dampak Perubahan Iklim

Penulis : Anicetus Wihardjaka, Ali Pramono, Mas Teddy Sutriadi Volume/Nomor : Vol 3/No 1

Tanggal : 17 Maret 2020

ISSN : 1907-0799

Link :https://epublikasi.pertanian.go.id/berkala/jsl/article/view/3338/3374 Resume : Lahan sawah seluas 8.114.829 hektar berdasarkan data BPS

tahun 2014 (Sains Indonesia 2017) harus mampu memenuhi kebutuhan pangan bagi sebagian besar penduduk Indonesia yang masih tergantung pada beras.

Lahan sawah sebagai penopang bahan pangan utama dipandang sebagai sumber emisi gas rumah kaca (GRK) dan rentan terhadap dampak perubahan iklim, seperti serangan organisme pengganggu tanaman (OPT), banjir, salinitas atau intrusi air laut, dan cekaman kekeringan terutama di lahan sawah tadah hujan.

Upaya mitigasi merupakan upaya mengurangi dan/atau memperlambat terjadinya perubahan iklim melalui penurunan emisi GRK dan peningkatan serapan GRK. Menurut Balitbangtan (2011), mitigasi adalah usaha untuk menurunkan emisi dan/atau meningkatkan serapan GRK dari berbagai sumber emisi, dalam upaya pengendalian atau pengurangan dampak perubahan iklim.

Pengelolaan sawah tadah hujan dengan teknologi adaptif rendah emisi merupakan sinergi aksi adaptasi dan aksi mitigasi mendukung kebijakan pemerintah seperti tertuang dalam rencana aksi nasional penurunan emisi GRK dimana dari sektor pertanian ditargetkan dapat menurunkan emisi sebesar 8 juta

ton CO2-e pada tahun 2020. Penerapan komponen teknologi adaptasi dan mitigasi diarahkan untuk meningkatkan produktivitas tanaman sekaligus menurunkan emisi gas rumah kaca. Penerapan secara terpadu teknologi varietas unggul rendah emisi, irigasi berselang, pemupukan berimbang, dan penambahan bahan amelioran pada budidaya padi sawah tadah hujan dengan sumber air hujan dan waktu tanam yang epat nyata meningkatkan produktivitas padi sawah dan emisi gas rumah kaca dapat ditekan.

Antisipasi dampak perubahan iklim dapat dilakukan dengan (i) meningkatkan peran penyuluh pertanian dan pendidikan kepada petani dalam mengantisipasi perubahan iklim, (ii) mendesiminasikan komponen teknologi adaptif sekaligus sebagai upaya mitigasi emisi gas rumah kaca agar dapat diadopsi petani padaekosistem lahan sawah tadah hujan, dan (iii) meningkatkan kinerja penelitian dan pengembangan dalam aksi mitigasi perubahan iklim.

4 Judul : Pengaruh Iklim Komunikasi dan Komitmen Organisasi Terhadap Kepuasan Kerja Pegawai Kecamatan XYZ Bekasi

Penulis : Inge Hutagalung dan Rajab Ritonga Volume/Nomor : Vol 6/No 2

Tanggal : Desember 2018

ISSN : 1907-0799

Link : article.php

Resume : Organisasi merupakan Artificial​Person​hingga dapat berperilaku seperti manusia dewasa dengan segala aktivitasnya, termasuk dapat melakukan perbuatan perdata: mengikat perjanjian, mengelola aset atau pun melakukan tindakan hukum lainnya untuk menjalankan misi guna mencapai tujuan organisasi. Sebagai artificial person, organisasi digerakkan oleh orang-orang yang mengurusi organisasi tersebut.

Iklim organisasi yang positif akan mendorong para anggota organisasi untuk saling berinteraksi satu sama lain dan menjalin kerjasama antarbagian dan memperkecil hambatan yang mungkin

ada di dalam organisasi tersebut. Sementara itu, hubungan interaksi sosial antarsesama karyawan dan atasan melalui komunikasi yang terjalin secara efektif akan menciptakan kepuasan kerja dan menumbuhkan rasa memiliki terhadap organisasi.

