BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

(1)

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

Pada bab ini akan diuraikan proses pengumpulan dan pengolahan data hasil eksperimen. Data yang dikumpulkan meliputi langkah-langkah serta hasil pengumpulan dan pengolahan data.

4.1 Pengumpulan Data

Pada bagian ini, menjelaskan mengenai semua data yang diperoleh dari seluruh proses yang dilakukan dalam penelitian.

4.1.1 Spesimen uji konduktivitas termal

Spesimen uji konduktivitas termal dibuat berdasarkan aturan dalam standar ASTM E-1225 dengan diameter spesimen 4 cm. pengujian konduktivitas termal dilakukan di UPT Laboratorium Pusat MIPA sub Fisika, Universitas Sebelas Maret

Gambar 4.1 Spesimen uji konduktivitas termal

4.1.2 Data Awal Eksperimen

Data hasil eksperimen merupakan hasil pengukuran nilai konduktivitas termal spesimen komposit. Data yang diperoleh dari pengujian alat dengan alat konduktivitas termal dapat dilihat pada tabel 4.1 berikut.

(2)

Tabel 4.1 Data awal pengujian konduktivitas termal (^oC)

1 38,3 38,3 38,2 38,2 27,5 27,6 27,4 27,4 27,5 27,6 2 38,3 38,3 38,2 38,2 27,5 27,5 27,5 27,3 27,3 27,3 1 38,4 38,3 38,3 38,3 27,6 27,6 27,5 27,6 27,6 27,6 2 38,3 38,3 38,2 38,2 27,6 27,6 27,6 27,4 27,4 27,4 1 38,4 38,4 38,3 38,3 27,7 27,7 27,6 27,6 27,7 27,7 2 38,3 38,3 38,3 38,2 27,7 27,7 27,7 27,6 27,6 27,6 1 37,9 37,8 37,8 37,7 27,6 27,6 27,5 27,6 27,5 27,5 2 38 37,9 37,9 37,8 27,7 27,7 27,7 27,7 27,6 27,6 1 38 38 37,9 37,8 27,7 27,7 27,6 27,6 27,7 27,7 2 38,1 38,1 38,1 38 27,8 27,8 27,6 27,6 27,6 27,6 1 38,3 38,2 38,1 38,1 28,2 28,2 28,2 27,8 27,8 27,8 2 38,2 38 38 38 28,1 28,1 28,1 27,7 27,7 27,7 1 38,4 38,3 38,4 38,3 27,9 27,9 27,7 27,7 27,7 27,7 2 38,4 38,4 38,4 38,3 28 28 27,8 27,8 27,8 27,8 1 38,4 38,3 38,3 38,3 28,3 28,4 28,3 28,3 28,3 28,4 2 38,3 38,2 38,2 38,2 28,3 28,3 28,2 28,2 28,2 28,2 1 38,4 38,4 38,4 38,3 28,5 28,5 28,4 28,4 28,4 28,4 2 38,4 38,4 38,4 38,3 28,5 28,4 28,3 28,3 28,3 28,3 1 38,2 38,1 38,1 38,0 27,9 27,9 27,7 27,7 27,7 27,7 2 38,2 38,2 38,2 38,1 27,6 27,6 27,7 27,8 27,8 27,7 1 38,1 38,1 38,1 38,0 28,6 28,4 28,3 28,3 28,3 28,4 2 38,7 38,7 38,7 38,5 28,2 28,2 27,7 27,7 27,7 27,7 1 38,5 38,6 38,6 38,4 28,4 28,2 27,7 27,7 27,7 27,7 2 38,4 38,4 38,4 38,3 28,3 28,2 28,0 28,0 28,0 28,0 1 38,3 38,4 38,3 38,1 28,1 28,0 27,8 27,8 27,8 27,8 2 38,8 38,7 38,7 38,6 28,2 28,2 27,7 27,7 27,7 27,7 1 38,4 38,2 38,2 38,2 27,9 27,9 27,8 27,8 27,8 27,8 2 38,9 38,7 38,7 38,7 28,3 28,2 27,7 27,7 27,7 27,7 1 38,2 38,1 38,1 38,0 27,1 27,2 27,2 27,1 27,1 27,1 2 38,8 38,7 38,7 38,7 28,2 28,2 27,7 27,7 27,7 27,7 1 38,3 38,2 38,3 38,2 28,6 28,7 28,6 28,6 28,6 28,6 2 38,8 38,7 38,7 38,7 28,2 28,2 28,2 28,2 28,1 27,7 1 38,1 38,1 38,1 38,0 28,3 28,3 28,0 28,0 28,0 28,0 2 38,8 38,7 38,7 38,7 28,0 28,1 28,1 28,1 28,1 28,1 1 38,3 38,3 38,3 38,1 26,4 26,4 26,4 26,4 26,3 26,3 2 38,8 38,7 38,7 38,6 28,2 28,2 27,7 27,7 27,7 27,7 1 38,5 38,3 38,3 38,4 28,6 28,7 28,6 28,7 28,7 28,6 2 38,9 38,7 38,7 38,7 28,2 28,2 27,7 27,7 27,7 27,7 1 38,2 38,1 38,1 38,0 27,9 27,9 27,7 27,7 27,7 27,7 2 38,8 38,7 38,7 38,6 27,9 28,0 28,0 27,9 27,9 27,9 1 38,1 38,1 38,1 38,0 27,9 27,9 28,0 28,0 28,0 28,0 2 38,8 38,7 38,7 38,7 28,3 28,2 28,3 28,3 28,3 28,3 1 38,9 38,7 38,6 38,7 28,6 27,9 28,0 28,1 27,9 27,9 2 38,7 38,7 38,7 38,6 28,2 28,2 28,1 28,1 28,1 28,1 1 38,8 38,6 38,6 38,7 28,2 28,2 28,1 28,1 28,1 28,0 2 38,1 38 38 38 28 28,1 28,2 28,2 28,1 28,1 1 38,3 38,2 38,2 38,2 28,5 28,5 28,3 28,3 28,3 28,3 2 38,8 38,7 38,7 38,7 28,2 28,2 27,7 27,7 27,7 27,7 1 38,0 38,0 38,0 37,9 25,7 25,7 25,7 25,7 25,8 25,8 2 38,8 38,7 38,7 38,7 28,2 28,2 27,7 27,7 27,7 27,7 1 38,8 38,7 38,7 38,7 28,2 28,2 27,7 27,7 27,7 27,7 2 38,7 38,7 38,7 38,6 28,0 28,0 28,1 28,1 28,1 28,1 1 38,4 38,4 38,4 38,3 27,8 27,8 27,5 27,6 27,6 27,7 2 38,8 38,7 38,7 38,7 28,2 28,2 27,7 27,7 27,7 27,7 Presentase Komposisi

