LAMPIRAN A
Daftar Riwayat Hidup Kartu Mata Kuliah Surat Keterangan Survey Tugas Akhir
SURAT KETERANGAN SURVEY TUGAS AKHIR
LAMPIRAN B
Faktor Batas Kendali Peta Variabel
FAKTOR BATAS KENDALI PETA VARIABEL
LAMPIRAN C
Perhitungan ANOVA Proses Drawing Normal Probability Plot of the Residual Proses Drawing Residual Versus the Fitted Values Plot Proses Drawing Residual Versus the Order of the Data Plot Proses Drawing Perhitungan ANOVA Proses Sheating Normal probability Plot of the Residual proses Sheating Residual Versus the Fitted Values Plot proses Sheating Residual Versus the Order of the Data Plot proses Sheating
PERHITUNGAN ANOVA PROSES DRAWING
Full Factorial Design
Factors: 2 Base Design: 2, 4 Runs: 16 Replicates: 4 Blocks: 1 Center pts (total): 0
All terms are free from aliasing.
Factorial Fit: C7 versus Konsentrasi, Suhu
Estimated Effects and Coefficients for C7 (coded units)
Term Effect Coef SE Coef T P Constant 5.01138 0.000324 15478.88 0.000 Konsentrasi 0.00162 0.00081 0.000324 2.51 0.027 Suhu -0.01037 -0.00519 0.000324 -16.02 0.000 Konsentrasi*Suhu 0.00600 0.00300 0.000324 9.27 0.000
S = 0.00129502 R-Sq = 96.67% R-Sq(adj) = 95.84%
Analysis of Variance for C7 (coded units)
Source DF Seq SS Adj SS Adj MS F P Main Effects 2 0.00044112 0.00044112 0.00022056 131.52 0.000 2-Way Interactions 1 0.00014400 0.00014400 0.00014400 85.86 0.000 Residual Error 12 0.00002012 0.00002012 0.00000168
Pure Error 12 0.00002012 0.00002012 0.00000168 Total 15 0.00060525
NORMAL PROBABILITY PLOT OF THE RESIDUAL PROSES DRAWING
Residual
Percent
0.003 0.002
0.001 0.000
-0.001 -0.002
-0.003
99
95 90 80 70 60 50 40 30 20
10 5
1
Normal Probability Plot of the Residuals
(response is C7)
Normal probability plot digunakan untuk mengetahui apakah asumsi kenormalan data telah terpenuhi atau belum. Dari gambar diatas dapat dikatakan bahwa data residual dapat dikatakan normal. Hal ini dapat dilihat dari titik-titik yang menyebar didekat garis.
RESIDUAL VERSUS THE FITTED VALUES PROSES DRAWING
Fitted Value
Residual
5.020 5.015
5.010 5.005
5.000 0.003 0.002 0.001 0.000 -0.001 -0.002
Residuals Versus the Fitted Values
(response is C7)
Residual versus the fitted values digunakan untuk mengidentifikasi ada tidaknya sebaran data yang tidak normal. Sebaran yang dimaksud antara lain :
• Hubungan nonlinear. Dalam analisis regresi, diharapkan agar variabel- variabel terhubung secara linear. Jika data residual tersebut membentuk suatu gelombang maka ini berarti bahwa terdapat hubungan nonlinear pada data.
• Nonconstant variance. Analisis regresi mengasumsikan bahwa sebaran dari residual adalah konsisten pada jarak yang berseberangan dengan fitted value. Dengan kata lain, jika sebaran meningkat atau menurun dalam hubungannya dengan dengan fitted value maka hal ini berarti sebaran data nonconstant.
• Outliers. Suatu sebaran pengamatan besar atau kecil yang tidak biasa disebut outlier. Hal ini menyebabkan data tidak normal dan mempengaruhi perhitungan regresi dimana memyebabkan perhitungan tersebut keliru.
