Adrianti, 2006. Pengertian Sistem Informasi. Diakses dari http://gunadarma.ac.id [27 Januari 2015].
Afiyanti, Y., 2008. Validitas dan Reliabilitas dalam Penelitian Kualitatif (Jurnal). Fakultas Ilmu Keperawatan UI: Jakarta.
Basuki, A., M. Huda, dan T. B, Santoso, 2006. Pemodelan Proses Acak dan
Pembangkitannya. Diakses dari http://lecturer.eepis-its.edu [27 Januari 2015].
BPS, 2013. Statistik Kotamadya Pematangsiantar. Diakses dari http://siantarkota.bps.go.id [27 Januari 2015].
Ditjen Cipta Karya, 2010. Profil Kota Pematangsiantar. Diakses dari http://ciptakarya.pu.go.id [27 Januari 2015].
Eniyati, S., dan R. C. N. Santi, 2010. Perancangan Sistem Pendukung Keputusan Penilaian Prestasi Dosen Berdasarkan Penelitian dan Pengabdian Masyarakat (Jurnal). Universitas Stikubank: Semarang.
Field, A., 2009. Discovering Statistics Using SPSS (Third Edition), SAGE Publication, London.
FPP, 2011. Penggunaan SPSS for Windows. Diakses dari: http://umm.ac.id [28 Januari 2015].
Gio, P. U., 2013. Aplikasi Statistika dalam SPSS. USU Press: Medan.
Handoyo, K. L., 2011. Perbandingan dan Analisis True Random Generation
terhadap Pseudo Random Generation dalam Berbagai Bidang (Jurnal). STEI-ITB: Bandung.
Haniah, N., 2013. Uji Normalitas dengan Metode Liliefors. Diakses dari http://statistikapendidikan.com [28 Januari 2015].
Harrel, C., B. K. Ghosh dan R.O. Bowden, Jr., 2003. Simulation Using Promodel. McGraw-Hill: Singapore.
Hartono, B. B., 2010. Bilangan Acak (Random Number). Universitas Stikubank: Semarang.
Hasbi, 2012. Perbaikan Teknologi Pascapanen di Lahan Suboptimal (Jurnal). Pusat Unggulan Riset Pengembangan Lahan Suboptimal UNSRI: Palembang.
Herlambang, S. dan H. Tanuwijaya. 2005. Sistem Informasi. Graha Ilmu: Yogyakarta.
Kadir A., 2003. Pengenalan Sistem Informasi. ANDI Offset: Yogyakarta.
Kalos, M. H., dan P. A. Whitlock, 2008. Monte Carlo Methods. Wiley-VCH Verlag GmbH & Co: Germany.
Ladjamudin, B. A. B., 2005. Analisis dan Desain Sistem Informasi. Graha Ilmu: Yogyakarta.
Makarim, A. K., dan E. Suhartatik, 2010. Morfologi dan Fisiologi Tanaman Padi. Balai Besar Penelitian Tanaman Padi: Bogor.
Nep, 2013. Ukuran Kemencengan dan Keruncingan. Diakses dari http://stiem.ac.id [28 Januari 2015].
Oktafri, 1994. Perumusan Model Peramalan BoxJenkis Debit Sungai, Curah Hujan, dan Evapotranspirasi Sub DAS Cigulung-Cikapundung Bandung Utara (Jurnal). Program Pascasarjanna Institut Pertanian Bogor, Bogor. Pramono, J., S. Basuki, dan Widarto, 2005. Upaya Peningkatan Produktivitas Padi
Sawah Melalui Pendekatan Pengelolaan Tanaman dan Sumberdaya Terpadu (Jurnal Agrosains). Balai Pengkajian Teknologi Pertanian: Jawa Tengah.
Prihatman, K., 2000. Padi (Oryza Sativa). BPP Teknologi: Jakarta.
Pujiharti, Y., J. Barus, dan B. Wijayanto, 2008. Teknologi Budidaya Padi. BPP Teknologi: Bogor.
