Perhitungan Pengujian Kecukupan Data
a. Uji Kecukupan Data Suhu pada Ketinggian 0,1 m
No X X2
Kesimpulan: Data Cukup
b. Uji Kecukupan Data Suhu pada Ketinggian 0,6 m
No X X2
Total 231,180 7645,588
Kesimpulan: Data Cukup
c. Uji Kecukupan Data Suhu pada Ketinggian 1,1 m
Total 231,580 7672,172
Kesimpulan: Data Cukup
d. Uji Kecukupan Data Suhu pada Ketinggian 1,7 m
No X X2
Total 231,710 7681,003
Kesimpulan: Data Cukup
e Uji Kecukupan Data Suhu pada Ketinggian 2,5 m
Total 231,900 7693,023
Kesimpulan: Data Cukup
f. Uji Kecukupan Data Kecepatan Angin
No X X2
Kesimpulan: Data Cukup
g. Uji Kecukupan Data Kelembaban
Total 503,850 36406,098
Kesimpulan: Data Cukup
h. Uji Kecukupan Data Suhu Basah
No X X2
Total 189,400 5127,392
Kesimpulan: Data Cukup
i. Uji Kecukupan Data Suhu Kering
Total 214,840 6608,794
Kesimpulan: Data Cukup
j. Uji Kecukupan Data Suhu Globe
No X X2
Total 224,440 7215,521
Kesimpulan: Data Cukup
Uji Validitas Kuesioner
Tujuan dari pengujian validitas adalah untuk menguji apakah kuesioner yang digunakan telah tepat/cermat dalam melakukan fungsi ukurnya. Dalam pengujian validitas ini, digunakan korelasi product moment.
Adapun langkah-langkah pengujian validitas kuesioner adalah sebagai berikut. 1. Ho : Kuesioner merupakan instrument yang valid dan dapat digunakan
dalam pengumpulan/pengolahan data.
H1 : Kuesioner bukan merupakan instrument yang valid dan tidak dapat
digunakan dalam pengumpulan/pengolahan data. 2. Taraf signifikan yang dipilih α = 0,05
Wilayah kritis Product Moment dengan α = 0,05 dan N = 6 adalah rtabel =
0,811. 3. Cari rhitung:
[
∑
∑
−∑
∑ ∑
][
∑
−∑
]
− =
2 2
2 2
) ( )
(
) )( (
Y Y
N X X
N
Y X XY
N rxy
Dimana:
rxy = koefisien korelasi setiap item
n = jumlah peserta tes ΣX = jumlah skor item ΣY = jumlah skor total
ΣXY = jumlah perkalian skor item dan skor total ΣX2 = jumlah kuadrat skor item
Adapun contoh perhitungan pengujian validitas untuk pertanyaan pertama (thermal sensation) pada lantai produksi sebelum bekerja dapat dilihat pada tabel di bawah ini
Perhitungan Validitas Thermal Sensation Pada Lantai Produksi Sebelum
Bekerja
Responden Thermal Sensation Sebelum Bekerja
X Y X2 Y2 XY
Dengan rumus yang digunakan adalah rumus product moment, maka:
(
)( )
4. Kesimpulan: rhitung > rtabel (0,89 > 0,811), maka Ho diterima, berarti kuesioner
merupakan instrument yang valid dan dapat digunakan dalam pengumpulan/pengolahan data.
Hasil Pengujian Validitas Kuesioner Sebelum dan Sesudah Bekerja
Lantai Produksi
Pertanyaan Sebelum Bekerja Pertanyaan Sesudah Bekerja
N rhitung rtabel Ket. N rhitung rtabel Ket. Thermal sensation 6 0,89 0,811 valid Thermal sensation 6 0,832 0,811 valid Air flow sensation 6 0,91 0,811 valid Air flow sensation 6 0,832 0,811 valid Thermal preference 6 0,89 0,811 valid Thermal preference 6 0,956 0,811 valid Air flow preference 6 0,91 0,811 valid Air flow preference 6 0,956 0,811 valid Thermal condition 6 0,89 0,811 valid Thermal condition 6 0,956 0,811 valid
Effect of work environment
6 0,812 0,811 valid Effect of work environment
Uji Reliabiitas
Tujuan dari pengujian reliabilitas adalah untuk menguji apakah hasil pengukuran dapat dipercaya atau tidak. Adapun metode yang digunakan dalam pengujian reliabilitas adalah dengan metode alpha cronbach, dengan rumus:
N N
X
Xi i
i
∑
−∑
=
2 2
2
) (
σ
σi2 = Varians butir pertanyaan ke -n.
ƩXi = Jumlah skor jawaban subjek untuk butir pertanyaan ke-n.
Adapun contoh perhitungan varians untuk kuesioner sebelum bekerja pada lantai produksi dapat dilihat pada tabel di bawah ini.