Residual versus fitted values yang baik harus berdistribusi secara acak diantara angka 0 dan semakin berkurang jumlahnya saat beranjak dari angka 0. Dari residual versus fitted values yang dibuat, terlihat bahwa sebarannya telah ideal dimana semakin menjauhi angka 0 sebarannya semakin sedikit.
Dari gambar juka dapat disimpulkan bahwa hubungan antar data linear, konsisten dan tidak ada outlier.
RESIDUAL VERSUS THE ORDER OF THE DATA PROSES DRAWING
Observation Order
Residual
16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0.003 0.002 0.001 0.000 -0.001 -0.002
Residuals Versus the Order of the Data
(response is C7)
Residual versus the order of the data digunakan untuk mengetahui apakah antara nilai-nilai residual dengan urutan jalannya percobaan saling bebas atau tidak. Dengan plot ini maka dapat diamati pengaruh waktu atau urutan pengambilan data dan dapat menentukan apakah data tersebut mengandung pengamatan yang tidak normal. Nilai-nilai residual seharusnya tersebar secara acak di sekitar angka 0 dan tidak mengikuti pola tertentu.
Dari residual versus the order of data yang dibuat dapat dikatakan bahwa asumsi independensi terpenuhi karena nilai residualnya menyebar secara acak.
PERHITUNGAN ANOVA PROSES SHEATING
Full Factorial Design
Factors: 2 Base Design: 2, 4 Runs: 16 Replicates: 4 Blocks: 1 Center pts (total): 0
All terms are free from aliasing.
Factorial Fit: C7 versus Kecepatan Lini, Suhu
Estimated Effects and Coefficients for C7 (coded units)
Term Effect Coef SE Coef T P Constant 1.03422 0.004194 246.62 0.000 Kecepatan Lini -0.08469 -0.04234 0.004194 -10.10 0.000 Suhu -0.01906 -0.00953 0.004194 -2.27 0.042 Kecepatan Lini*Suhu 0.04406 0.02203 0.004194 5.25 0.000
S = 0.0167744 R-Sq = 91.82% R-Sq(adj) = 89.78%
Analysis of Variance for C7 (coded units)
Source DF Seq SS Adj SS Adj MS F P Main Effects 2 0.030141 0.030141 0.0150707 53.56 0.000 2-Way Interactions 1 0.007766 0.007766 0.0077660 27.60 0.000 Residual Error 12 0.003377 0.003377 0.0002814
Pure Error 12 0.003377 0.003377 0.0002814 Total 15 0.041284
Pada perhitungan anova yang dilakukan oleh minitab, dapat dilihat bahwa p value untuk kecepatan lini, suhu dan interaksi diantara keduanya <
0.05. Hal ini berarti bahwa kecepatan lini, suhu dan interaksi diantara keduanya memiliki pengaruh yang signifikan terhadap hasil proses Sheating.
NORMAL PROBABILITY PLOT OF THE RESIDUAL PROSES SHEATING
Residual
Percent
0.04 0.03
0.02 0.01
0.00 -0.01
-0.02 -0.03
-0.04
99
95 90 80 70 60 50 40 30 20
10 5
1
Normal Probability Plot of the Residuals
(response is C7)
Normal probability plot digunakan untuk mengetahui apakah asumsi kenormalan data telah terpenuhi atau belum. Dari gambar diatas dapat dikatakan bahwa data dapat dikatakan normal. Hal ini dapat dilihat dari titik- titik yang menyebar didekat garis.
RESIDUAL VERSUS THE FITTED VALUES PROSES SHEATING
Fitted Value
Residual
1.12 1.10
1.08 1.06
1.04 1.02
1.00 0.98
0.03 0.02 0.01 0.00 -0.01 -0.02 -0.03
Residuals Versus the Fitted Values
(response is C7)
Residual versus the fitted values digunakan untuk mengidentifikasi ada tidaknya sebaran data yang tidak normal. Sebaran yang dimaksud antara lain :
• Hubungan nonlinear. Dalam analisis regresi, diharapkan agar variabel- variabel terhubung secara linear. Jika data residual tersebut membentuk suatu gelombang maka ini berarti bahwa terdapat hubungan nonlinear pada data.
