commit to user
KESIMPULAN DAN SARAN
B. Analisa Berat Jenis Batu Bata 1. Uji Normalitas (Metode Lilliefors)
3. Analisis Regresi Linear
a. Variasi Penambahan Karbon Pada Waktu Pembakaran 12 Jam
Model Summary
R R Square
Adjusted R Square
Std. Error of the Estimate
.940 .884 .845 .011
The independent variable is Prosentase.
Tabel di atas menjelaskan besarnya persentase pengaruh variable bebas atau variable predictor terhadap variable terikatnya.
1) Angka R sebesar 0,940 menunjukkan hubungan yang sangat kuat (94%) antara variable X dengan Y
2) Besar koefisien determinasi (R square) adalah 0,884 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 88,4%. Sedangkan 11,6% (100%-88,4% ) dipengaruhi oleh variabel lain. Jadi pengaruh waktu pembakaran dan variasi arang terhadap berat jenis batu bata adalah 88,4%. sedangkan pengaruh variabel lain 11,6%
3) Standard error of the estimate adalah 0,011 berarti perkiraan kesalahan lebih kecil dari 0,05, sehingga regresi layak digunakan (Yanrest,2003)
ANOVA
Sum of Squares df Mean Square F Sig.
Regression .003 2 .003 32.550 .011
Residual .002 3 .000
Total .005 5
The independent variable is Prosentase.
Tabel di atas menjelaskan apakah variasi nilai variabel bebas atau variabel independen dapat menjelaskan variasi nilai dependen dengan menggunakan besarnya nilai F. (Hartono,2010)
1) Besarnya nilai F dihitung adalah 32,550 sedangkan F tabel pada a=5%, df1=1 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tabel (32,550 > 9,55)
commit to user
2) Besar signifikansinya 0,011. Signifikansi tabel anova 0,011 lebih kecil dari 0,05 sehingga Ho ditolak dan Ha diterima.
Dengan demikian variasi nilai variabel bebas atau variabel independen dapat menjelaskan variasi nilai dependen, dengan kata lain variasi penambahan karbon dapat memprediksi variabel berat jenis batu bata.
Coefficients
Unstandardized Coefficients
Standardized Coefficients
B Std. Error Beta t Sig.
Prosentase -.002 .000 -.940 -4.783 .011
(Constant) 1.919 .008 254.903 .000
Tabel coefficient di atas dapat diinterpretasikan sebagai berikut : 1) Bagian ini menggambarkan persamaan regresi: (Hartono, 2010)
Y = a + bX Y = 1,919 – 0,002X Dimana :
Y = Berat jenis batu bata
X = Variasi penambahan karbon
a) Konstanta sebesar 1,919 menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 1,919.
b) Koefisien regresi sebesar -0,002 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menurunkan (karena tanda negative) variabel Y sebesar 0,002.
2) Pengambilan keputusan (Yarnest, 2008)
a) Dengan membandingkan statistic hitung dengan statistic tabel.
(1) Jika statistic t hitung < statistic t tabel, maka Ho diterima dan Hi ditolak .
(2) Jika statistic t hitung >statistic t tabel, maka Hi diterima dan Ho ditolak
commit to user
Dari tabel output di atas terlihat bahwa t hitung adalah -4,783 sedangkan untuk tabel statistik pada a=5%, df1=2 dan df2=3 adalah sebesar 9,55. Itu berarti t hitung < t tabel maka Ho diterima dan Hi ditolak.
b) Berdasarkan probabilitas signifikansi. Ketentuannya adalah sebagai berikut: (Hartono,2010)
a) Bila sig. < dari 0,05 berarti pengaruh variable bebas terhadap variable terikat signifikan.
b) Bila sig. > dari 0,05 berarti pengaruh variable bebas terhadap variable terikat tidak signifikan
Besar signifikansinya 0,011 lebih kecil dari 0,05. Ini berarti pengaruh penambahan karbon terhadap berat jenis batu bata signifikan atau ada pengaruh penambahan karbon terhadap berat jenis batu bata.
Grafik
b. Variasi Penambahan Karbon Pada Waktu Pembakaran 24 Jam
Model Summary
R R Square
Adjusted R Square
Std. Error of the Estimate
.932 .869 .825 .013
The independent variable is Prosentase.
Tabel di atas menjelaskan besarnya persentase pengaruh variable bebas atau variable predictor terhadap variable terikatnya.
commit to user
1) Angka R sebesar 0,932 menunjukkan hubungan yang sangat kuat (93,2%) antara variable X dengan Y
2) Besar koefisien determinasi (R square) adalah 0,869 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 86,9%. Sedangkan 13,1% (100%-86,9% ) dipengaruhi oleh variabel lain. Jadi pengaruh waktu pembakaran dan variasi arang terhadap berat jenis batu bata adalah 86,9%. sedangkan pengaruh variabel lain 13,1%
3) Standard error of the estimate adalah 0,013 berarti perkiraan kesalahan lebih kecil dari 0,05, sehingga regresi layak digunakan (Yanrest,2003)
ANOVA
Sum of Squares df Mean Square F Sig.
