DAFTAR PUSTAKA
Christensen, R., 1991. Linier Models for Multivariate, Time Series, and Spatial Data. Springer –Verlag, New York Draper, N. Dan Smith, H., 1992. Analisis Regresi Terapan, edisi
kedua. Diterjemahkan oleh Bambang Sumantri. PT.
Gramedia, Jakarta.
Dwi, A. W., 2000. Laporan Skripsi. Analisis Pengendalian Kualitas Multivariate Proses Produksi Gula dan Pemodelan Hasil Produksi Gula di PG Candi Baru Sidoarjo. Jurusan Metematika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya.
Johson, R.A. dan Wichern, D.W.1992. Applied Multivariate Statistical Analysis, Prentice Hall, New Jersey, Third Edition.
Saputri, A. C. Dan Susilowati E. A., 2006. Laporan Kerja Praktek. Analisis Pengendalian Kualitas Statistika Terhadap Ampas, Blotong, dan Tetes di PG Djombang Baru. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya.
Saputri, A. C., 2008. Tugas Akhir. Model Linier Multivariat pada Produksi Gula dan Tetes Tebu di PG Djombang Baru Jombang. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya.
Wallpole, R.E, (1995), Pengantar Statistika, edisi ketiga, Gramedia Pustaka Tama, Jakarta.
[www.sugarresearch.org] dikunjungi hari selasa, 23 Juni 2009
(Halaman ini sengaja dikosongkan)
LAMPIRAN 2
Tanggal Ampas Nira
29 1079,11 334,56
30 1155,53 361,05
31 1278,42 398,33
Tanggal Ampas Nira 1 2401,56 960,13 2 1954,41 804,88 3 2202,53 853,48 4 1364,69 554,29 5 2346,63 967,43 6 2304,03 981,41 7 2388,75 973,75 8 2598,59 988,76 9 2130,19 1000,42 10 2484,78 988,08 11 2451,93 998,46 12 2033,29 837,9 13 2539,55 993,16 14 2323,11 947,06 15 2547 995,63 16 2567,16 984,23 17 1444 447,88 18 1255,87 388,8 19 1441,49 447,37 20 1281,81 401,47 21 1104,88 342,2 22 934,51 287,99 23 1198,01 373,83 24 1373,22 421,83 25 1399,08 428,5 26 1016,43 315,54 27 1007,43 314,31 28 847,7 262,61
LAMPIRAN 3
Tanggal Residual 1
Residual 2 28 -27,2188 -12,5771
29 -4,3809 3,8703
30 14,2926 10,1117
31 -33,8464 -8,6390
Tanggal Residual 1
Residual 2
1 15,0819 0,2000
2 13,5339 -7,3324
3 4,2106 6,2305
4 -13,3581 -15,4558
5 23,5506 0,7054
6 -92,9778 -5,8668
7 -0,5976 -5,8247
8 7,3546 8,4767
9 -72,0874 31,3781
10 32,4693 -1,3398
11 18,9918 -9,3786
12 54,5692 1,4392
13 -23,9825 -10,9928
14 35,3016 0,5746
15 -20,2015 -5,8262
16 36,5761 3,3284
17 -39,5392 -6,3218
18 64,1472 17,9949
19 14,2558 11,3956
20 7,6646 5,7803
21 -12,5708 -3,6668
22 8,9648 -3,7454
23 28,6198 7,8642
24 -11,8520 -9,8606
25 -30,7329 -2,9356
26 6,8721 -0,8883
27 -3,1107 1,3017
Lampiran 4
Statistik Deskriptif
Total
Variable Count Mean StDev Minimum Maximum AP 24 31 70.1 73.3 0.000000000 346.0 AP 74 31 62.9 129.2 0.000000000 455.0 Bulu lawang 31 5610 5372 57.0 13090 BZ 148 31 1813 1013 487 3548 Kidang
Kencana 31 1724.7 404.2 612.0 2432.0 PS 851 31 1420 611 454 3158 PS 864 31 4253 1793 1688 7771 PS 921 31 459.7 185.1 46.0 844.0 PS 951 31 114.1 158.2 0.000000000 647.0 PS JT 941 31 974 678 70.0 2742 imbibisi 31 93.82 10.21 80.27 111.04 Ampas 31 1757 615 848 2599 nira kw 31 6.566 2.981 2.626 10.004
Lampiran 5
Korelasi antara Y1 dan Y2
Correlations: Ampas, nira kw
Pearson correlation of Ampas and nira kw = 0.986 P-Value = 0.000
Ampas Nira Mentah Ampas 1.00000 0.98571 Nira Mentah 0.98571 1.00000 Lampiran 6