(Sekam Padi : Ampas Tebu)

50% : 50%

60% : 40%

Presentase Perekat Tepung Ketan Putih

5 10 15 5 10 15 5 10 15 Ukuran Partikel

10

20

30

10 10

15 5

5 10 15 10 15 70% : 30%

20

30

10

20

30

Replikasi T1

10 15 5 15

5 10 15 5 5

10

T2 T3 T4 T5 T6 T7 T8 T9 T10

(3)

4.2 Pengolahan Data

Data-data hasil penelitian selanjutnya diolah untuk mendapatkan nilai konduktivitas termal terbaik. Pengolahan data menggunakan nilai konduktivitas termal terbaik dilakukan dengan melihat nilai paling rendah pada hasil perhitungannya. Sedangkan pengolahan data menggunakan metode eksperimen dilakukan melalui dua tahapan, yaitu tahap uji sebelum uji Anova dan tahap uji Anova itu sendiri. Pada tahap uji Anova akan dilanjutkan dengan uji pembanding ganda. Uji ini dilakukan apabila pada uji Anova terdapat faktor atau interaksi faktor yang berpengaruh. Uji pembanding ganda ini dimaksudkan untuk mengetahui kondisi optimum yang dieksperimenkan. Pengolahan data pada eksperimen ini mengambil data pengujian panas menggunakan temperatur 40℃.

4.2.1 Perhitungan Data Konduktivitas Termal Menjadi Nilai Hambat Panas Dari tabel lampiran data awal pengujian konduktivitas termal. Dapat diperoleh nilai laju perpindahan panas konduksi tembaga (q) dengan menggunakan persamaan sebagai berikut,

q = k A q = k A ^T

L (4.1)

keterangan :

q = Laju perpindahan panas konduksi (watt) k = Konduktivitas (W/m^oC)

A = Luas Penampang (m²⁾

T = Perbedaan Temperatur (^oC) L = Tebal Spesimen (m)

*Nilai Konduktivitas tembaga (Cu) adalah 379 W/m^oC

Dengan komposisi sekam padi dan ampas tebu 50:50, perekat ketan putih 5% dan ukuran partikel menggunakan mesh 10

(4)

q = k A ^T1−T4

L

q_𝑐𝑢 =379 𝑥 0,001256 𝑥 0,1

0,09

q_𝑐𝑢 = 0,5289 Watt

Kemudian, dilakukan perhitungan nilai konduktivitas termal spesimen komposit sekam padi dan ampas tebu dengan perhitungan sebagai berikut :

q = K_𝑠 A ^T4−T5

L

0,5289 = 𝐾_𝑠 𝑥 0,001256 𝑥 10,7

0,01

Kspesimen = 0,3936 W/m^oC

Perhitungan nilai hambat panas (R) pada komposit sekam padi dan ampas tebu menggunakan rumus pada (2.2). Dengan komposisi sekam padi dan ampas tebu 50%:50%, perekat ketan putih sebesar 5% dan kerapatan bahan menggunakan mesh 10, perhitungan nilai hambat panas sebagai berikut :

R = ^L

KA R = ^0,01

0,3936 x 0,001256 R = 20,2301 ^oC/W

(5)

Menggunakan cara yang sama, didapatkan nilai hambat panas komposit berbahan sekam padi dan ampas tebu seperti pada tabel 4.2.

Tabel 4.2 Nilai hambat panas

Keterangan : A1B1C1 = spesimen komposit dengan kombinasi komposisi sekam padi 50%, ampas tebu 50%, ukuran partikel mesh 10 dan persentase perekat tepung ketan putih 5%.

1 0,01 0,0013 0,39 20,23

2 0,01 0,0013 0,39 20,23

1 0,01 0,0013 0,39 20,23

2 0,01 0,0013 0,40 20,04

1 0,01 0,0013 0,40 20,04

2 0,01 0,0013 0,40 19,85

1 0,01 0,0013 0,42 19,10

2 0,01 0,0013 0,42 19,10

1 0,01 0,0013 0,42 19,10

2 0,01 0,0013 0,41 19,28

1 0,01 0,0013 0,42 18,91

2 0,01 0,0013 0,42 18,91

1 0,01 0,0013 0,40 19,66

2 0,01 0,0013 0,41 19,47

1 0,01 0,0013 0,42 18,91

2 0,01 0,0013 0,43 18,72

1 0,01 0,0013 0,43 18,53

2 0,01 0,0013 0,43 18,53

1 0,01 0,0013 0,42 19,10

2 0,01 0,0013 0,40 19,85

1 0,01 0,0013 0,45 17,77

2 0,01 0,0013 0,40 19,66

1 0,01 0,0013 0,42 18,91

2 0,01 0,0013 0,42 18,91

1 0,01 0,0013 0,42 18,91

2 0,01 0,0013 0,40 19,85

1 0,01 0,0013 0,40 19,66

2 0,01 0,0013 0,40 19,85

1 0,01 0,0013 0,39 20,61

2 0,01 0,0013 0,40 19,85

1 0,01 0,0013 0,44 18,15

2 0,01 0,0013 0,40 19,85

1 0,01 0,0013 0,43 18,34

2 0,01 0,0013 0,39 20,23

1 0,01 0,0013 0,36 22,12

2 0,01 0,0013 0,40 19,66

1 0,01 0,0013 0,43 18,53

2 0,01 0,0013 0,40 20,04

1 0,01 0,0013 0,41 19,28

2 0,01 0,0013 0,39 20,42

1 0,01 0,0013 0,42 19,10

2 0,01 0,0013 0,39 20,42

1 0,01 0,0013 0,37 21,74

2 0,01 0,0013 0,39 20,23

1 0,01 0,0013 0,39 20,42

2 0,01 0,0013 0,40 19,66

1 0,01 0,0013 0,40 20,04

2 0,01 0,0013 0,39 20,42

1 0,01 0,0013 0,35 23,07

2 0,01 0,0013 0,37 21,74

1 0,01 0,0013 0,40 19,85

2 0,01 0,0013 0,40 20,04

1 0,01 0,0013 0,40 19,85

2 0,01 0,0013 0,37 21,74

22,40

19,95

20,80 19,85

19,76

20,99

20,04

20,23 20,23

19,00

19,28

20,89

19,28 19,47

18,72

18,91

19,38

19,76 19,19

18,91

19,57

18,81

18,53 Rata-Rata R Spesimen

(C/W) 20,23

20,14

19,95

19,10 L

Spesimen (m)

A (m²)

