Result & Final Analysis

#1: Tweet Terkait Hujan

• Variabel: Poin embun (dew points), kecepatan angin, dan presipitasi menunjukkan tren positif terhadap jumlah tweet terkait hujan.

• Observasi Utama: Peningkatan presipitasi diikuti oleh meningkatnya jumlah tweet tentang "hujan," kemungkinan karena orang cenderung mengekspresikan pengalaman atau perhatian mereka saat hujan. Poin embun dan kecepatan angin berkorelasi positif dengan tweet tentang hujan. Poin embun tinggi menandakan kelembapan yang memicu hujan, yang menjadi perhatian publik.

• Pola Potensial: Faktor cuaca langsung memengaruhi keterlibatan pengguna di media sosial terkait hujan.

#2: Tweet Terkait Mendung

• Variabel: Tutupan awan (cloud cover) dan suhu (temperature).

• Observasi Utama: Tutupan awan berkorelasi positif dengan tweet yang menyebutkan "mendung." Semakin banyak tutupan awan, tweet cenderung meningkat meski dalam skala kecil, menunjukkan perhatian masyarakat pada kondisi langit yang mendung. Korelasi yang lemah mengindikasikan bahwa kondisi mendung saja tidak cukup kuat memicu keterlibatan online, kecuali digabungkan dengan fenomena cuaca signifikan lainnya.

• Pola Potensial: Langit mendung menjadi perhatian masyarakat tetapi tidak terlalu dominan sebagai pemicu diskusi publik.

#3: Tweet Terkait Panas

• Variabel: Suhu dan kelembapan (humidity).

• Observasi Utama: Suhu yang tinggi memicu lebih banyak tweet tentang "panas," mencerminkan ketidaknyamanan atau kesadaran yang lebih tinggi selama hari-hari yang panas. Kelembapan menunjukkan tren negatif dengan tweet tentang panas, mungkin karena panas kering lebih terasa dibandingkan panas lembap.

• Pola Potensial: Suhu ekstrem, terutama panas kering, mendorong lebih banyak interaksi online, menunjukkan sensitivitas publik terhadap ketidaknyamanan.

Our Presentation Video