Pengolahan Data Regresi Linier Multivariat
Factor Type Levels Values
Analysis of Variance for Ampas, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P Bulu L. 1 9758315 170208 170208 191.30 0.000 BZ 148 1 435658 53954 53954 60.64 0.000 Kidang K. 1 591621 33451 33451 37.60 0.000
PS 851 1 297335 77888 77888 87.54 0.000 PS 864 1 119816 221019 221019 248.41 0.000 PS 921 1 3772 12803 12803 14.39 0.001 PS JT 941 1 127227 127227 127227 143.00 0.000 Error 23 20464 20464 890
Total 30 11354207
S = 29.8284 R-Sq = 99.82% R-Sq(adj) = 99.76%
Term Coef SE Coef T P Constant 9.05 32.28 0.28 0.782 Bulu lawang 0.055272 0.003996 13.83 0.000 BZ 148 0.12841 0.01649 7.79 0.000 Kidang Kenca 0.11409 0.01861 6.13 0.000 PS 851 0.14013 0.01498 9.36 0.000 PS 864 0.139627 0.008859 15.76 0.000 PS 921 0.17530 0.04621 3.79 0.001 PS JT 941 0.13822 0.01156 11.96 0.000
Unusual Observations for Ampas
Obs Ampas Fit SE Fit Residual St Resid 6 2304.03 2371.92 12.38 -67.89 -2.50 R 9 2130.19 2204.27 16.18 -74.07 -2.96 R 23 1198.01 1138.38 12.02 59.62 2.18 R
R denotes an observation with a large standardized residual.
Analysis of Variance for nira kw, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Bulu L 1 253.391 9.291 9.291 1096.29 0.000 BZ 148 1 3.641 0.462 0.462 54.47 0.000 Kidang K. 1 4.670 0.243 0.243 28.73 0.000 PS 851 1 2.993 0.962 0.962 113.46 0.000 PS 864 1 1.009 1.596 1.596 188.32 0.000 PS 921 1 0.017 0.084 0.084 9.92 0.004 PS JT 941 1 0.742 0.742 0.742 87.56 0.000 Error 23 0.195 0.195 0.008
Total 30 266.658
S = 0.0920593 R-Sq = 99.93% R-Sq(adj) = 99.90%
Term Coef SE Coef T P Constant 0.23725 0.09963 2.38 0.026
Bulu lawang 0.000408 0.000012 33.11 0.000 BZ 148 0.000376 0.000051 7.38 0.000 Kidang Kenca 0.000308 0.000057 5.36 0.000 PS 851 0.000492 0.000046 10.65 0.000 PS 864 0.000375 0.000027 13.72 0.000 PS 921 0.000449 0.000143 3.15 0.004 PS JT 941 0.000334 0.000036 9.36 0.000 Unusual Observations for nira kw
Obs nira kw Fit SE Fit Residual St Resid 9 10.0042 9.6955 0.0499 0.3087 3.99 R
R denotes an observation with a large standardized residual.
MANOVA for Bulu lawang s = 1 m = 0.0 n = 10.0
Test DF Criterion Statistic F Num Denom P Wilks' 0.01399 775.139 2 22 0.000 Lawley-
Hotelling 70.46717 775.13 2 22 0.000 Pillai's 0.98601 775.139 2 22 0.000 Roy's 70.46717
MANOVA for BZ 148
s = 1 m = 0.0 n = 10.0
Test DF
Criterion Statistic F Num Denom P Wilks' 0.13011 73.545 2 22 0.000 Lawley-Hotelling 6.68594 73.545 2 22 0.000 Pillai's 0.86989 73.545 2 22 0.000 Roy's 6.68594
MANOVA for Kidang Kencana s = 1 m = 0.0 n = 10.0
Test DF
Criterion Statistic F Num Denom P Wilks' 0.20633 42.312 2 22 0.000
Lawley-Hotelling 3.84658 42.312 2 22 0.000 Pillai's 0.79367 42.312 2 22 0.000 Roy's 3.84658
MANOVA for PS 851
s = 1 m = 0.0 n = 10.0
Test DF
Criterion Statistic F Num Denom P Wilks' 0.07900 128.246 2 22 0.00 Lawley-Hotelling 11.65870 128.246 2 22 0.00 Pillai's 0.92100 128.246 2 22 0.00 Roy's 11.65870
MANOVA for PS 864
s = 1 m = 0.0 n = 10.0
Test DF
Criterion Statistic F Num Denom P Wilks' 0.03799 278.582 2 22 0.00 Lawley-Hotelling 25.32564 278.582 2 22 0.00 Pillai's 0.96201 278.582 2 22 0.00 Roy's 25.32564