A3B3C2

A3B3C3 A2B1C2

A2B1C3

A2B2C1

A2B2C2

A2B2C3 A1B2C3

A1B3C1

A1B3C2

A1B3C3

A2B1C1 A1B1C1

A1B1C2

A1B1C3

A1B2C1

A1B2C2

A2B3C1

A2B3C2

A2B3C3

A3B1C1

A3B1C2

A3B1C3

A3B2C1

A3B2C2

A3B2C3

A3B3C1

K Spesimen (W/mC)

R spesimen

(C/W) Spesimen

(6)

4.2.2 Perhitungan Normalitas Data Nilai Hambat Panas

Uji normalitas dilakukan terhadap data observasi yang merupakan sampel populasi. Uji normalitas digunakan untuk mengetahui data observasi tiap perlakuan terdistribusi normal. Pengujian normalitas pada pembahasan ini, menggunakan uji Kolmogorov Smirnov

Perhitungan uji normalitas data menggunakan metode uji Kolmogorov- Smirnov untuk spesimen komposit dengan perlakuan persentase komposisi sekam padi dan ampas tebu sebesar 50% : 50%, pada kerapatan mesh 10 adalah sebagai berikut

1. Mengurutkan data observasi dari yang terkecil 19.85, 20.04, 20.04, 20.23, 20.23, 20.23

2. Menghitung rata-rata (X̅) data observasi dan standar deviasi (s)

x ̅ = ∑ⁿ_x=1x_i n

(4.2)

x̅ =19,85+20,04+20,04+20,03+20,03+20,03

5

x̅ = 20,10

s =√∑ x²-( ∑ x)² n n-1

(4.3)

s = √^19,85²^+20,04²^+20,04²^+20,23²^+20,23²^+20,23²⁻

(140,73)2 6

6−1

s =0,154

(7)

3. Mentransformasikan data ke nilai baku (z) z_i = ^(xi-x̅)

s (4.4)

𝑧₁ = (19,85−20,10)

0.154 = −1,633 𝑧₂= (20,04−20,10)

0.154 = −0,408 𝑧₃= (20,04−20,10)

0.154 = −0,408 𝑧₄= (20,23−20,10)

0.154 = 0,816 𝑧₅= (20,23−20,10)

0.154 = 0,816 𝑧₆= (20,23−20,10)

0.154 = 0,816

4. Menentukan nilai probabilitas Fr berdasarkan sebaran normal baku sebagai probabilitas pengamatan. Menggunakan tabel standar luas wilayah di bawah kurva normal

z1 = 0,0512 z₂ = 0,3415 z₃ = 0,3415 z₄ = 0,7929 z5 = 0,7929 z6 = 0,7929

5. Menentukan nilai probabilitas harapan kumulatif (Fs) F_S1 = 1/6 = 0,1667

F_S2 = 2/6 = 0,3333 F_S3 = 2/6 = 0,3333

(8)

F_S4 = 4/6 = 0,6667 F_S5 = 4/6 = 0,6667 F_S6 = 4/6 = 0,6667

6. Menentukan nilai maksimum dari selisih absolute Ft dan Fs

|𝐹𝑡₁− 𝐹𝑠₁| = |0,0512 − 0,1667| = 0,1154

|𝐹𝑡₂− 𝐹𝑠₂| = |0,3415 − 0,3333| = 0,0082

|𝐹𝑡₃− 𝐹𝑠₃| = |0,3415 − 0,3333| = 0,0082

|𝐹𝑡₄− 𝐹𝑠₅| = |0,7929 − 0,6667| = 0,1262

|𝐹𝑡₅− 𝐹𝑠₅| = |0.7929 − 0,6667| = 0,1262

|𝐹𝑡₆− 𝐹𝑠₆| = |0.7929 − 0,6667| = 0,1262

7. Membandingkan nilai maksimum dengan nilai tabel

Tabel 4.3 Normalitas nilai hambat panas

Nilai maksimum adalah 0,126 sedangkan nilai pada tabel dengan  = 0,05 adalah 0,519. Sehingga, nilai maksimum < nilai tabel Kolmogorov. Dari hasil

10 0,126 0,519 Diterima Normal 20 0,421 0,519 Diterima Normal 30 0,256 0,519 Diterima Normal 10 0,201 0,519 Diterima Normal 20 0,267 0,519 Diterima Normal 30 0,285 0,519 Diterima Normal 10 0,177 0,519 Diterima Normal 20 0,303 0,519 Diterima Normal 30 0,208 0,519 Diterima Normal

L Tabel H0 Kesimpulan L Hitung

70% : 30%

60% : 40%

50% : 50%

Presentase Komposisi (Sekam Padi : Ampas

Tebu)

Mesh

(9)

4.2.3 Perhitungan Homogenitas Data Nilai Hambat Panas

Pengujian homogenitas dilakukan dengan metode Bartlett yang digunakan untuk menguji apakah k sampel berasal dari populasi dengan varians yang sama.

Uji Bartlett dilakukan pada setiap data dari setiap faktor (variabel independen).

1. Faktor Komposisi

a) Menghitung total data faktor komposisi sekam padi 50% : ampas tebu 50%

∑ 𝑥

𝑛

𝑖=1 = 𝑥₁+ 𝑥₂+ ⋯ . +𝑥_𝑛 (4.5)

∑ 𝑥

𝑛

𝑖=1 = 20.23 + 20.23 + 20.23 + ⋯ + 18.53

∑ 𝑥

𝑛

𝑖=1 = 348.83

b) Menghitung total kuadrat data faktor komposisi sekam padi 50% : ampas tebu 50%

∑ x²

n

i=1 = x₁²+x₂²+….+x_n² (4.6)

∑ x²

n

i=1 = (20.23)²+(20.23)²+(20.23)²+…+(18.53)²

∑ x²

n

i=1 = 6766.18 c) Menghitung Varian (S²)

S_i²=n( ∑ x_i²)-(∑ x_i)² n(n-1)

(4.7)

S_i²=9(6766.18)-348.83)² 9(9-1)

S_i²= 0.36272

d) Mengelompokkan data varian ke dalam tabel perhitungan varian, untuk melakukan perhitungan total varian

(10)

e) Menghitung varian gabungan dengan menggunakan rumus sebagai berikut : S_g² = ∑ db S_i²

∑ db

(4.8)

𝑆_𝑔²= 20,408 24 𝑆_𝑔²= 0,850

log 𝑠_𝑔²= log 0,850 log 𝑠_𝑔²= −0,070

f) Menghitung nilai satuan Bartlett (B)

B = (∑ db)(logs_g²) (4.9)

B = 24*( − 0,070) B = -1,689

g) Menghitung nilai Chi Kuadrat hitung

χ_h² = (ln 10){B-(db log s_g²)} (4.10)

χ_h²= 2.3*(-1,689-( − 0,070)) χ_h²= 2,866

h) Menentukan nilai Chi Kuadrat tabel, gunakan tabel C pada lampiran χ_t²(0.05, 3-1)= 5,991

i) Kesimpulan dari perhitungan uji Bartlett pada faktor komposisi

Chi Kuadrat hitung lebih kecil daripada chi kuadrat tabel, maka dapat disimpulkan bahwa data berasal dari variansi yang sama atau homogen.