Regression .003 2 .003 30.001 .012
Residual .002 3 .000
Total .005 5
The independent variable is Prosentase.
Tabel di atas menjelaskan apakah variasi nilai variable bebas atau variable independen dapat menjelaskan variasi nilai dependen dengan menggunakan besarnya nilai F. (Hartono,2010)
1) Besarnya nilai F dihitung adalah 30,001 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tabel (30,001 > 9,55) 2) Besar signifikansinya 0,012. Signifikansi tabel anova 0,012 lebih kecil dari
0,05 sehingga Ho ditolak dan Ha diterima.
Dengan demikian variasi nilai variabel bebas atau variable independen dapat menjelaskan variasi nilai dependen, dengan kata lain variasi penambahan karbon dapat memprediksi variabel berat jenis batu bata.
commit to user
Coefficients
Unstandardized Coefficients
Standardized Coefficients
B Std. Error Beta t Sig.
Prosentase -.003 .001 -.932 -4.463 .012
(Constant) 1.911 .009 209.622 .000
Tabel coefficient di atas dapat diinterpretasikan sebagai berikut : 1) Bagian ini menggambarkan persamaan regresi: (Hartono, 2010)
Y = a + bX Y = 1,911 – 0,003X Dimana :
Y = Berat jenis batu bata
X = Variasi penambahan karbon
a) Konstanta sebesar 1,911 menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 1,911.
b) Koefisien regresi sebesar -0,002 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menurunkan (karena tanda negative) variabel Y sebesar 0,002.
2) Pengambilan keputusan (Yarnest, 2008)
a) Dengan membandingkan statistic hitung dengan statistic tabel.
(1) Jika statistic t hitung < statistic t tabel, maka Ho diterima dan Hi ditolak .
(2) Jika statistic t hitung >statistic t tabel, maka Hi diterima dan Ho ditolak Dari tabel output di atas terlihat bahwa t hitung adalah -4,463 sedangkan untuk tabel statistik pada a=5%, df1=2 dan df2=3 adalah sebesar 9,55. Itu berarti t hitung < t tabel maka Ho diterima dan Hi ditolak.
b) Berdasarkan probabilitas signifikansi. Ketentuannya adalah sebagai berikut: (Hartono,2010)
(1) Bila sig. < dari 0,05 berarti pengaruh variable bebas terhadap variable terikat signifikan.
commit to user
(2) Bila sig. > dari 0,05 berarti pengaruh variable bebas terhadap variable terikat tidak signifikan
Besar signifikansinya 0,012 lebih kecil dari 0,05. Ini berarti pengaruh penambahan karbon terhadap berat jenis batu bata signifikan atau ada pengaruh penambahan karbon terhadap berat jenis batu bata.
Grafik
c. Variasi Penambahan Karbon Pada Waktu Pembakaran 36 Jam
Model Summary
R R Square
Adjusted R Square
Std. Error of the Estimate
.989 .978 .971 .008
The independent variable is Prosentase.
Tabel di atas menjelaskan besarnya persentase pengaruh variable bebas atau variable predictor terhadap variable terikatnya.
1) Angka R sebesar 0,989 menunjukkan hubungan yang sangat kuat (98,9%) antara variable X dengan Y
2) Besar koefisien determinasi (R square) adalah 0,978 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 97,8%. Sedangkan 2,2% (100%-97,8% ) dipengaruhi oleh variabel lain. Jadi pengaruh waktu pembakaran dan variasi arang terhadap berat jenis batu bata adalah 97,8%. sedangkan pengaruh variabel lain 2,2%
3) Standard error of the estimate adalah 0,008 berarti perkiraan kesalahan lebih kecil dari 0,05, sehingga regresi layak digunakan (Yanrest,2003)
commit to user
ANOVA
Sum of Squares df Mean Square F Sig.
Regression .008 1 .008 137.945 .001
Residual .000 3 .000
Total .008 4
The independent variable is Prosentase.
Tabel di atas menjelaskan apakah variasi nilai variable bebas atau variable independen dapat menjelaskan variasi nilai dependen dengan menggunakan besarnya nilai F. (Hartono,2010)
1) Besarnya nilai F dihitung adalah 137,945 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tabel (137,945 > 9,55) 2) Besar signifikansinya 0,001. Signifikansi tabel anova 0,001 lebih kecil dari
0,05 sehingga Ho ditolak dan Ha diterima.
Dengan demikian variasi nilai variabel bebas atau variable independen dapat menjelaskan variasi nilai dependen, dengan kata lain variasi penambahan karbon dapat memprediksi variabel berat jenis batu bata.
Coefficients
Unstandardized Coefficients
Standardized Coefficients
B Std. Error Beta t Sig.
Prosentase -.004 .000 -.989 -11.583 .001
(Constant) 1.904 .005 346.531 .000
Tabel coefficient di atas dapat diinterpretasikan sebagai berikut : 1) Bagian ini menggambarkan persamaan regresi: (Hartono, 2010)
Y = a + bX Y = 1,904 – 0,004X Dimana :
Y = Berat jenis batu bata
X = Variasi penambahan karbon
commit to user
a) Konstanta sebesar 1,904 menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 1,904.
b) Koefisien regresi sebesar -0,004 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menurunkan (karena tanda negative) variabel Y sebesar 0,004.
