HASIL DAN PEMBAHASAN
4.1 Uji Linearitas Variabel yang Mempengaruhi Prakiraan Konsumsi Listrik
Uji linearitas dilakukan untuk melihat bagaimana kuatnya hubungan linear antara variabel bebas (X) dengan variabel terikat (Y). Semakin nyata hubungan linier, maka semakin kuat atau tinggi hubungan garis lurus antara dua atau lebih variabelyang digunakan.Penentuan adanya korelasi antara variabel X dan Y dengan melihat nilaikoefisien korelasi (R), dengan ketentuan nilai R yang paling baik adalah
mendekati 1.Ketentuan tingkat hubungan antar variabel atau koefisien korelasi dapat dilihat di Tabel 2.1 pada Sub Bab 2.7 analisis korelasi.
4.1.1 Korelasi Konsumsi Listrik Sektor Reduksi Aluminium Ingot dengan Beberapa Variabel Bebas
Berdasarkan uji variabel yang telah dilakukan, didapatkan hubungan antara konsumsi listrik reduksi ingot denganbeberapa variabel bebas, antara lain:.
a. Uji korelasi denganvariabel produksi aluminium ingot
Uji variabel konsumsi listrik aluminium ingot dengan variabel produksi aluminium ingot menggunakan metode statistik yang ada pada program SEEX.Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X.
Hasil nilai uji statistik Ryang didapat 0,850 (85%).Nilai R hubungan sangat kuat / erat sehingga produksi aluminium ingotdapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan linear dapat dilihat pada Gambar 4.1 dan hasil uji statistik program SEEX dilihat pada Gambar 4.2.
Gambar 4.1. Hubungan linear konsumsi listrik reduksi aluminium ingot dengan produksi aluminium ingot
Pada Gambar 4.1 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual dengan model.Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan sangat kuat / erat seperti Gambar 4.2.
Gambar 4.2. Hasil uji statistik hubungan konsumsi reduksi aluminium ingot (Y) dengan produksi aluminium ingot (X) pada program SEEX
b. Uji korelasi dengan variabel level air danau Toba
Uji variabel konsumsi listrik aluminium ingot dengan variabel level air danau Toba menggunakan metode statistik yang ada pada program SEEX. Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X. Hasil nilai uji statistik R yang didapat 0,650 (65%).Nilai R hubungan kuat / erat sehingga level air danau Toba dapat digunakan sebagai variabel yang mempengaruhi prakiraan
konsumsi listrik. Hubungan linear dapat dilihat pada Gambar 4.3 dan hasil uji statistik program SEEX dilihat pada Gambar 4.4
Gambar 4.3. Hubunganlinear konsumsi listrik reduksi aluminium ingot dengan level air danau Toba
Pada Gambar 4.3 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan kuat / erat seperti Gambar 4.4.
Gambar 4.4. Hasil uji statistik hubungan konsumsi reduksi aluminium ingot (Y) dengan level air danau Toba (X) pada program SEEX
c. Uji korelasi dengan variabel harga aluminium ingot
Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X.
Hasil nilai uji statistik R yang didapat 0,650 (65%).Nilai R hubungankuat / erat sehingga harga aluminium ingot dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik. Hubungan linear dapat dilihat pada Gambar 4.5 dan hasil uji statistik program SEEX dilihat pada Gambar 4.6
Gambar 4.5. Hubunganlinear konsumsi listrik reduksi aluminium ingot denganlevel air danau Toba
Pada Gambar 4.5 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi
yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan kuat / erat seperti Gambar 4.6.
Gambar 4.6. Hasil uji statistik hubungan konsumsi reduksi aluminium ingot (Y) dengan harga aluminium ingot (X) pada program SEEX
d. Uji korelasi dengan variabel beban puncak listrik SGP & TNP
Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X.
Hasil nilai uji statistik R yang didapat 0,870 (87%).Nilai R hubungan sangat kuat / erat sehingga beban puncak listrik SGP & TNP dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik. Hubungan linear dapat dilihat pada Gambar 4.7 dan hasil uji statistik program SEEX dilihat pada Gambar 4.8
Gambar 4.7. Hubungan linear konsumsi listrik reduksi aluminium ingot dengan harga aluminium ingot
Pada Gambar 4.7 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat(Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafik dan hasil uji statistik nilai R yang hubungan sangat kuat / erat seperti Gambar 4.8.
Gambar 4.8. Hasil uji statistik hubungan konsumsi reduksi aluminium ingot (Y) dengan beban puncak listrik SGP & TNP (X) pada program SEEX
e. Uji korelasi dengan variabel penggunaan air SGP & TNP
Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X.
Hasil nilai uji statistik R yang didapat 0,690 (69%).Nilai R hubungan kuat / erat sehingga penggunaan air SGP & TNP dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan linear dapat dilihat pada Gambar 4.9 dan hasil uji statistik program SEEX dilihat pada Gambar 4.10.