Komposisi db = (n-1) Varian (S²) db S² log S² db log S²

50% : 50% 8 0,362 2,901 -0,44 -3,523

60% : 40% 8 0,982 7,857 -0,078 -0,062

70% : 30% 8 1,206 9,649 0,081 0,0651

Total 24 2,551 20,408 -0,366 -2,935

Tabel 4.4 Perhitungan homogenitas data hambat panas faktor komposisi

Tabel 4.5 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikelTabel 4.6 Perhitungan homogenitas data hambat panas pada faktor

komposisi

Tabel 4.7 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel

Tabel 4.8 Hasil perhitungan selisih setiap perlakuan faktor faktor komposisi bahan dan persentase perekatTabel 4.9 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikelTabel 4.10 Perhitungan homogenitas data

hambat panas pada faktor komposisi

Tabel 4.11 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikelTabel 4.12 Perhitungan homogenitas data hambat panas pada faktor

komposisi

(11)

2. Faktor Ukuran Partikel

a) Menghitung total data faktor ukuran partikel mesh 10

∑ 𝑥

𝑛

𝑖=1

= 𝑥₁+ 𝑥₂+ ⋯ . +𝑥_𝑛

∑ 𝑥

𝑛

𝑖=1 = 20.23 + 20.23 + 20.23 + ⋯ + 20.42

∑ 𝑥

𝑛

𝑖=1 = 352.61

b) Menghitung total kuadrat data faktor ukuran partikel mesh 10

∑ x²

n

i=1 = x₁²+x₂²+….+x_n²

∑ⁿ x²

i=1 = (20.23)²+(20.23)²+20.23)²+…+(20.42)²

∑ⁿ x²

S_i²=n( ∑ x_i²)-(∑ x_i)² n(n-1)

S_i²=9(2425.15)-(352.61)² 9(9-1)

S_i²= 0,5472

Tabel 4.5 Perhitungan homogenitas data hambat panas faktor ukuran partikel

Ukuran Partikel db = (n-1) Varian (S²) db S² log S² db log S²

mesh 10 8 0,547 4,378 -0,262 -2,094

mesh 20 8 0,565 4,517 -0,248 -1,986

mesh 30 8 1,989 15,913 0,299 2,389

Total 24 3,101 24,808 -0,211 -1,691

(12)

∑ db 𝑆_𝑔²=24,808

24 𝑆_𝑔²= 1,034

log 𝑠_𝑔²= log 1,034 log 𝑠_𝑔²= 0,014

f) Menghitung nilai satuan Bartlett (B)

B = (∑ db)(logs_g²)

B = 24*(0,014) B = 0,345

g) Menghitung nilai Chi Kuadrat hitung

χ_h² = (ln 10){B-(db log s_g²)}

χ_h²= 2.3*(0,345-(-1,691) χ_h²=4,688

h) Menentukan nilai Chi Kuadrat tabel, gunakan tabel C pada lampiran χ_t²(0.05, 3-1)= 5,991

2. Faktor Presentase Perekat Tepung Ketan Putih a) Menghitung total data faktor presentase perekat 5%

∑ 𝑥

𝑛

𝑖=1 = 𝑥₁+ 𝑥₂+ ⋯ . +𝑥_𝑛

(13)

∑ 𝑥

𝑛

𝑖=1 = 20.23 + 20.23 + 19.10 + ⋯ + 21.74

∑ 𝑥

𝑛

𝑖=1 = 358,85

b) Menghitung total kuadrat data faktor komposisi

∑ x²

n

i=1 = x₁²+x₂²+….+x_n²

∑ x²

n

i=1 = (20.23)²+(20.23)²+(19.10)²+…+(21.74)²

∑ x²

n

S_i²=n( ∑ x_i²)-(∑ x_i)² n(n-1)

S_i²=9( 7179.22)-( 358.85)² 9(9-1)

S_i²= 1,485

Tabel 4.6 Perhitungan homogenitas data hambat panas faktor presentase perekat

∑ db

𝑆_𝑔²= 24,520 24 𝑆_𝑔²= 0,326

Presentase Perekat db = (n-1) Varian (S²) db S² log S² db log S²

5% 8 1,485 11,884 0,172 1,375

10% 8 0,542 4,333 -0,266 -2,130

15% 8 1,038 8,303 0,016 0,129

Total 24 3,065 24,520 -0,078 -0,626

(14)

log 𝑠_𝑔²= log 0,326 log 𝑠_𝑔²= −0,486

f) Menghitung nilai satuan Bartlett (B) B = (∑ db) (logs_g²)

B = 24*(-0,486) B = -1,877

g) Menghitung nilai Chi Kuadrat hitung χ_h² = (ln10){B-(db logs_g²)}

χ_h²= 2.3*(-16,32-(-16,627) χ_h²= -2,882

h) Menentukan nilai Chi Kuadrat tabel, gunakan tabel C pada lampiran χ_t²(0.05, 3-1)= 5.991

4.2.4 Uji Independensi

Uji independensi dilakukan dengan cara membuat plot residual data untuk setiap perlakuan berdasarkan urutan pengambilan data eksperimen. Nilai residual tersebut didapatkan dari selisih data observasi dengan rata-rata setiap perlakuannya.

Uji independensi dilakukan untuk mengetahui bahwa error yang terjadi tidak berkorelasi. Data residual kemudian diplotkan berdasarkan urutan pengambilan data eksperimen, hasil pengolahan data ditunjukkan sebagai berikut :

(15)

Gambar 4.2 Hasil plot residual data

Berdasarkan gambar 4.2 Plot tersebut tidak menunjukkan adanya pola tertentu sepereti pola naik, turun ataupun melengkung. Maka, dapat disimpulkan bahwa tidak ada korelasi antar residual atau error independen.