Riadi, M., 2013. Sistem Pendukung Keputusan (SPK). Diakses dari http://www.kajianpustaka.com [27 Januari 2015].
Ritonga, M. P., 2014. Sistem Pendukung Keputusan Pendugaan Kebutuhan Peralatan Produksi Padi Studi Kasus Kota Padangsidimpuan (Jurnal). Fakultas Pertanian Universitas Sumatera Utara, Medan.
Rusdi, A., 2009. Aplikasi Komputer 2 SPSS (Uji Normalitas Data dan Varians), Universitas Muhammadiyah Parepare: Parepare.
Rusjdi, D., 2011. Pembangkit Data Lokasi Sekolah Secara Acak Menggunakan Ms Excel (Jurnal). Teknik Informatika STT-PLN: Jakarta.
Sartono, B., 2005. Pembangkitan Bilangan Acak untuk Simulasi Monte Carlo Nonparametrik (Jurnal). Departemen Statistika FMIPA IPB: Bogor.
Setyono, A., Suismono, Jumali dan Sutrisno. 2006. Studi Penerapan Teknik Penggilingan Unggul Mutu Untuk Produksi Beras Bersertifikat. Pusat Penelitian dan Pengembangan Tanaman Pangan, Bogor.
Setyono, A., S. Nugraha dan Sutrisno. 2008. Prinsip Penanganan Pascapanen Padi. Balai Besar Penelitian Tanaman Padi: Sukamandi.
Sugiharto, B., 2007. Aplikasi Simulasi Untuk Peramalan Permintaan dan Pengelolaan Persediaan yang Bersifat Probabilistik. Universitas Bina Nusantara: Jakarta.
Sugiyono, 2010. Statistika untuk Penelitian. Penerbit Alfabeta: Bandung.
Sukoco, A., 2012. Uji F. Diakses dari http://dosen.narotama.ac.id [28 Januari 2015].
Suparno, dan A. Setyono, 1997. Mengatasi Permasalahan Budi Daya Padi. Penebar Swadaya: Jakarta.
Surbakti, I., 2002. Sistem Pendukung Keputusan (Decision Support System). ITSN: Surabaya.
Waljiyanto, 2003. Sistem Basis Data: Analisis dan Pemodelan Data. Graha Ilmu: Yogyakarta.
Waluya, H., 1997. Sistem Informasi Komputer Dalam Bisnis. PT Rineka Cipta: Jakarta.
Lampiran 1. Banyaknya kelompok tani dan pola tanam yang digunakan di Kotamadya Pematangsiantar.
No. Kecamatan Jumlah kelompok
tani Pola tanam yang digunakan
1. Siantar Marihat 23 Tegel
2. Siantar Simarimbun 38 Tegel
3. Siantar Martoba 10 Tegel
4. Siantar Sitalasari 11 Tegel
5. Siantar Selatan 1 Tegel
6. Siantar Timur - -
7. Siantar Barat - -
8. Siantar Utara - -
Total 83
Lampiran 2. Luas tanah menurut penggunaannya di Kotamadya Pematangsiantar.
No. Kecamatan Luas penanaman padi
(Ha) 1. Siantar Marihat 1.263 2. Siantar Simarimbun 2.141 3. Siantar Selatan 10 4. Siantar Martoba 294 5. Siantar Sitalasari 188 6. Siantar Barat - 7. Siantar Timur - 8. Siantar Utara - Total 3.896
Lampiran 3. Produksi tanaman padi tahun 2009 – 2014 di Kotamadya Pematangsiantar.
Tahun
Produksi per kecamatan (Ton)
Total Marihat Martoba Simarimbun Sitalasari Selatan Utara Timur Barat
2009 5572 2930 12327 2251 53 0 0 0 23133 2010 6719 3242 17145 3255 59 0 0 0 30420 2011 6854 3850 13733 2505 60 0 0 0 27002 2012 7174 1670 12161 1068 56 0 0 0 22129 2013 6549 2307 9966 886 55 0 0 0 19763 2014 6776 2673 9519 1397 54 0 0 0 20419
Lampiran 4. Data penggunaan mesin penggiling padi di Kotamadya Pematangsiantar.