Perhitungan Pengujian Sebelum Bekerja di Lantai Produksi
Responden
Sebelum Bekerja Pertanyaan
∑Y ∑Y2
1 2 3 4 5 6 7 8 9 10
1 1 1 1 1 1 2 1 1 1 1 11 121
2 -1 0 0 0 0 1 0 0 0 0 0 0
3 -1 0 0 0 0 1 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0 0 0 0 0
5 -1 0 0 0 0 0 0 0 0 0 -1 1
6 0 1 0 1 0 2 0 1 0 0 5 25
∑X -2 2 1 2 1 6 1 2 1 1 15 147
∑X2
4 2 1 2 1 10 1 2 1 1
0,556 6
6 ) 2 ( 4
2 2
1 =
− − = σ
Hasil Perhitungan Varians Tiap Pertanyaan Sebelum Bekerja
Dimasukkan ke rumus alpha:
Karena r > 0,6 (0,954 > 0,6), maka dapat disimpulkan bahwa kuesioner telah reliabel atau dapat dipercaya.
Rekapitulasi Hasil Pengujian Reliabilitas
Lantai Produksi rhitung
rindeks Ket.
Sebelum Sesudah
Perhitungan Regresi Ketinggian Terhadap Temperatur
Adapun data rata-rata pengaruh ketinggian terhadap suhu dapat dilihat pada tabel di bawah ini
Data Rata-Rata Ketinggian Terhadap Temperatur
No Ketinggian
(x)
Temperatur
(y) x
Selanjutnya dilakukan pencarian persamaan dengan menggunakan metode konstan, linier, kuadratis, dan eksponensial, Masing-masing perhitungannya adalah sebagai berikut:
Y = a + bx + cx2 d. Metode Eksponensial
Y = 32,905 e0,003x
Setelah mencari persamaan untuk setiap metode tersebut, maka perlu dilakukan perhitungan SEE (Standart Error of Estimation) dengan rumus:
(
)
f n
Y Y SEE
− −
=
∑
2
'
Dengan: f = derajat bebas Untuk metode konstan, f = 1 Untuk metode linier, f = 2 Untuk metode kuadratis, f = 3 Untuk metode eksponensial, f = 2 a. SEE untuk metode konstan
x y y' y-y' (y-y')^2
0,100 32,859 33,043 -0,184 0,034 0,600 33,028 33,043 -0,015 0,000 1,100 33,089 33,043 0,046 0,002 1,700 33,106 33,043 0,063 0,004 2,500 33,134 33,043 0,091 0,008
Total 0,048
SEE = 0,110
b. SEE untuk metode linier
x y y' y-y' (y-y')^2
0.100 32.859 32.932 -0.073 0.005 0.600 33.028 32.983 0.045 0.002 1.100 33.089 33.033 0.056 0.003 1.700 33.106 33.094 0.012 0.000 2.500 33.134 33.175 -0.041 0.002
Total 0,012
SEE = 0,063
x y y' y-y' (y-y')^2
0.100 32.859 32.878
-0.019 0.000 0.600 33.028 32.999 0.029 0.001 1.100 33.089 33.083 0.006 0.000 1.700 33.106 33.135
-0.029 0.001 2.500 33.134 33.122 0.012 0.000
Total 0,002
SEE = 0,032
d. SEE untuk metode eksponensial
x y y' y-y'
(y-y')^2
0.100 32.859 32.915 -0.056 0.003 0.600 33.028 32.965 0.063 0.004 1.100 33.089 33.014 0.075 0.006 1.700 33.106 33.074 0.032 0.001 2.500 33.134 33.153 -0.019 0.000
Total 0,014
SEE = 0,068
Jadi, persamaan yang dipiliha adalah Y = 32,849 + 0,294 x – 0,074 x2 (metode kuadratis)
r =
(
)( )
(
)
(
∑
∑
−∑
∑
)
(
∑
∑
−( )
∑
)
− =
2 2
2 2
Y Y
n X X
n
Y X XY
n
rxy = 0,864
Adapun data rata-rata pengaruh kecepatan angin terhadap suhu dapat dilihat pada tabel di bawah ini
Data Rata-Rata Kecepatan Angin Terhadap Temperatur
No Kecepatan
angin (x)
Temperatur
(y) x
2 y2 x.y x3 x4 x2y Lny x lny
1 0.12 30.807 0.014 949.071 3.697 0.002 0.000 0.444 3.428 0.411
2 0.13 31.951 0.017 1020.866 4.154 0.002 0.000 0.540 3.464 0.450
3 0.12 34.121 0.014 1164.243 4.095 0.002 0.000 0.491 3.530 0.424
4 0.12 32.600 0.014 1062.760 3.912 0.002 0.000 0.469 3.484 0.418
5 0.12 33.360 0.014 1112.890 4.003 0.002 0.000 0.480 3.507 0.421
6 0.12 34.173 0.014 1167.794 4.101 0.002 0.000 0.492 3.531 0.424
7 0.11 34.290 0.012 1175.804 3.772 0.001 0.000 0.415 3.535 0.389
Total 0.840 231.302 0.101 7653.428 27.733 0.012 0.001 3.332 24.479 2.937
Dengan menggunakan cara yang sama seperti perhitungan sebelumnya, maka akan di dapat persamaan dan SEE untuk metode konstan, linier, kuadratis, dan eksponensial, yang hasilnya dapat dilihat pada tabel di bawah ini.