MANOVA for PS 921
s = 1 m = 0.0 n = 10.0
Test DF
Criterion Statistic F Num Denom P Wilks' 0.41541 15.480 2 22 0.000 Lawley-Hotelling 1.40728 15.480 2 22 0.000 Pillai's 0.58459 15.480 2 22 0.000 Roy's 1.40728
MANOVA for PS JT 941
s = 1 m = 0.0 n = 10.0
Test DF
Criterion Statistic F Num Denom P Wilks' 0.06985 146.481 2 22 0.00
Lawley-Hotelling 13.31642 146.481 2 22 0.00 Pillai's 0.93015 146.481 2 22 0.00 Roy's 13.31642
Lampiran 7
Uji Distribusi Normal Multivariat MTB > %Normal Multivariat.txt c14-c15
Answer = 0.2087 Answer = 1.5643
Answer = 0.8789 Answer = 0.4177 Answer = 2.5839 Answer = 0.5028 Answer = 7.8104 Answer = 0.3729 Answer = 0.7773
Answer = 18.3113 Answer = 1.0499 Answer = 1.5125 Answer = 2.7051 Answer = 1.5787 Answer = 1.1403 Answer = 0.6236 Answer = 1.2304 Answer = 1.6162 Answer = 6.1200 Answer = 1.4468 Answer = 0.3754 Answer = 0.2442 Answer = 0.2683 Answer = 1.1945 Answer = 1.0778 Answer = 0.8727 Answer = 0.0596 Answer = 0.0324
Answer = 2.0585 Answer = 0.2032 Answer = 1.1616
Data Display t 0.645161
Residual berdistribusi Normal Multivariat Lampiran 8
Makro MINITAB Untuk Uji Distribusi Normal Multivariat macro
qq x.1-x.p
mconstant i n p t chis
mcolumn d x.1-x.p dd pi q ss tt mmatrix s sinv ma mb mc md let n=count(x.1)
cova x.1-x.p s invert s sinv do i=1:p
let x.i=x.i-mean(x.i) enddo
do i=1:n
copy x.1-x.p ma;
use i.
transpose ma mb multiply ma sinv mc multiply mc mb md copy md tt
let t=tt(1) let d(i)=t enddo set pi 1:n end
let pi=(pi-0.5)/n sort d dd invcdf pi q;
chis p.
plot q*dd
invcdf 0.5 chis;
chis p.
let ss=dd<chis let t=sum(ss)/n print t
if t>0.5
note distribusi residual Normal Multivariat endif
if t<=0.5
note distribusi residual bukan Normal Multivariat endif
endmacro Lampiran 9 Uji Barlet’s
MTB > %barlets.txt c1-c11
Data Display
chis 294.793 pvalue 0
Lampiran 10
Makro MINITAB Untuk Uji Barlet’s macro
bart x.1-x.p
mconstant i n p d chis pp pvalue v mcolumn x.1-x.p eigen
mmatrix r let n=count(x.1) corr x.1-x.p r eigenvalues r eigen let d=0
do i=1:p
let d=d+loge(eigen(i))
enddo
let chis=-(n-1-(2*p+5)/6)*d let v=p*(p-1)/2
cdf chis pp;
chis v.
let pvalue=1-pp print chis pvalue endmacro
BIODATA PENULIS
Penulis dilahirkan di kota Blora, 22 Agustus 1987, merupakan anak pertama dari tiga bersaudara. Penulis telah menempuh pendidikan formal yaitu di TK Hang Tuah 9 Surabaya, SLTP N 11 Surabaya, dan SMA N 19 Surabaya. Setelah lulus dari SMAN pada tahun 2005, penulis mengikuti tes jalur Non-SPMB dan diterima di jurusan D3 Statistika FMIPA ITS pada tahun 2006 dan terdaftar dengan NRP 1306 030 010.
Di Jurusan Statistika ini penulis aktif berorganisasi di Himpunan Mahasiswa Statistika dan bergabung di departemen KEILKA sebagai staf periode 2007-2008. Penulis yang mempunyai hobi renang dan bermain game sangat menyukai udara yang sejuk dan pemandangan pedesaan. Motto hidup sang penulis tidak hanya satu yaitu senyum selalu karena senyum adalah ibadah, melakukan yang terbaik disetiap detik dalam hidup dan berpikir sebelum mengambil tindakan karena hidup ini penuh dengan pilihan yang membingungkan. Teknologi semakin canggih, ayo semangat untuk Indonesia Maju!!!