No. Nama
penggilingan padi
Alamat
(Kecamatan) Kapasitas giling Merek
Jam kerja per hari
Kapasitas (ton/hari) 1. KP. Hariara Siantar Martoba 800 kg/jam Crown 6 4,8 2. KP. Bonar Siantar Martoba 800 kg/jam Crown 5 4 3. KP. Sinartani Jaya Siantar Martoba 800 kg/jam Crown 5 4 4. KP. Sentosa Siantar Selatan 800 kg/jam Crown 6 4,8 5. KP. Niaga Siantar Sitalasari 800 kg/jam Crown 5 4 6. KP. Simarimbun Siantar
Simarimbun 800 kg/jam Crown 6 4,8
Lampiran 5. Output distribusi frekuensi dan histogram pada SPSS di Kecamatan Siantar Marihat.
Kecamatan Siantar Marihat
1 16.7 16.7 16.7 1 16.7 16.7 33.3 1 16.7 16.7 50.0 1 16.7 16.7 66.7 1 16.7 16.7 83.3 1 16.7 16.7 100.0 6 100.0 100.0 5572 6549 6719 6776 6854 7174 Total Valid
Frequency Percent Valid Percent
Cumulative Percent 7500 7000 6500 6000 5500
Kecamatan Siantar Marihat 4 3 2 1 0 Mean = 6607.33 Std. Dev. = 547.392 N = 6 Histogram Frequency
Lampiran 6. Output distribusi frekuensi dan histogram pada SPSS di Kecamatan Siantar Martoba.
Kecamatan Siantar Martoba
1 16.7 16.7 16.7 1 16.7 16.7 33.3 1 16.7 16.7 50.0 1 16.7 16.7 66.7 1 16.7 16.7 83.3 1 16.7 16.7 100.0 6 100.0 100.0 1670 2307 2673 2930 3242 3850 Total Valid
Frequency Percent Valid Percent
Cumulative Percent 4000 3500 3000 2500 2000 1500
Kecamatan Siantar Martoba 2.0 1.5 1.0 0.5 0.0 Mean = 2778.67 Std. Dev. = 754.733 N = 6 Histogram Frequency
Lampiran 7. Output distribusi frekuensi dan histogram pada SPSS di Kecamatan Siantar Simarimbun.
Kecamatan Siantar Simarimbun
1 16.7 16.7 16.7 1 16.7 16.7 33.3 1 16.7 16.7 50.0 1 16.7 16.7 66.7 1 16.7 16.7 83.3 1 16.7 16.7 100.0 6 100.0 100.0 9519 9966 12161 12327 13733 17145 Total Valid
Frequency Percent Valid Percent
Cumulative Percent 18000 16000 14000 12000 10000 8000
Kecamatan Siantar Simarimbun 2.0 1.5 1.0 0.5 0.0 Mean = 12475.17 Std. Dev. = 2776.508 N = 6 Histogram Frequency
Lampiran 8. Output distribusi frekuensi dan histogram pada SPSS di Kecamatan Siantar Sitalasari.
Kecamatan Siantar Sitalasari
1 16.7 16.7 16.7 1 16.7 16.7 33.3 1 16.7 16.7 50.0 1 16.7 16.7 66.7 1 16.7 16.7 83.3 1 16.7 16.7 100.0 6 100.0 100.0 886 1068 1397 2251 2505 3255 Total Valid
Frequency Percent Valid Percent
Cumulative Percent 3500 3000 2500 2000 1500 1000 500
Kecamatan Siantar Sitalasari 2.0 1.5 1.0 0.5 0.0 Mean = 1893.67 Std. Dev. = 927.194 N = 6 Histogram Frequency
Lampiran 9. Output distribusi frekuensi dan histogram pada SPSS di Kecamatan Siantar Selatan.