4.2.5 Pengujian ANOVA menggunakan data nilai hambat panas

Pengujian ANOVA dilakukan untuk mengetahui faktor-faktor secara interaksi dan independent berpengaruh signifikan terhadap variabel. Pengujian ANOVA menggunakan =0,05 dengan taraf kepercayaan sebesar 95%. Hipotesis yang diuji dalam analisis variansi adalah :

1. H0A: Perbedaan komposisi tidak berpengaruh signifikan terhadap nilai hambat panas

H1A: Perbedaan komposisi berpengaruh signifikan terhadap nilai hambat panas 2. H0B: Perbedaan mesh tidak berpengaruh signifikan terhadap nilai hambat panas

H_1B: Perbedaan mesh berpengaruh signifikan terhadap nilai hambat panas 3. H_0C: Perbedaan presentase perekat tidak berpengaruh signifikan terhadap nilai

hambat panas

H1C: Perbedaan presentase perekat berpengaruh signifikan terhadap nilai hambat panas

(16)

4. H0AB: Perbedaan komposisi dan mesh tidak berpengaruh signifikan terhadap nilai hambat panas

H_1AB: Perbedaan komposisi dan mesh berpengaruh signifikan terhadap nilai hambat panas

5. H0AC: Perbedaan komposisi dan presentase perekat tidak berpengaruh signifikan terhadap nilai hambat panas

H_1AC: Perbedaan komposisi dan presentase perekat berpengaruh signifikan terhadap nilai hambat panas

6. H_0BC: Perbedaan mesh dan presentase perekat tidak berpengaruh signifikan terhadap nilai hambat panas

H0BC: Perbedaan mesh dan presentase perekat berpengaruh signifikan terhadap nilai hambat panas

7. H_0ABC: Perbedaan komposisi, mesh, dan presentase perekat tidak berpengaruh terhadap nilai hambat panas

H0ABC: Perbedaan komposisi, mesh, dan presentase perekat berpengaruh terhadap nilai hambat panas

(17)

Data yang digunakan adalah data eksperimen nilai hambat panas , pengolahan data dituliskan pada tabel 4.7

Tabel 4.7 total nilai hambat panas

I II

5 20,23 20,23 40,46

10 20,23 20,04 40,27

15 20,04 19,85 39,89

5 19,10 19,10 38,19

10 19,10 19,28 38,38

15 18,91 18,91 37,81

5 19,66 19,47 39,14

10 18,91 18,72 37,62

15 18,53 18,53 37,06

5 19,10 19,85 38,95

10 17,77 19,66 37,44

15 18,91 18,91 37,81

5 18,91 19,85 38,76

10 19,66 19,85 39,51

15 20,61 19,85 40,46

5 18,15 19,85 38,00

10 18,34 20,23 38,57

15 22,12 19,66 41,78

5 18,53 20,04 38,57

10 19,28 20,42 39,70

15 19,10 20,42 39,51

5 21,74 20,23 41,97

10 20,42 19,66 40,08

15 20,04 20,42 40,46

5 23,07 21,74 44,81

10 19,85 20,04 39,89

15 19,85 21,74 41,59

Komposisi

Bahan Mesh Presentase Perekat

Pengulangan

Total

70% : 30%

10

20

30 50% : 50%

10

20

30

60% : 40%

10

20

30

(18)

Perhitungan uji Anova pada spesimen faktor komposisi bahan dan kerapatan mesh sebagai berikut:

1. Menghitung jumlah kuadrat semua nilai pengamatan (∑𝑥²):

∑ x²= ∑ x_i²

A

i=1

+∑ x_j²

B

j=1

+ ∑ x_k²

C

k=1

(4.11)

∑ x²=20.23²+20.23²+…+21.74²

∑ x²=21125.38

2. Menghitung nilai faktor koreksi (Fk) Fk= [∑^A_i=1x_i+ ∑^B_j=1x_j+ ∑^C_k=1x_k]²

∑ n (4.12)

Fk = (20.23+20.23+…+21.74)² 54

Fk = 21071.71

3. Menghitung jumlah kuadrat total (SS_total)

SS_total=∑ x²-Fk (4.13)

SS_total=21125.38-21071.71 SS_total=53.67

4. Menghitung jumlah kuadrat interaksi (SS_treatment) SS_treatment=∑ x²

n -Fk (4.14)

SS_treatment=21125.38

2 -21071.71 SS_treatment=37.66

5. Menghitung jumlah kuadrat galat (SSerror)

SS_error = SS_total-SS_treatment (4.15)

SS_error 53.67-37.66 SS_error= 16.01

(19)

Tabel 4.8 Pengelompokan data berdasarkan interaksi faktorial komposisi bahan dan kerapatan mesh

7. Menghitung jumlah kuadrat antar faktorial komposisi bahan (SSA) SS_A= ∑^A_i=1x_i²

(n*j*k)-Fk (4.16)

SS_A= (348.83²+351.28²+366.60²)

(2*3*3) -21071.71

SS_A= 10.30

8. Menghitung jumlah kuadrat antar faktorial Komposisi bahan dan kerapatan mesh (SS_AB)

SS_AB= ∑^A_i=1∑^B_j=1x_ij²

(n*k) -Fk-SS_A-SS_B (4.17)

SS_AB= (120.62²+114.20²+…+126.30²)

(2*3) -21071.71-10.30-0.95 SS_AB= 11.97

9. Menghitung jumlah kuadrat antar faktorial komposisi bahan, kerapatan mesh dan persentase perekat ketan putih (SS_ABC)

SS_ABC= ∑^A_i=1∑^B_j=1∑^C_k=1x_ijk²

(n) -Fk-SS_A-SS_B-SS_C-SS_AB-SS_AC-SS_BC (4.18) SS_ABC= (40.46²+40.27²+…+41.59²)

(2) -21071.71-10.30-0.95-…-1.65 SS_ABC= 7.04

10. Menghitung Mean Square faktorial komposisi bahan (MSA) MS_A= SS_A

df_A (4.19)

10 20 30

50:50 120,62 114,38 113,82 348,83 60:40 114,20 118,73 118,36 351,28 70:30 117,79 122,51 126,30 366,60 Total 352,61 355,63 358,47 1066,71

Ukuran Partikel

Komposisi Total

(20)

MS_A= 10.30 2 MS_A= 5.15

11. Menghitung Fratio komposisi bahan (FA) F_A= MS_A

MS_Galat (4.20)

F_A= 5.15 0.59 F_A= 8.69

12. Membandingkan nilai F_hir dengan F_tab

Keputusan terhadap hipotesis nol didasarkan pada nilai F_Hit, yakni hipotesis nol (H0) ditolak jika FHit > FTab dan diterima jika FHit < FTab, diperoleh dari tabel distribusi F kumulatif.

