commit to user
KESIMPULAN DAN SARAN
C. Analisa Susut Bakar Batu Bata
1. Uji Normalitas (Metode Lilliefors)
a. Variasi Penambahan Karbon Pada Waktu Pembakaran 12 Jam
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Prosentase 5 100.0% 0 .0% 5 100.0%
Susut 5 100.0% 0 .0% 5 100.0%
Tabel di atas menggambarkan tentang jumlah data yang dimasukkan sebanyak 5 buah (valid=100%) dan tidak ada data yang dikeluarkan (missing = 0%).
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Prosentase .198 5 .200* .957 5 .787
Susut .231 5 .200* .881 5 .314
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Metode pengambilan keputusan untuk uji normalitas: (Duwi Priyatno,2010) 1) Jika signifikansi >0,05 maka data berdistribusi normal
2) Jika signifikansi <0,05 maka data berdistribusi tidak normal
Tabel di atas menunjukkan nilai signifikansi untuk prosentase variasi karbon sebesar 0,200 (Kolmogorov-Smirnov) dan 0,787 (Shapiro-Wilk). 0,200 dan 0,787 > 0,05 maka data berdistribusi normal. Nilai signifikansi untuk susut bakar sebesar 0,200 (Kolmogorov-Smirnov) dan 0,314 (Shapiro-Wilk). 0,200 dan 0,314
> 0,05 maka data berdistribusi normal.
commit to user
b. Variasi Penambahan Karbon Pada Waktu Pembakaran 24 Jam
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Prosentase 5 100.0% 0 .0% 5 100.0%
Susut 5 100.0% 0 .0% 5 100.0%
Tabel di atas menggambarkan tentang jumlah data yang dimasukkan sebanyak 5 buah (valid=100%) dan tidak ada data yang dikeluarkan (missing = 0%).
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Prosentase .198 5 .200* .957 5 .787
Susut .312 5 .127 .881 5 .314
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Metode pengambilan keputusan untuk uji normalitas: (Duwi Priyatno,2010) 1) Jika signifikansi >0,05 maka data berdistribusi normal
2) Jika signifikansi <0,05 maka data berdistribusi tidak normal
Tabel di atas menunjukkan nilai signifikansi untuk prosentase variasi karbon sebesar 0,200 (Kolmogorov-Smirnov) dan 0,787 (Shapiro-Wilk). 0,200 dan 0,787 > 0,05 maka data berdistribusi normal. Nilai signifikansi untuk susut bakar sebesar 0,127 (Kolmogorov-Smirnov) dan 0,314 (Shapiro-Wilk). 0,127 dan 0,314
> 0,05 maka data berdistribusi normal.
commit to user
c. Variasi Penambahan Karbon Pada Waktu Pembakaran 36 Jam
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Prosentase 5 100.0% 0 .0% 5 100.0%
Susut 5 100.0% 0 .0% 5 100.0%
Tabel di atas menggambarkan tentang jumlah data yang dimasukkan sebanyak 5 buah (valid=100%) dan tidak ada data yang dikeluarkan (missing = 0%).
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Prosentase .198 5 .200* .957 5 .787
Susut .292 5 .188 .877 5 .294
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Metode pengambilan keputusan untuk uji normalitas: (Duwi Priyatno,2010) 1) Jika signifikansi >0,05 maka data berdistribusi normal
2) Jika signifikansi <0,05 maka data berdistribusi tidak normal
Tabel di atas menunjukkan nilai signifikansi untuk prosentase variasi karbon sebesar 0,200 (Kolmogorov-Smirnov) dan 0,787 (Shapiro-Wilk). 0,200 dan 0,787 > 0,05 maka data berdistribusi normal. Nilai signifikansi untuk susut bakar sebesar 0,188 (Kolmogorov-Smirnov) dan 0,294 (Shapiro-Wilk). 0,188 dan 0,294
> 0,05 maka data berdistribusi normal.
commit to user
d. Variasi Penambahan Karbon Pada Waktu Pembakaran 60 Jam
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Prosentase 5 100.0% 0 .0% 5 100.0%
Susut 5 100.0% 0 .0% 5 100.0%
Tabel di atas menggambarkan tentang jumlah data yang dimasukkan sebanyak 5 buah (valid=100%) dan tidak ada data yang dikeluarkan (missing = 0%).