Kecamatan Siantar Selatan
1 16.7 16.7 16.7 1 16.7 16.7 33.3 1 16.7 16.7 50.0 1 16.7 16.7 66.7 1 16.7 16.7 83.3 1 16.7 16.7 100.0 6 100.0 100.0 53 54 55 56 59 60 Total Valid
Frequency Percent Valid Percent
Cumulative Percent 60 59 58 57 56 55 54 53
Kecamatan Siantar Selatan 2.0 1.5 1.0 0.5 0.0 Mean = 56.17 Std. Dev. = 2.787 N = 6 Histogram Frequency
Lampiran 10. Output uji normalitas (Kolmogorov-Smirnov) per kecamatan di Kotamadya Pematangsiantar. Te sts of Norm ality .291 6 .123 .111 6 .200* .165 6 .200* .204 6 .200* .191 6 .200* Kecamatan Siantar Marihat Kecamatan Siantar Martoba Kecamatan Siantar Simarimbun Kecamatan Siantar Sitalas ari Kecamatan Siantar Selatan St atist ic df Sig. Kolmogorov-Smirnova
This is a lower bound of the true signific ance. *.
Lilliefors S ignificanc e Correction a.
61
Lampiran 11. Output uji Independent Samples T Test pada SPSS untuk Kecamatan Siantar Marihat. Group Statistics 6 6607.3333 547.39224 223.47195 6 6846.5400 422.29001 172.39918 B Data Awal Data Pendugaan Kecamatan Siantar Marihat N Mean Std. Deviation Std. Error Mean
Independent Samples Test
.094 .765 -.848 10 .417 -239.20667 282.24313 -868.084 389.67023
-.848 9.395 .418 -239.20667 282.24313 -873.618 395.20475 Equal variances
as sumed Equal variances not ass umed Kecamatan
Siantar Marihat
F Sig.
Levene's Test for Equality of Variances
t df Sig. (2-tailed)
Mean Difference
Std. Error
Difference Lower Upper 95% Confidence
Interval of the Difference t-test for Equality of Means
Lampiran 12. Output uji Independent Samples T Test pada SPSS untuk Kecamatan Siantar Simarimbun. Group Statistics 6 12475.17 2776.50791 1133.505 6 13688.55 2142.02478 874.47796 B Data Awal Data Prediksi Kecamatan Siantar Simarimbun N Mean Std. Deviation Std. Error Mean
Independent Samples Test
.220 .649 -.848 10 .417 -1213.382 1431.6230 -4403.24 1976.473
-.848 9.395 .418 -1213.382 1431.6230 -4431.30 2004.539 Equal variances
as sumed Equal variances not ass umed Kecamatan Siantar
Simarimbun
F Sig.
Levene's Test for Equality of Variances
t df Sig. (2-tailed)
Mean Difference
Std. Error
Difference Lower Upper 95% Confidence
Interval of the Difference t-test for Equality of Means
Lampiran 13. Output uji Independent Samples T Test pada SPSS untuk Kecamatan Siantar Martoba. Group Statistics 6 2778.6667 754.73324 308.11856 6 3108.4883 582.24185 237.69924 B Data Awal Data Pendugaan Kecamatan Siantar Martoba N Mean Std. Deviation Std. Error Mean
Independent Samples Test
.362 .561 -.848 10 .417 -329.82167 389.15032 -1196.90 537.25929
-.848 9.395 .418 -329.82167 389.15032 -1204.53 544.89045 Equal variances
as sumed Equal variances not ass umed Kecamatan
Siantar Martoba
F Sig.