Gambar 4.9. Hubunganlinear konsumsi listrik reduksi aluminium ingot dengan penggunaan air SGP & TNP
Pada Gambar 4.9 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat(Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan sangat kuat / erat seperti Gambar 4.10.
Gambar 4.10. Hasil uji statistik hubungan konsumsi reduksi aluminium ingot (Y) dengan penggunaan air SGP & TNP (X) pada program SEEX
4.1.2 Korelasi Konsumsi Listrik Sektor Power Plant dengan Beberapa Variabel Bebas
Berdasarkan uji variabel yang telah dilakukan, didapatkan hubungan antara konsumsi listrik reduksi ingot dengan beberapa variabel bebas, antara lain:
a. Uji korelasi dengan variabel penggunaan air SGP & TNP
Uji variabel konsumsi power plant dengan variabel penggunaan air SGP &
TNP menggunakan metode statistik yang ada pada program SEEX. Pengujian dilakukan dengan melihat korelasi variable power plant (Y) dengan variabel penggunaan air SGP & TNP (X). Hasil nilai uji statistik R yang didapat 0,590 (59%).Nilai R hubungan sedang dan penggunaan air SGP & TNP masih dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan linear dapat dilihat pada Gambar 4.11 dan hasil uji statistik program SEEX dilihat pada Gambar 4.12.
Pada Gambar 4.11 terlihat adanya kemiripan dari grafik konsumsi listrik power plant secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel
yaitu variabel terikat(Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafik dan hasil uji statistik nilai R yang hubungan sedang seperti Gambar 4.12.
Gambar 4.21. Hubungan linear konsumsi listrikpower plant dengan penggunaan air SGP & TNP
Gambar 4.12. Hasil uji statistik hubungan konsumsi power plant (Y) dengan penggunaan air SGP & TNP (X) pada program SEEX
b. Uji korelasi dengan variabel rugi-rugi daya listrik
Uji variabel konsumsi listrik power plant dengan variabel rugi-rugi daya listrik menggunakan metode statistik yang ada pada program SEEX. Pengujian dilakukan dengan melihat korelasi variabel power plant (Y) dengan variabel rugi-rugi daya listrik (X).Hasil nilai uji statistik R yang didapat 0,660 (66%).Nilai R hubungankuat / erat sehingga rugi-rugi daya listrik dapat digunakan sebagai variabel
yang mempengaruhi prakiraan konsumsi listrik.Hubungan linear dapat dilihat pada Gambar 4.13 dan hasil uji statistik program SEEX dilihat pada Gambar 4.14.
Gambar 4.13. Hubungan linear konsumsi listrik power plant dengan rugi-rugi daya listrik
Pada Gambar 4.13 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan kuat / erat seperti Gambar 4.14.
Gambar 4.14. Hasil uji statistik hubungan konsumsi power plant (Y) dengan rugi-rugi daya listrik (X) pada program SEEX
c. Uji korelasi dengan variabel level air danau Toba
Uji variabel konsumsi listrik aluminium ingot dengan variabel level air danau Toba menggunakan metode statistik yang ada pada program SEEX. Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X. Hasil nilai uji statistik R yang didapat 0,620 (62%).Nilai R hubungan kuat / erat sehingga level air danau Toba dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan linear dapat dilihat pada Gambar 4.15 dan hasil uji statistik program SEEX dilihat pada Gambar 4.16.
Gambar 4.15. Hubunga nonlinear konsumsi listrik power plant dengan level air danau Toba
Pada Gambar 4.15 terlihat adanya kemiripan dari grafik konsumsi listrik power plant secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel
yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan
adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan kuat / erat seperti Gambar 4.16.
Gambar 4.16. Hasil uji statistik hubungan konsumsi listrik power plant (Y) dengan level air danau Toba (X) pada program SEEX
d. Uji korelasi dengan variabel beban puncak listrik
Uji variabel konsumsi listrik power plant dengan variabel beban puncak listrik SGP & TNP menggunakan metode statistik yang ada pada program SEEX. Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X. Hasil nilai uji statistik R yang didapat 0,930 (93%).Nilai R hubungan sangat kuat / erat sehingga beban puncak listrik SGP & TNP dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik. Hubungan linear dapat dilihat pada Gambar 4.17 dan hasil uji statistik program SEEX dilihat pada Gambar 4.18
Gambar 4.17 Hubungan linear konsumsi listrik power plant dengan beban puncak listrik SGP & TNP
Pada Gambar 4.17 terlihat adanya kemiripan dari grafik konsumsi listrik power plant secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel
yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan sangat kuat / erat seperti Gambar 4.18.