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Prosentase .198 5 .200* .957 5 .787
Susut .201 5 .200* .881 5 .314
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Metode pengambilan keputusan untuk uji normalitas: (Duwi Priyatno,2010) 1) Jika signifikansi >0,05 maka data berdistribusi normal
2) Jika signifikansi <0,05 maka data berdistribusi tidak normal
Tabel di atas menunjukkan nilai signifikansi untuk prosentase variasi karbon sebesar 0,200 (Kolmogorov-Smirnov) dan 0,787 (Shapiro-Wilk). 0,200 dan 0,787 > 0,05 maka data berdistribusi normal. Nilai signifikansi untuk susut bakar sebesar 0,200 (Kolmogorov-Smirnov) dan 0,314 (Shapiro-Wilk). 0,200 dan 0,314
> 0,05 maka data berdistribusi normal.
commit to user
2. Uji Linearitas dan Keberartian Regresi
Case Processing Summary
Cases
Included Excluded Total
N Percent N Percent N Percent
Susut * Waktu 20 100.0% 0 .0% 20 100.0%
Susut * Prosentase 20 100.0% 0 .0% 20 100.0%
Tabel di atas menggambarkan tentang jumlah data yang dimasukkan sebangay 20 buah (included=100%) dan tidak ada data yang dikeluarkan (excluded = 0%).
Menurut Hartono (2010) :
a. Metode pengambilan keputusan untuk uji linearitas yaitu jika signifikans (Sig.) < 0,05 maka data dinyatakan linear dan jika signifikansi (Sign.) > 0,05 maka data dinyatakan tidak linear.
b. Metode pengambilan keputusan untuk uji linearitas yaitu jika nilai F hitung >
F tabel maka arah regresi berarti sedangkan jika nilai F hitung < F tabel maka arah regresi tidak berarti, dengan taraf signifikansi 5%.
ANOVA Table
Deviation from Linearity .541 2 .270 16.329 .000
Within Groups .265 16 .017
Susut * Waktu
Total 2.063 19
Pada tabel output uji linearitas di atas dapat dijelaskan bahwa hubungan susut bakar dan waktu pembakaran mempunyai nilai signifikan sebesar 0,000 (<0,05) berarti data linear. Sedangkan untuk keberartian regresi diperoleh F
commit to user
tabel dengan a=5%, df1=3 dan df2=16 sebesar 3,24 (taraf signifikansi 5%) dan F hitung 75,987 (>F tabel), dapat disimpulkan bahwa arah regresi berarti. Sehingga dalam analisis regresi menggunakan regresi linear (Tulus Winarsunu,2007).
ANOVA Table
Deviation from Linearity .017 3 .006 .043 .988
Within Groups 1.993 15 .133
Susut * Prosentase
Total 2.063 19
Pada tabel output uji linearitas di atas dapat dijelaskan bahwa hubungan susut bakar dan variasi penambahan karbon mempunyai nilai signifikan sebesar 0,536 (>0,05) berarti data tidak linear. Sedangkan untuk keberartian regresi diperoleh F tabel dengan a=5%, df1=4 dan df2=15 sebesar 4,01 (taraf signifikansi 5%) dan F hitung 3,601 (>F tabel), dapat disimpulkan bahwa arah regresi berarti. Sehingga dalam analisis regresi menggunakan regresi non-linear (Tulus Winarsunu,2007).
3. Analisis Regresi Non-Linear (Polinomial) a. Variasi Penambahan Karbon Pada Waktu Pembakaran 12 Jam
Model Summary and Parameter Estimates
Dependent Variable:Susut
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1 b2
Quadratic .874 9.611 2 3 .026 10.375 .007 -.001
The independent variable is Prosentase.