Levene's Test for Equality of Variances
t df Sig. (2-tailed)
Mean Difference
Std. Error
Difference Lower Upper 95% Confidence
Interval of the Difference t-test for Equality of Means
Lampiran 14. Output uji Independent Samples T Test pada SPSS untuk Kecamatan Siantar Sitalasari. Group Statistics 6 1893.6667 927.19354 378.52518 6 2430.0000 771.45343 314.94455 B Data Awal Data Pendugaan Kecamatan Siantar Sitalasari N Mean Std. Deviation Std. Error Mean
Independent Samples Test
.784 .397 -1.089 10 .302 -536.33333 492.41383 -1633.50 560.83305
-1.089 9.680 .302 -536.33333 492.41383 -1638.44 565.77056 Equal variances
as sumed Equal variances not ass umed Kecamatan
Siantar Sitalasari
F Sig.
Levene's Test for Equality of Variances
t df Sig. (2-tailed)
Mean Difference
Std. Error
Difference Lower Upper 95% Confidence
Interval of the Difference t-test for Equality of Means
Lampiran 15. Output uji Independent Samples T Test pada SPSS untuk Kecamatan Siantar Selatan. Group Statistics 6 56.1667 2.78687 1.13774 6 55.8767 1.53454 .62648 B Data Awal Data Pendugaan Kecamatan Siantar Selatan N Mean Std. Deviation Std. Error Mean
Independent Samples Test
2.427 .150 .223 10 .828 .29000 1.29881 -2.60394 3.18394
.223 7.777 .829 .29000 1.29881 -2.72010 3.30010 Equal variances
as sumed Equal variances not ass umed Kecamatan
Siantar Selatan
F Sig.
Levene's Test for Equality of Variances
t df Sig. (2-tailed)
Mean Difference
Std. Error
Difference Lower Upper 95% Confidence
Interval of the Difference t-test for Equality of Means
66
Lampiran 16. Coding VBA dalam Microsoft Office Excel 2007.
Function rnorm(x, y, s) 'pembangkitan angka random bersebaran normal MIU = x 'nilai x adalah nilai rata-rata yang didapat dari data
TAU = y 'nilai y adalah nilai standar deviasi yang didapat dari data TZ = 0
'Mixed Congruential a = 1.8 'seed number c = 23
m = 10000
For I = 1 To 12 'untuk menghasikan nilai TZ rmcs = RMC(s, a, c, m)
TZ = TZ + (rmcs / (10 ^ (Len(Int(rmcs))))) s = rmcs 's = xi
Next I
rnorm = MIU + TAU * (TZ - 6) 'persamaan pembangkitan nilai bersebaran normal End Function
Function RMC(s, a, c, m)
RMC = ((a * s) + c) Mod m 'rumus mixed congruential End Function
Function rmc12(s, a, c, m) ' digunakan untuk meneruskan pembangkitan angka random setelah 12 kali pembangkitan
For I = 1 To 12
rmc12 = RMC(s, a, c, m) s = rmc12
Next I
Lampiran 17. Perhitungan jumlah kebutuhan RMU untuk Kecamatan Siantar Marihat. Dari tabel 3, hasil pendugaan oleh simulasi total produksi untuk tahun 2015 hingga tahun 2020 diperoleh:
Total = 6.814 ton + 7.026 ton + 6.177 ton + 6.808 ton + 6.716 ton + 6.433 ton Total = 39.974 ton
Maka rata-rata produksi selama 6 tahun: Rata-rata = Total / 6 tahun
= 39.974 ton / 6 tahun = 6.662,33 ton / tahun
Kemudian, dibagikan menjadi beban penggilingan per hari selama 12 bulan (dalam 1 bulan 25 hari kerja)
Beban penggilingan = Rata-rata / (12 x 25) = 6.662,33 / 300 = 22,207 ton per hari = 22.207 kg per hari
Apabila digunakan mesin penggiling kapasitas 1 ton per jam, dan bekerja 6 jam sehari maka:
Kebutuhan mesin penggiling = Beban penggilingan / (kapasitas penggiling x jam kerja) = 22,207 ton per hari / ( 1 ton per jam x 6 jam per hari) = 3,7012 unit
Lampiran 18. Perhitungan jumlah kebutuhan RMU untuk Kecamatan Siantar Simarimbun.