Gambar 4.18. Hasil uji statistik hubungan konsumsi power plant (Y) dengan beban puncak listrik SGP & TNP (X) pada program SEEX
4.1.3 Korelasi Konsumsi Listrik Sektor Perumahan dengan Beberapa Variabel Bebas
Berdasarkan uji variabel yang telah dilakukan, didapatkan hubungan antarakonsumsi listrik reduksi ingot dengan beberapa variabel bebas, antara lain:
a. Uji korelasi dengan variabel jumlah pegawai
Pengujian dilakukan dengan melihat korelasi variabel perumahan (Y) dengan variabel jumlah pegawai (X). Hasil nilai uji statistik R yang didapat 0,52 (52%). Nilai R hubungan sedang dan jumlah pegawai dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan lineardapat dilihat pada Gambar 4.19 dan hasil uji statistik program SEEX dilihat pada Gambar 4.20.
Gambar 4.39. Hubungan linear konsumsi listrik perumahan dengan jumlah pegawai
Pada Gambar 4.19 terlihat adanya kemiripan dari grafik konsumsi listrik perumahan secara aktual denganmodel. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan sedang seperti Gambar 4.20.
Gambar 4.20. Hasil uji statistik hubungan konsumsi listrik perumahan (Y) dengan jumlah pegawai (X) pada program SEEX
4.1.4 Korelasi Konsumsi Listrik Sektor KTS-PLN dengan Beberapa Variabel Bebas Berdasarkan uji variabel yang telah dilakukan, didapatkan hubungan antara konsumsi listrik KTS-PLN dengan beberapa variabel bebas, antara lain:
a. Uji korelasi dengan variabel penggunaan air SGP & TNP
Pengujian dilakukan dengan melihat korelasi variabel KTS-PLN (Y) dengan variabel penggunaan air SGP & TNP (X). Hasil nilai uji statistik R yang didapat 0,570 (57%).Nilai R hubungan sedang dan penggunaan air SGP & TNP masih dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan
linear dapat dilihat pada Gambar 4.21 dan hasil uji statistik program SEEX dilihat pada Gambar 4.22
Gambar 4.21. Hubungan linear konsumsi listrik KTS-PLN dengan penggunaan air SGP & TNP
Pada Gambar 4.21 terlihat adanya kemiripan dari grafik konsumsi listrik power plant secara aktual denganmodel. Hal ini membuktikan bahwa kedua variabel
yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan sedang seperti Gambar 4.22.
Gambar 4.22. Hasil uji statistik hubungan konsumsi KTS-PLN (Y) dengan penggunaan air SGP & TNP (X) pada program SEEX
b. Uji korelasi dengan variabel rugi-rugi daya listrik
Pengujian dilakukan dengan melihat korelasi variabel KTS-PLN (Y) dengan variabel rugi-rugi daya listrik (X).Hasil nilai uji statistik R yang didapat 0,610 (61%).Nilai R hubungankuat / erat sehingga rugi-rugi daya listrik dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik.Hubungan linear dapat dilihat pada Gambar 4.23 dan hasil uji statistik program SEEX dilihat pada Gambar 4.24.
Gambar 4.23. Hubungan linear konsumsi listrik KTS-PLN dengan rugi-rugi daya listrik
Pada Gambar 4.23 terlihat adanya kemiripan dari grafik konsumsi listrik reduksi aluminium ingot secara aktual denganmodel. Hal ini membuktikan bahwa kedua variabel yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan kuat / erat seperti Gambar 4.24.
Gambar 4.24. Hasil uji statistik hubungan konsumsi KTS-PLN (Y) dengan rugi-rugi daya listrik (X) pada program SEEX
c. Uji korelasi dengan variabel level air danau Toba
Pengujian dilakukan dengan melihat korelasi variabel Y dengan variabel X.
Hasil nilai uji statistik R yang didapat 0,460 (46%).Nilai R hubungan sedang dan level air danau Toba masih dapat digunakan sebagai variabel yang mempengaruhi prakiraan konsumsi listrik. Hubungan linear dapat dilihat pada Gambar 4.25 dan hasil uji statistik program SEEX dilihat pada Gambar 4.26
Gambar 4.25. Hubungan linear konsumsi listrik KTS-PLN dengan level air danau Toba
Pada Gambar 4.25 terlihat adanya kemiripan dari grafik konsumsi listrik power plant secara aktual dengan model. Hal ini membuktikan bahwa kedua variabel
yaitu variabel terikat (Y) dan variabel bebas (X) memiliki korelasi yang baik dengan adanya kemiripan grafikdan hasil uji statistik nilai R yang hubungan sedang seperti Gambar 4.26.
Gambar 4.26. Hasil uji statistik hubungan konsumsi listrik KTS-PLN (Y) dengan level air danau Toba (X) pada program SEEX