Tabel di atas dapat diinterpretasikan sebagai berikut:
1) Besar koefisien determinasi (R square) adalah 0,874 mengandung pengertian bahwa pengaruh variabel bebas (independent) terhadap perubahan variabel
commit to user
dependen adalah 87,4%. Sedangkan 12,6% (100%-87,4% ) dipengaruhi oleh variabel lain. Jadi pengaruh variasi karbon terhadap susut bakar batu bata adalah 87,4%. Sedangkan pengaruh variabel lain 12,6%
2) Kolom F menjelaskan apakah variasi nilai variabel bebas atau variabel independen dapat menjelaskan variasi nilai dependen (Hartono,2010).
a) Besarnya nilai F dihitung adalah 9,611 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tebel (9,611 >
9,55)
b) Besar signifikansinya (sig.) 0,026 lebih kecil dari 0,05 sehingga Ho ditolak dan Ha diterima.
Dengan demikian variasi nilai variable bebas atau variabel independen dapat menjelaskan variasi nilai dependent, dengan kata lain variasi penambahan karbon dapat memprediksi variabel susut bakar batu bata.
3) Kolom parameter estimates di atas menggambarkan persamaan regresi:
(Danang Sunyoto, 2011)
Y = ax2 + bx + c
Y = -0,001x2 + 0,007x + 10,375 Dimana :
Y = Susut Bakar batu bata X = Variasi penambahan karbon
a) Konstanta sebesar 10,375menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 10,375.
b) Koefisien regresi sebesar 0,007 dan 0,001 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menaikkan (karena tanda positif) variabel Y sebesar 0,007 dan menurunkan (karena tanda negatif) variabel Y sebesar 0,001 kuadrat.
commit to user
Grafik
Garis yang berbentuk non-linear atau melengkung yang diikuti oleh data observasi disekitar garis tersebut menunjukkan bahwa model regresi polinomial layak digunakan untuk memprediksi besarnya susut bakar maksimum batu bata. (Danang Sunyoto, 2011)
b. Variasi Penambahan Karbon Pada Waktu Pembakaran 24 Jam
Model Summary and Parameter Estimates
Dependent Variable:Susut
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1 b2
Quadratic .937 14.864 2 3 .043 10.813 .002 -.001
The independent variable is Prosentase.
Tabel di atas dapat diinterpretasikan sebagai berikut:
1) Besar koefisien determinasi (R square) adalah 0,937 mengandung pengertian bahwa pengaruh variabel bebas (independent) terhadap perubahan variabel dependent adalah 93,7%. Sedangkan 17,3% (100%-93,7% ) dipengaruhi oleh variabel lain. Jadi pengaruh variasi karbon terhadap susut bakar batu bata adalah 93,7%. sedangkan pengaruh variabel lain 17,3%
2) Kolom F menjelaskan apakah variasi nilai variabel bebas atau variabel independen dapat menjelaskan variasi nilai dependen (Hartono,2010).
commit to user
a) Besarnya nilai F dihitung adalah 14,864 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tebel (14,864 >
9,55)
b) Besar signifikansinya (sig.) 0,043 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 susut bakar batu bata.
3) Kolom parameter estimates di atas menggambarkan persamaan regresi:
(Danang Sunyoto, 2011)
Y = ax2 + bx + c
Y = -0,001x2 + 0,002x + 10,813 Dimana :
Y = Susut Bakar batu bata X = Variasi penambahan karbon
a) Konstanta sebesar 10,813 menyatakan bahwa jika tidak ada variabel X maka variable Y adalah 10,813.
b) Koefisien regresi sebesar 0,002 dan 0,001 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menaikkan (karena tanda positif) variabel Y sebesar 0,002 dan menurunkan (karena tanda negatif) variable Y sebesar 0,001 kuadrat.
Grafik
commit to user
Garis yang berbentuk non-linear atau melengkung yang diikuti oleh data observasi disekitar garis tersebut menunjukkan bahwa model regresi polinomial layak digunakan untuk memprediksi besarnya susut bakar maksimum batu bata. (Danang Sunyoto, 2011)
c. Variasi Penambahan Karbon Pada Waktu Pembakaran 36 Jam
Model Summary and Parameter Estimates
Dependent Variable:Susut
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1 b2
Quadratic .976 39.892 2 3 .024 10.958 -.004 .001
The independent variable is Prosentase.