• Nonconstant variance. Analisis regresi mengasumsikan bahwa sebaran dari residual adalah konsisten pada jarak yang berseberangan dengan fitted value. Dengan kata lain, jika sebaran meningkat atau menurun dalam hubungannya dengan dengan fitted value maka hal ini berarti sebaran data nonconstant.
• Outliers. Suatu sebaran pengamatan besar atau kecil yang tidak biasa disebut outlier. Hal ini menyebabkan data tidak normal dan mempengaruhi perhitungan regresi dimana memyebabkan perhitungan tersebut keliru.
Residual versus fitted values yang baik harus berdistribusi secara acak diantara angka 0 dan semakin berkurang jumlahnya saat beranjak dari angka 0. Dari residual versus fitted values yang dibuat, terlihat bahwa sebarannya telah ideal dimana semakin menjauhi angka 0 sebarannya semakin sedikit.
Dari gambar juka dapat disimpulkan bahwa hubungan antar data linear, konsisten dan tidak ada outlier.
RESIDUAL VERSUS THE ORDER OF THE DATA PROSES SHEATING
Observation Order
Residual
16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0.03 0.02 0.01 0.00 -0.01 -0.02 -0.03
Residuals Versus the Order of the Data
(response is C7)
Residual versus the order of data digunakan untuk mengetahui apakah antara nilai-nilai residual dengan urutan jalannya percobaan saling bebas atau tidak. Dengan plot ini maka dapat diamati pengaruh waktu atau urutan pengambilan data dan dapat menentukan apakah data tersebut mengandung pengamatan yang tidak normal. Nilai-nilai residual seharusnya tersebar secara acak di sekitar angka 0 dan tidak mengikuti pola tertentu.
Dari residual versus the order of data yang dibuat dapat dikatakan bahwa asumsi independensi terpenuhi karena nilai residualnya menyebar secara acak.
LAMPIRAN D
Kode-kode Pengenal Power Kabel Foto-foto Pendukung
KODE-KODE PENGENAL POWER KABEL
Kabel jenis standar, dengan tembaga sebagai penghantar Kabel jenis standar, dengan Alumunium sebagai penghantar Isolasi PVC (Polyvinychoride)
Isolasi XLPE (Cross-linked polyethylene) Isolasi PE (Polyethylene)
Kawat baja bulat (Round) Kawat baja pipih (Flat) Spiral pita baja
Pita Baja
Kabel dipilin jenis standar, dengan alumunium sebagai penghantar Penggantung dari kawat baja
Lapisan pita tembaga pada masing-masing urat (core) Lapisan pita tembaga
Penghantar tembaga konsentris
Penghantar tembaga konsentris pada bagian luar masing-masing Kawat isolasi
Selubung PVC Selubung PE
Penghantar padat bulat (single wire) Penghantar bulat berkawat banyak Penghantar padat bentuk sektor Penghantar padat dipilin bentuk sektor
Penghantar dipadatkan berkawat banyak sehingga menjadi compact Kabel dengan sistem pengenal warna core dengan hijau kuning Kabel dengan sistem pengenal warna core tanpa hijau kuning Isolasi PVC (Polyvinychoride)
Penghantar Aluminium paduan sebagai penghantar Selubung XLPE
Selubung Lead (timah) M
AAAC S K sm cm -I -O 2Y re rm se C CE
A Y NFA
T SE SE R F Gb
B NA
Y 2X 2Y
KOMPONEN HURUF KODE
N
FOTO-FOTO PENDUKUNG
Panel Operasi Mesin Drawing
Panel Operasi Mesin Ekstrusi
Panel Operasi Mesin Ekstrusi