Tabel 4.9 Tabel ANOVA nilai hambat panas

4.2.6 Pengujian pembanding ganda

Uji pembanding ganda yang digunakan adalah uji Student Newman-Keuls (SNK). Uji SNK dilakukan untuk mengetahui pada level mana faktor yang memberikan perbedaan nilai hambat panas dan juga menentukan level terbaik dari faktor yang memberikan perbedaan nilai hambat panas. Berikut merupakan hasil dari uji Anova dengan metode SNK

Faktor df SS MS Fhit Ftab

a=0,05 Keterangan

Perlakuan 26 37,66 1,45 2,44

komposisi Bahan 2 10,30 5,15 8,69 3,35 Signifikan Kerapatan mesh 2 0,95 0,48 0,80 3,35 Tidak Signifikan Persentase Perekat 2 1,57 0,78 1,32 3,35 Tidak Signifikan komposisi*mesh 4 11,97 2,99 5,05 2,73 Signifikan komposisi*perekat 4 4,17 1,04 1,76 2,73 Tidak Signifikan Mesh*perekat 4 1,65 0,41 0,70 2,73 Tidak Signifikan seluruh faktor 8 7,04 0,88 1,48 2,31 Tidak Signifikan

galat 27 16,01 0,59

(21)

1. Faktor komposisi sekam padi dan ampas tebu

Uji Student Newman-Keuls (SNK) terhadap faktor komposisi sekam padi dan ampas tebu dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa faktor komposisi berpengaruh signifikan terhadap nilai hambat panas. Berikut merupakan perhitungan untuk keperluan uji SNK:

a. Menyusun rata-rata faktor komposisi dari terkecil ke terbesar. Tabel 4.10 menunjukkan rata-rata nilai hambat panas pada faktor komposisi yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.10 Rata-rata nilai hambat panas dikelompokkan berdasarkan faktor komposisi

Komposisi 50%:50%

(A1)

60%:40%

(A2)

70%:30%

(A3) Rata-rata Nilai

Hambat Panas 19,38 19,52 20,37 b. Nilai Mean Square_error = 0,59 dengan df_error = 27

c. Nilai error standart untuk mean level : 𝑆_𝑌̅.𝑗 = √^{𝑀𝑆 𝑒𝑟𝑟𝑜𝑟}

𝑘 , k = jumlah perlakuan

= √^0,59

3

= 0,44

d. Nilai Least Significant Range (LSR) diperoleh dengan mengalikan significant range dengan error standart.

Significant Rate 2 3

range 1,29 1,55

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat

(22)

Hasil perhitungan selisih setiap perlakuan faktor komposisi bahan ditunjukkan pada tabel 4.11

Tabel 4.11 Hasil perhitungan selisih setiap perlakuan faktor komposisi

Dari hasil perbandingan diatas, didapatkan selisih rata-rata A1 lebih kecil dari LSR, sehingga tidak terdapat perbedaan signifikan antara A1 terhadap A2 dan A3. Begitu pula dengan interaksi antara A2 dengan A3.

2. Faktor ukuran partikel

Uji Student Newman-Keuls (SNK) terhadap faktor komposisi sekam padi dan ampas tebu dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa faktor ukuran partikel berpengaruh signifikan terhadap nilai hambat panas. Berikut merupakan perhitungan untuk keperluan uji SNK:

a. Menyusun rata-rata faktor ukuran partikel dari terkecil ke terbesar. Tabel 4.12 menunjukkan rata-rata nilai hambat panas pada faktor ukuran partikel yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.12 Rata-rata nilai hambat panas dikelompokkan berdasarkan faktor ukuran partikel

Ukuran partikel

Mesh 10 (B1)

Mesh20 (B2)

Mesh30 (B3) Rata-

rata 19,59 19,76 19,91 b. Nilai Mean Square = 0,59 dengan df = 27

Perlakuan A1 A2 A3

A1

A2 0,14

A3 0,99 0,85

(23)

IV-23 c. Nilai error standart untuk mean level :

𝑆_𝑌̅.𝑗 = √^{𝑀𝑆 𝑒𝑟𝑟𝑜𝑟}

= √^0,59

3

= 0,44

range 1,29 1,55

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara rata-rata interaksi tersebut. Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel ditunjukkan pada tabel 4.13

Dari hasil perbandingan diatas, didapatkan selisih rata-rata B1 lebih kecil dari LSR, sehingga tidak terdapat perbedaan signifikan antara B1 terhadap B2 dan B3. Begitu pula dengan interaksi antara B2 dengan B3.

3. Faktor persentase perekat tepung ketan putih

Uji Student Newman-Keuls (SNK) terhadap faktor persentase perekat tepung ketan putih dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa faktor persentase perekat berpengaruh signifikan terhadap nilai hambat panas. Berikut merupakan perhitungan untuk keperluan uji SNK:

Perlakuan B1 B2 B3

B1

B2 0,17

B3 0,33 0,16

Tabel 4.13 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel

Tabel 4.13 Hasil perhitungan selisih setiap perlakuan faktor faktor komposisi bahan dan persentase perekatTabel 4.14 Hasil perhitungan selisih setiap perlakuan

faktor ukuran partikel

Tabel 4.15 Hasil perhitungan selisih setiap perlakuan faktor faktor komposisi bahan dan persentase perekat

Tabel 4.16 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putihTabel 4.17 Hasil perhitungan selisih setiap perlakuan faktor faktor komposisi bahan dan persentase perekatTabel 4.18 Hasil

perhitungan selisih setiap perlakuan faktor ukuran partikel

(24)

a. Menyusun rata-rata faktor persentase perekat dari terkecil ke terbesar. Tabel 4.14 menunjukkan rata-rata nilai hambat panas pada faktor persentase perekat yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.14 Rata-rata nilai hambat panas dikelompokkan berdasarkan faktor persentase perekat

Persentase Perekat

10%

(C2)

15%

(C3)

5%

(C1)

Rata-rata 19,53 19,80 19,94

b. Nilai Mean Squareerror = 0,59 dengan dferror = 27 c. Nilai error standart untuk mean level :

= √^0,59

3

= 0,44

range 1,29 1,55

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara rata-rata interaksi tersebut. Hasil perhitungan selisih setiap perlakuan faktor persentase perekat tepung ketan putih ditunjukkan pada tabel 4.15

(25)

Tabel 4.15 Hasil perhitungan selisih setiap perlakuan faktor persentase perekat

Dari hasil perbandingan diatas, didapatkan selisih rata-rata C3 lebih kecil dari LSR, sehingga tidak terdapat perbedaan signifikan antara C3 terhadap C2. Begitu pula dengan interaksi antara C1 dengan C2 dan C3.