Hasil Perhitungan Persamaan dan SEE Untuk Setiap Metode
Metode Persamaan SEE
Konstan Y = 33,043 1,322
Linier Y = 47,077 – 116,950 x 1,245
Kuadratis - (tidak dapat dihitung karena nilai α dan γ bernilai 0)
-
Eksponensial Y = 44,018 e-2,400x 1,268
Jadi, persamaan yang dipiliha adalah Y = 47,077 – 116,950 x (metode linier)
(
)( )
(
)
(
∑
∑
−∑
∑
)
(
∑
∑
−( )
∑
)
− =
2 2
2 2
Y Y
n X X
n
Y X XY
n rxy
Grafik Pengaruh Kecepatan Angin Terhadap Temperatur
Perhitungan Regresi Kelembaban Terhadap Temperatur
Adapun data rata-rata pengaruh kelembaban terhadap suhu dapat dilihat pada tabel di bawah ini,
Data Rata-Rata Kelembaban Terhadap Temperatur
No Kelembaban (x)
Temperatur
(y) x
2 y2 x.y x3 x4 x2y Lny x lny
1 77.350 30.807 5983.023 949.071 2382.921 462786.790 35796558.236 184318.974 3.428 265.156
2 77.100 31.951 5944.410 1020.866 2463.422 458314.011 35336010.248 189929.844 3.464 267.074
3 76.400 34.121 5836.960 1164.243 2606.844 445943.744 34070102.042 199162.912 3.530 269.692
4 70.200 32.600 4928.040 1062.760 2288.520 345948.408 24285578.242 160654.104 3.484 244.577
5 66.050 33.360 4362.603 1112.890 2203.428 288149.895 19032300.573 145536.419 3.507 231.637
6 67.750 34.173 4590.063 1167.794 2315.221 310976.734 21068673.754 156856.206 3.531 239.225
7 69.000 34.290 4761.000 1175.804 2366.010 328509.000 22667121.000 163254.690 3.535 243.915
Total 503.850 231.302 36406.098 7653.428 16626.367 2640628.583 192256344.094 1199713.149 24.479 1761.276
Hasil Perhitungan Persamaan dan SEE Untuk Setiap Metode
Metode Persamaan SEE
Konstan Y = 33,043 1,322
Linier Y = 44,596 – 0,160x 1,174
Kuadratis Y = -109,444 + 4,075x – 0,029x2 1,283
Eksponensial Y = 47,304 e -0,005x 1,176
Jadi, persamaan yang dipiliha adalah Y = 44,596 – 0,160x (metode linier)
(
)( )
(
)
(
∑
∑
−∑
∑
)
(
∑
∑
−( )
∑
)
− =
2 2
2 2
Y Y
n X X
n
Y X XY
n rxy
r = -0,586
Spesifikasi
COOLER TURBINE VENTILATOR
:
1, COOL’ER TURBINE VENTILATOR TYPE L-45
Bahan : Alluminium dan Stainless Steel Bearing : Full Stainless Steel, Made In Japan Diameter : 45 CM = 18’’
Dimensi : 75 x 68 x68 Berat : 4,5 kg s/d 8,5 kg
Kapasitas Hisap : 42,39 M³ / menit
2, COOL’ER TURBINE VENTILATOR TYPE L-60 WA SPLIT
Bahan : Alluminium dan Stainless Steel Bearing : Full Stainless Steel, Made In Japan Diameter : 60 CM = 24’’
Dimensi : 100 x 86 x86 Berat : 8,5 kg s/d 13,5 kg
Kapasitas Hisap : 75,36 M³ / menit
3, COOL’ER TURBINE VENTILATOR TYPE L-75 WA SPLIT
Bahan : Alluminium dan Stainless Steel Bearing : Full Stainless Steel, Made In Japan Diameter : 75 CM = 30’’
Dimensi : 120 x 100 x100 Berat : 13,5 kg s/d 19,5 kg
NASA CR-1205-1,
“A Compendium of Human Responses to the Aerospace Environment”,*
The report shows that when in-plant temperatures rise over 85o, output drops by 18% and accuracy suffers from a 40% increace in errors, Productivity losses from high temperatures may be documented by your own production records,
Effective Temperature Loss in Output Loss in Accuracy
75o
3% Negligible
80 o 8% 5%
85 o 18% 40%
90 o 29% 300%
95 o 45% 700%
100 o 62% >>
105 o 79% ->>
*Effective Temperature is the combined effect of temperature, humidity, and air motion on the body,
*Study for NASA, “Comfort Conditioning the Plant with Evaporative Cooling” Plant Engineering July 8, 1976 Pg 76 Joseph Marg