Hasil penelitian memperlihatkan bahwa antara variabel komunikasi interpersonal dan komitmen organisasi (nilai t sebesar 6.36, koefisien jalur sebesar 0.93) terdapat hubungan signifikan.

Secara teoretis, kebutuhan seseorang untuk tetap berada dalam suatu kelompok berpengaruh pada hubungan antara komunikasi dan komitmen organisasi. Semakin tinggi kebutuhan seseorang terhadap kelompok maka akan semakin kuat pengaruh komunikasi terhadap komitmen, dan sebaliknya.

Menyikapi pengaruh yang lemah dari variabel komitmen organisasi terhadap variabel kepuasan kerja (nilai t sebesar 0.60, koefisien jalur 0.25), peneliti berpendapat kondisi ini dikarenakan kondisi pegawai negeri sipil (PNS) yang puas atau tidak puas dengan pekerjaannya akan tetap bekerja di lingkungan pemerintahan sebab pegawai negeri merupakan pekerjaan yang menjadi dambaan banyak pencari kerja sehingga seseorang yang sudah diterima sebagai pegawai negeri tidak akan mau meninggalkan pekerjaan tersebut begitu saja.

Secara umum, hasil penelitian membuktikan bahwa kepuasan kerja karyawan yang bekerja di Kecamatan XYZ bisa dipengaruhi variabel iklim organisasi dan variabel komunikasi interpersonal.

Sementara itu, variabel komitmen organisasi tidak memiliki pengaruh signifikan terhadap kepuasan kerja para karyawan yang bekerja di Kecamatan XYZ tersebut. Adapun saran untuk penelitian terkait model integrasi pengaruh variabel iklim organisasi, komunikasi interpersonal dan komitmen organisasi terhadap kepuasan kerja, dapat dilakukan pada lingkup kerja organisasi swasta. Hal ini disarankan mengingat budaya organisasi organisasi pemerintah dengan petugas berstatus pegawai negeri sipil (aparatur sipil negara) dan organisasi swasta memiliki budaya kerja yang

berbeda.

5 Judul : Pengaruh Iklim terhadap Kasus Demam Berdarah Dengue Penulis : Margareta Maria Sintorin

Volume/Nomor : Vol 2/No 1

ISSN : 1613-78898

Link : 161378898.pdf

Resume : Proyeksi kecenderungan aktivitas ekonomi dan dampak emisi gas kegiatan manusia, pada tahun mendatang, tempaknya berpengaruh terhadap pergeseran pola curah hujan dan suhu rata- rata bumi yang diperkirakan naik 1–3,5oC. Perubahan pada komponen lingkungan ini akan mempengaruhi spesies-spesies pada kelompok ekosistem dan pola penyebaran vektor serta virus penyakit.1 Iklim dapat berpengaruh terhadap pola penyakit infeksi karena agen penyakit (virus, bakteri, atau parasit lainnya) dan vektor (serangga atau rodensia) bersifat sensitif terhadap suhu, kelembaban dan kondisi lingkungan ambien lainnya.

Penelitian dengan sumber data primer yang dikumpulkan pada bulan April 2004 sampai Maret 2005 dan sekunder ini menggunakan disain studi ekologi, dengan uji hipotesis.

Berdasarkan hasil analisis statistik diketahui terdapat hubungan bermakna antara jumlah kasus DBD dengan curah hujan (p: 0,000) dan AHJ (p:0,002). Sedangkan hasil analisis uji statistik hubungan antara AHJ dan curah hujan (p: 0,000) memperlihatkan hubungan yang secara statistik bermakna antara AHJ dengan curah hujan.

Ketika musim hujan datang maka ketersediaan TPN meningkat.

Seperti diketahui bahwa Aedes lebih menyukai air bersih untuk meletakkan telurnya. Seekor nyamuk Aedes akan bertelur bekisar antara 100-300 butir, sehingga populasi nyamuk meningkat dengan cepat.8 Untuk mematangkan telurnya maka nyamuk akan mencari mangsa manusia, sehingga kecenderungan untuk menggigit manusia bertambah. Hal inilah yang menyebabkan AHJ ikut meningkat saat curah hujan tinggi.