4. Faktor kombinasi antara komposisi sekam padi dan ampas tebu dengan ukuran partikel

Uji Student Newman-Keuls (SNK) terhadap faktor kombinasi antara komposisi sekam padi dan ampas tebu dengan ukuran partikel dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa faktor komposisi berpengaruh signifikan terhadap nilai hambat panas. Berikut merupakan perhitungan untuk keperluan uji SNK:

a. Menyusun rata-rata faktor komposisi dan ukuran partikel dari terkecil ke terbesar. Tabel 4.16 menunjukkan rata-rata nilai hambat panas pada faktor kombinasi komposisi dengan ukuran partikel yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.16 Nilai rata-rata hambat panas dikelompokkan berdasarkan faktor kombinasi antara komposisi dengan ukuran partikel

Komposisi

Ukuran Partikel Mesh 10

(B1)

Mesh 20 (B2)

Mesh 30 (B3) 50%:50%

(A1) 20,10 19,06 18,97 60%:40%

(A2) 19,03 19,79 19,73 70%:30%

(A3) 19,63 20,42 21,05

Perlakuan C2 C3 C1

C2

C3 0,27

C1 0,41 0,14

(26)

b. Nilai Mean Squareerror = 0,59 dengan dferror = 27 c. Nilai error standart untuk mean level :

= √^0,59

9

= 0,256

d. Nilai Least Significant Range (LSR) diperoleh dengan mengalikan significant range dengan error standard.

Signifikan rate

2 3 4 5 6 7 8 9

2,90 3,51 4,11 4,71 5,32 5,92 6,53 7,13 LSR 0,74 0,90 1,05 1,21 1,36 1,52 1,67 1,83

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara rata-rata interaksi tersebut. Hasil perhitungan selisih setiap perlakuan faktor komposisi bahan dan ukuran partikel ditunjukkan pada tabel 4.17

Tabel 4.17 Hasil perhitungan selisih setiap perlakuan faktor faktor komposisi bahan dan ukuran partikel

Hasil perhitungan didapatkan bahwa A3B3 berbeda signifikan dengan A1B3, Perlakuan A1B3 A2B1 A1B2 A3B1 A2B3 A1B1 A3B2 A3B3

A1B3

A2B1 0,06

A1B2 0,09 0,03

A3B1 0,66 0,60 0,57

A2B3 0,76 0,69 0,66 0,09

A2B2 0,82 0,76 0,72 0,16 0,06

A1B1 1,13 1,07 1,04 0,47 0,38

A3B2 1,45 1,39 1,35 0,79 0,69 0,32

A3B3 2,08 2,02 1,99 1,42 1,32 0,95 0,63

(27)

level lebih besar dari nilai LSR. Sedangkan, A1B1 tidak berbeda signifikan dengan A1B3, A2B1, A1B2, A3B1, A2B3, dan A2B2, karena selisih rata-rata dari masing- masing level lebih kecil dari nilai LSR.

5. Faktor kombinasi antara komposisi sekam padi dan ampas tebu dengan persentase perekat tepung ketan putih

Uji Student Newman-Keuls (SNK) terhadap faktor kombinasi antara komposisi sekam padi dan ampas tebu dengan ukuran partikel dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa faktor komposisi berpengaruh signifikan terhadap nilai hambat panas. Berikut merupakan perhitungan untuk keperluan uji SNK:

a. Menyusun rata-rata faktor kombinasi komposisi dan persentase perekat dari terkecil ke terbesar. Tabel 4.18 menunjukkan rata-rata nilai hambat panas pada faktor kombinasi komposisi dengan persentase pe rekat yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.18 Nilai rata-rata hambat panas dikelompokkan berdasarkan faktor kombinasi antara komposisi dengan persentase perekat tepung ketan putih

b. Nilai Mean Square = 0,59 dengan df = 27

5% (C1) 10% (C2) 15% (C3) 50:50

(A1) 19,63 19,38 19,13

60:40

(A2) 19,28 19,25 20,01

70:30

(A3) 20,89 19,95 20,26

Perekat Komposisi

(28)

= √^0,59

9

= 0,256

Signifikan rate

2 3 4 5 6 7 8 9

2,90 3,51 4,11 4,71 5,32 5,92 6,53 7,13 LSR 0,74 0,90 1,05 1,21 1,36 1,52 1,67 1,83

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara rata-rata interaksi tersebut. Hasil perhitungan selisih setiap perlakuan faktor komposisi bahan dan persentase perekat ditunjukkan pada tabel 4.19

Perlakuan A1C3 A2C2 A2C1 A1C2 A1C1 A3C2 A2C3 A3C3 A3C1 A1C3

A2C2 0,13

A2C1 0,16 0,03

A1C2 0,25 0,13 0,09

A1C1 0,50 0,38 0,35 0,25

A3C2 0,82 0,69 0,66 0,57 0,32

A2C3 0,88 0,76 0,72 0,63 0,38 0,06

A3C3 1,13 1,01 0,98 0,88 0,63 0,32 0,25

A3C1 1,76 1,64 1,61 1,51 1,26 0,95 0,88 0,63

Tabel 4.19 Hasil perhitungan selisih setiap perlakuan faktor faktor komposisi bahan dan persentase perekat

Tabel 4.21 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putihTabel 4.22 Hasil perhitungan selisih setiap

perlakuan faktor faktor komposisi bahan dan persentase perekat

Tabel 4.23 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putih

Tabel 4.24 Dimensi uji Tarik standar ASTM D-638 Tipe 1Tabel 4.25 Hasil

(29)

Hasil perhitungan didapatkan bahwa A3C1 berbeda signifikan terhadap A2C1, A1C2, dan A1C1, karena selisih rata-rata dari masing-masing level lebih besar dari nilai LSR. Sedangkan, untuk faktor kombinasi antara komposisi bahan (A) dengan persentase perekat tepung ketan putih (C) lainnya tidak berbeda signifikan, karena selisih rata-rata dari masing-masing level lebih kecil dari nilai LSR.

6. Faktor kombinasi antara ukuran partikel dengan persentase perekat tepung ketan putih

Uji Student Newman-Keuls (SNK) terhadap faktor kombinasi antara ukuran partikel dengan persentase perekat tepung ketan putih dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa faktor ukuran partikel dan persentase perekat berpengaruh signifikan terhadap nilai hambat panas.