Dari tabel 3, hasil pendugaan oleh simulasi total produksi untuk tahun 2015 hingga tahun 2020 diperoleh:
Total = 13.521 ton + 14.596 ton + 10.294 ton + 13.491 ton + 13.025 ton + 11.592 ton Total = 76.520 ton
Maka rata-rata produksi selama 6 tahun: Rata-rata = Total / 6 tahun
= 76.520 ton / 6 tahun = 12.753,33 ton / tahun
Kemudian, dibagikan menjadi beban penggilingan per hari selama 12 bulan (dalam 1 bulan 25 hari kerja)
Beban penggilingan = Rata-rata / (12 x 25) = 12.753,33 / 300 = 42,511 ton per hari = 42.511 kg per hari
Pada tabel 4, apabila telah terdapat 1 buah RMU dengan kapasitas 800 kg per jam dan beroperasi selama 6 jam dalam satu hari maka perlu ditambahkan mesin penggiling kapasitas 1 ton per jam, dan bekerja 6 jam sehari:
Beban penggilingan tersisa
= Beban penggilingan - (kapasitas penggiling tersedia x jam kerja) = 42.511 kg per hari - ( 800 kg per jam x 6 jam per hari)
= 37.711 kg per hari
Penambahan mesin penggiling
= Beban penggilingan tersisa / (kapasitas penggiling x jam kerja) = 37,711 ton per hari / ( 1 ton per jam x 6 jam per hari)
= 6,28 unit
Lampiran 19. Perhitungan jumlah kebutuhan RMU untuk Kecamatan Siantar Martoba. Dari tabel 3, hasil pendugaan oleh simulasi total produksi untuk tahun 2015 hingga tahun 2020 diperoleh:
Total = 3.063 ton + 3.355 ton + 2.186 ton + 3.055 ton + 2.928 ton + 2.539 ton Total = 17.126 ton
Maka rata-rata produksi selama 6 tahun: Rata-rata = Total / 6 tahun
= 17.126 ton / 6 tahun = 2.854,33 ton / tahun
Kemudian, dibagikan menjadi beban penggilingan per hari selama 12 bulan (dalam 1 bulan 25 hari kerja)
Beban penggilingan = Rata-rata / (12 x 25) = 2.854,33 / 300 = 9,514 ton per hari = 9.514 kg per hari
Pada tabel 4, apabila telah terdapat 1 buah RMU dengan kapasitas 800 kg per jam dan beroperasi selama 6 jam dalam satu hari dan 2 buah RMU dengan kapasitas 800 kg per jam dan beroperasi selama 5 jam dalam satu hari, maka perlu ditambahkan mesin penggiling kapasitas 1 ton per jam, dan bekerja 6 jam sehari:
Beban penggilingan tersisa
= Beban penggilingan – [(kapasitas penggiling tersedia1 x jam kerja1) + (kapasitas
penggilingan tersedia2 x jam kerja2)]
= 9.514 kg per hari – [( 800 kg per jam x 6 jam per hari) + 2 x ( 800 kg per jam x 5 jam per hari)] = 9.514 kg per hari – (4.800 kg per hari + 8.000 kg per hari)
= - 3.286 kg per hari
Dikarenakan nilai tersebut berada dibawah 0, maka tidak perlu dilakukan penambahan mesin penggiling baru.