2) Pengambilan keputusan (Yarnest, 2008)
a) Dengan membandingkan statistic hitung dengan statistic tabel.
(1) Jika statistic t hitung < statistic t tabel, maka Ho diterima dan Hi ditolak .
(2) Jika statistic t hitung >statistic t tabel, maka Hi diterima dan Ho ditolak Dari tabel output di atas terlihat bahwa t hitung adalah -11,583 sedangkan untuk tabel statistik pada a=5%, df1=2 dan df2=3 adalah sebesar 9,55. Itu berarti t hitung < t tabel maka Ho diterima dan Hi ditolak.
b) Berdasarkan probabilitas signifikansi. Ketentuannya adalah sebagai berikut: (Hartono,2010)
(1) Bila sig. < dari 0,05 berarti pengaruh variable bebas terhadap variable terikat signifikan.
(2) Bila sig. > dari 0,05 berarti pengaruh variable bebas terhadap variable terikat tidak signifikan
Besar signifikansinya 0,001 lebih kecil dari 0,05. Ini berarti pengaruh penambahan karbon terhadap berat jenis batu bata signifikan atau ada pengaruh penambahan karbon terhadap berat jenis batu bata.
Grafik
commit to user
d. Variasi Penambahan Karbon Pada Waktu Pembakaran 60 Jam
Model Summary
R R Square
Adjusted R Square
Std. Error of the Estimate
.951 .904 .872 .021
The independent variable is Prosentase.
Tabel di atas menjelaskan besarnya persentase pengaruh variable bebas atau variable predictor terhadap variable terikatnya.
1) Angka R sebesar 0,951 menunjukkan hubungan yang sangat kuat (95,1%) antara variable X dengan Y
2) Besar koefisien determinasi (R square) adalah 0,904 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 90,4%. Sedangkan 9,6% (100%-90,4% ) dipengaruhi oleh variabel lain. Jadi pengaruh waktu pembakaran dan variasi arang terhadap berat jenis batu bata adalah 90,4%. sedangkan pengaruh variabel lain 9,6%
3) Standard error of the estimate adalah 0,021 berarti perkiraan kesalahan lebih kecil dari 0,05, sehingga regresi layak digunakan (Yanrest,2003)
ANOVA
Sum of Squares df Mean Square F Sig.
Regression .012 2 .012 36.094 .009
Residual .001 3 .000
Total .013 5
The independent variable is Prosentase.
Tabel di atas menjelaskan apakah variasi nilai variable bebas atau variable independen dapat menjelaskan variasi nilai dependen dengan menggunakan besarnya nilai F. (Hartono,2010)
1) Besarnya nilai F dihitung adalah 36,094 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tabel (36,094 > 9,55)
commit to user
2) Besar signifikansinya 0,009. Signifikansi tabel anova 0,009 lebih kecil dari 0,05 sehingga Ho ditolak dan Ha diterima.
Dengan demikian variasi nilai variabel bebas atau variable independen dapat menjelaskan variasi nilai dependen, dengan kata lain variasi penambahan karbon dapat memprediksi variabel berat jenis batu bata.
Coefficients
Unstandardized Coefficients
Standardized Coefficients
B Std. Error Beta t Sig.
Prosentase -.005 .001 -.951 -5.318 .013
(Constant) 1.809 .014 129.688 .000
Tabel coefficient di atas dapat diinterpretasikan sebagai berikut : 1) Bagian ini menggambarkan persamaan regresi: (Hartono, 2010)
Y = a + bX Y = 1,809 – 0,005X Dimana :
Y = Berat jenis batu bata
X = Variasi penambahan karbon
a) Konstanta sebesar 1,809 menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 1,809.
b) Koefisien regresi sebesar -0,005 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menurunkan (karena tanda negative) variabel Y sebesar 0,005.
2) Pengambilan keputusan (Yarnest, 2008)
a) Dengan membandingkan statistic hitung dengan statistic tabel.
(1) Jika statistic t hitung < statistic t tabel, maka Ho diterima dan Hi ditolak .
(2) Jika statistic t hitung >statistic t tabel, maka Hi diterima dan Ho ditolak
commit to user
Dari tabel output di atas terlihat bahwa t hitung adalah -5,318 sedangkan untuk tabel statistik pada a=5%, df1=2 dan df2=3 adalah sebesar 9,55. Itu berarti t hitung < t tabel maka Ho diterima dan Hi ditolak.
b) Berdasarkan probabilitas signifikansi. Ketentuannya adalah sebagai berikut: (Hartono,2010)
(1) Bila sig. < dari 0,05 berarti pengaruh variable bebas terhadap variable terikat signifikan.
(2) Bila sig. > dari 0,05 berarti pengaruh variable bebas terhadap variable terikat tidak signifikan
Besar signifikansinya 0,009 lebih kecil dari 0,05. Ini berarti pengaruh penambahan karbon terhadap berat jenis batu bata signifikan atau ada pengaruh penambahan karbon terhadap berat jenis batu bata.
Grafik