Tabel di atas dapat diinterpretasikan sebagai berikut:
1) Besar koefisien determinasi (R square) adalah 0,976 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 97,6%. Sedangkan 23,4% (100%-97,6% ) dipengaruhi oleh v lain. Jadi pengaruh variasi karbon terhadap susut bakar batu bata adalah 97,6%. sedangkan pengaruh variabel lain 23,4%
2) Kolom F menjelaskan apakah variasi nilai variabel bebas atau variabel independen dapat menjelaskan variasi nilai dependen (Hartono,2010).
a) Besarnya nilai F dihitung adalah 39,892 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tebel (39,892 >
9,55)
b) Besar signifikansinya (sig.) 0,024 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 susut bakar batu bata.
3) Kolom parameter estimates di atas menggambarkan persamaan regresi:
(Danang Sunyoto, 2011)
commit to user
Y = ax2 + bx + c Y = 0,001x2 - 0,004x + 10,958 Dimana :
Y = Susut Bakar batu bata X = Variasi penambahan karbon
a) Konstanta sebesar 10,958 menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 10,958.
b) Koefisien regresi sebesar 0,004 dan 0,001 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menurunkan (karena tanda negatif) variabel Y sebesar 0,004 dan menaikkan (karena tanda positif) variabel Y sebesar 0,001 kuadrat.
Grafik
Garis yang berbentuk non-linear atau melengkung yang diikuti oleh data observasi disekitar garis tersebut menunjukkan bahwa model regresi polinomial layak digunakan untuk memprediksi besarnya susut bakar maksimum batu bata. (Danang Sunyoto, 2011)
d. Variasi Penambahan Karbon Pada Waktu Pembakaran 60 Jam
Model Summary and Parameter Estimates
Dependent Variable:Susut
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1 b2
Quadratic .986 72.466 2 3 .014 11.237 -.004 .001
The independent variable is Prosentase.
commit to user
Tabel di atas dapat diinterpretasikan sebagai berikut:
1) Besar koefisien determinasi (R square) adalah 0,986 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 98,6%. Sedangkan 12,4% (100%-97,6% ) dipengaruhi oleh variabel lain. Jadi pengaruh variasi karbon terhadap susut bakar batu bata adalah 97,6%. Sedangkan pengaruh variabel lain 13,4%
2) Kolom F menjelaskan apakah variasi nilai variabel bebas atau variabel independen dapat menjelaskan variasi nilai dependen (Hartono,2010).
a) Besarnya nilai F dihitung adalah 72,466 sedangkan F tabel pada a=5%, df1=2 dan df2=3 sebesar 9,55. Hal ini berarti F hitung > F tebel (72,466 >
9,55)
b) Besar signifikansinya (sig.) 0,014 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 susut bakar batu bata.
3) Kolom parameter estimates di atas menggambarkan persamaan regresi:
(Danang Sunyoto, 2011)
Y = ax2 + bx + c Y = 0,001x2 - 0,004x + 11,237 Dimana :
Y = Susut Bakar batu bata X = Variasi penambahan karbon
a) Konstanta sebesar 10,237 menyatakan bahwa jika tidak ada variabel X maka variabel Y adalah 10,237.
b) Koefisien regresi sebesar 0,004 dan 0,001 menyatakan bahwa setiap penambahan 1 satuan variabel X akan menurunkan (karena tanda negatif) variable Y sebesar 0,004 dan menaikkan (karena tanda positif) variabel Y sebesar 0,001 kuadrat.
commit to user
Grafik
Garis yang berbentuk non-linear atau melengkung yang diikuti oleh data observasi disekitar garis tersebut menunjukkan bahwa model regresi polinomial layak digunakan untuk memprediksi besarnya susut bakar maksimum batu bata. (Danang Sunyoto, 2011)
D. Analisa Porositas Batu Bata