Lampiran 20. Perhitungan jumlah kebutuhan RMU untuk Kecamatan Siantar Sitalasari. Dari tabel 3, hasil pendugaan oleh simulasi total produksi untuk tahun 2015 hingga tahun 2020 diperoleh:
Total = 2.243 ton + 2.602 ton + 1.165 ton + 2.233 ton + 2.077 ton + 1.599 ton Total = 11.919 ton
Maka rata-rata produksi selama 6 tahun: Rata-rata = Total / 6 tahun
= 11.919 ton / 6 tahun = 1.986,5 ton / tahun
Kemudian, dibagikan menjadi beban penggilingan per hari selama 12 bulan (dalam 1 bulan 25 hari kerja)
Beban penggilingan = Rata-rata / (12 x 25) = 1.986,5 ton / 300 = 6,621 ton per hari = 6.621 kg per hari
Pada tabel 4, apabila telah terdapat 1 buah RMU dengan kapasitas 800 kg per jam dan beroperasi selama 5 jam dalam satu hari, maka perlu ditambahkan mesin penggiling kapasitas 800 kg per jam, dan bekerja 5 jam sehari:
Beban penggilingan tersisa
= Beban penggilingan - (kapasitas penggiling tersedia x jam kerja) = 6.621 kg per hari - ( 800 kg per jam x 5 jam per hari)
= 2.621 kg per hari
Penambahan mesin penggiling
= Beban penggilingan tersisa / (kapasitas penggiling x jam kerja) = 2.621 kg per hari / ( 800 kg per jam x 5 jam per hari)
= 0,655 unit
Lampiran 21. Perhitungan jumlah kebutuhan RMU untuk Kecamatan Siantar Selatan. Dari tabel 3, hasil pendugaan oleh simulasi total produksi untuk tahun 2015 hingga tahun 2020 diperoleh:
Total = 57 ton + 58 ton + 54 ton + 57 ton + 57 ton + 55 ton Total = 339 ton
Maka rata-rata produksi selama 6 tahun: Rata-rata = Total / 6 tahun
= 339 ton / 6 tahun = 56,5 ton / tahun
Kemudian, dibagikan menjadi beban penggilingan per hari selama 12 bulan (dalam 1 bulan 25 hari kerja)
Beban penggilingan = Rata-rata / (12 x 25) = 56,5 ton / 300 = 0,188 ton per hari = 188 kg per hari
Pada tabel 4, apabila telah terdapat 1 buah RMU dengan kapasitas 800 kg per jam dan beroperasi selama 6 jam dalam satu hari, maka:
Beban penggilingan tersisa
= Beban penggilingan - (kapasitas penggiling tersedia x jam kerja) = 188 kg per hari - ( 800 kg per jam x 5 jam per hari)
= - 3.812 kg per hari
Tabel Distribusi Student’s T Value dari Microsoft Office Excel 2007.
df sig 0,1 sig 0,05 sig 0,025 sig 0,001
1 6.314 12.71 25.45 636.62 2 2.920 4.30 6.21 31.60 3 2.353 3.18 4.18 12.92 4 2.132 2.78 3.50 8.61 5 2.015 2.57 3.16 6.87 6 1.943 2.45 2.97 5.96 7 1.895 2.36 2.84 5.41 8 1.860 2.31 2.75 5.04 9 1.833 2.26 2.69 4.78 10 1.812 2.23 2.63 4.59 11 1.796 2.20 2.59 4.44 12 1.782 2.18 2.56 4.32 13 1.771 2.16 2.53 4.22 14 1.761 2.14 2.51 4.14 15 1.753 2.13 2.49 4.07 16 1.746 2.12 2.47 4.01 17 1.740 2.11 2.46 3.97 18 1.734 2.10 2.45 3.92 19 1.729 2.09 2.43 3.88 20 1.725 2.09 2.42 3.85 21 1.721 2.08 2.41 3.82 22 1.717 2.07 2.41 3.79 23 1.714 2.07 2.40 3.77 24 1.711 2.06 2.39 3.75 25 1.708 2.06 2.38 3.73 50 1.676 2.01 2.31 3.50 75 1.665 1.99 2.29 3.43 100 1.660 1.98 2.28 3.39 1000 1.646 1.96 2.24 3.30 10000 1.645 1.96 2.24 3.29