Berikut merupakan perhitungan untuk keperluan uji SNK:

a. Menyusun rata-rata faktor kombinasi ukuran partikel dan persentase perekat dari terkecil ke terbesar. Tabel 4.20 menunjukkan rata-rata nilai hambat panas pada faktor ukuran partikel dengan persentase perekat yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.20 Nilai rata-rata hambat panas dikelompokkan berdasarkan faktor kombinasi antara komposisi dengan persentase perekat tepung ketan putih

b. Nilai Mean Squareerror = 0,59 dengan dferror = 27 5%

(C1)

10%

(C2)

15%

(C3)

Mesh 10

(B1) 19,66 19,57 19,54 Mesh 20

(B2) 19,82 19,66 19,79 Mesh 30

(B3) 20,32 19,35 20,07 Perekat

Ukuran Partikel

(30)

= √^0,59

9

= 0,256

Signifikan rate

2 3 4 5 6 7 8 9

2,90 3,51 4,11 4,71 5,32 5,92 6,53 7,13 LSR 0,74 0,90 1,05 1,21 1,36 1,52 1,67 1,83

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara rata-rata interaksi tersebut. Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putih ditunjukkan pada tabel 4.21

Tabel 4.21 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putih

Dari hasil perhitungan, didapatkan bahwa tidak ditemukan faktor kombinasi ukuran partikel dan persentase perekat tepung ketan putih yang berbeda signifikan antar level berpasangan. Hal tersebut dikarenakan selisih rata-rata

Perlakuan B3C2 B1C3 B1C2 B2C2 B1C1 B2C3 B2C1 B3C3 B3C1 B3C2

B1C3 0,19

B1C2 0,22 0,03

B2C2 0,32 0,13 0,09

B1C1 0,32 0,13 0,09 0,00

B2C3 0,44 0,25 0,22 0,13 0,13

B2C1 0,47 0,28 0,25 0,16 0,16 0,03

B3C3 0,72 0,54 0,50 0,41 0,41 0,28 0,25

B3C1 0,98 0,79 0,76 0,66 0,66 0,54 0,50 0

(31)

7. kombinasi seluruh faktor

Uji Student Newman-Keuls (SNK) terhadap kombinasi seluruh faktor yang terdiri dari faktor komposisi sekam padi dan ampas tebu, ukuran partikel dan persentase perekat tepung ketan putih dilakukan untuk perhitungan uji hambat panas, dimana hasil eksperimen menunjukkan bahwa seluruh faktor kombinasi berpengaruh signifikan terhadap nilai hambat panas. Berikut merupakan perhitungan untuk keperluan uji SNK:

a. Menyusun rata-rata seluruh faktor kombinasi dari terkecil ke terbesar. Tabel 4.22 menunjukkan rata-rata nilai hambat panas pada keseluruhan faktor yang telah diurutkan dari terkecil ke terbesar.

Tabel 4.22 Nilai rata-rata hambat panas dikelompokkan berdasarkan kombinasi seluruh faktor

b. Nilai Mean Square_error = 0,59 dengan df_error = 27 c. Nilai error standart untuk mean level :

= √^0,59

27

= 0,148

5% (C1) 10% (C2) 15% (C3) Mesh 10

(B1) 20,23 20,14 19,95 Mesh 20

(B2) 19,10 19,19 18,91 Mesh 30

(B3) 19,57 18,81 18,53 Mesh 10

(B1) 19,47 18,72 18,91 Mesh 20

(B2) 19,38 19,76 20,23 Mesh 30

(B3) 19,00 19,28 20,89 Mesh 10

(B1) 19,28 19,85 19,76 Mesh 20

(B2) 20,99 20,04 20,23 Mesh 30

Partikel (B) Komposisi

(A)

70% : 30%

(A3) 60% : 40%

(A2) 50% : 50%

(A1)

(32)

d. Nilai Least Significant Range (LSR) diperoleh dengan mengalikan significant range dengan error standard.

e. Menghitung selisih antar level secara berpasangan dan membandingkan dengan nilai LSR. Jika selisih > LSR, maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara rata-rata interaksi tersebut. Hasil perhitungan selisih setiap perlakuan faktor kombinasi seluruh faktor pada tabel 4.23

Perlakuan A1B3C3 A2B1C2 A1B3C2 A2B1C3 A1B2C3 A2B3C1 A1B2C1 A1B2C2 A3B1C1 A2B3C2 A2B2C1 A2B1C1 A1B3C1 A2B2C2 A3B1C3 A3B1C2 A1B1C3 A3B3C2 A3B2C2 A1B1C2 A2B2C3 A3B2C3 A1B1C1 A3B3C3 A2B3C3 A3B2C1 A3B3C1 A1B3C3

A2B1C2 0,19 A1B3C2 0,28 0,09 A2B1C3 0,38 0,19 0,09 A1B2C3 0,38 0,19 0,09 0,00 A2B3C1 0,47 0,28 0,19 0,09 0,09

A1B2C1 0,57 0,38 0,28 0,19 0,19 0,09

A1B2C2 0,66 0,47 0,38 0,28 0,28 0,19 0,09

A3B1C1 0,76 0,57 0,47 0,38 0,38 0,28 0,19 0,09

A2B3C2 0,76 0,57 0,47 0,38 0,38 0,28 0,19 0,09 0,00

A2B2C1 0,85 0,66 0,57 0,47 0,47 0,38 0,28 0,19 0,09 0,09

A2B1C1 0,95 0,76 0,66 0,57 0,57 0,47 0,38 0,28 0,19 0,19 0,09

A1B3C1 1,04 0,85 0,76 0,66 0,66 0,57 0,47 0,38 0,28 0,28 0,19 0,09

A2B2C2 1,23 1,04 0,95 0,85 0,85 0,76 0,66 0,57 0,47 0,47 0,38 0,28 0,19

A3B1C3 1,23 1,04 0,95 0,85 0,85 0,76 0,66 0,57 0,47 0,47 0,38 0,28 0,19 0,00

A3B1C2 1,32 1,13 1,04 0,95 0,95 0,85 0,76 0,66 0,57 0,57 0,47 0,38 0,28 0,09 0,09

A1B1C3 1,42 1,23 1,13 1,04 1,04 0,95 0,85 0,76 0,66 0,66 0,57 0,47 0,38 0,19 0,19 0,09

A3B3C2 1,42 1,23 1,13 1,04 1,04 0,95 0,85 0,76 0,66 0,66 0,57 0,47 0,38 0,19 0,19 0,09 0,00

A3B2C2 1,51 1,32 1,23 1,13 1,13 1,04 0,95 0,85 0,76 0,76 0,66 0,57 0,47 0,28 0,28 0,19 0,09 0,09

A1B1C2 1,61 1,42 1,32 1,23 1,23 1,13 1,04 0,95 0,85 0,85 0,76 0,66 0,57 0,38 0,38 0,28 0,19 0,19 0,09

A2B2C3 1,70 1,51 1,42 1,32 1,32 1,23 1,13 1,04 0,95 0,95 0,85 0,76 0,66 0,47 0,47 0,38 0,28 0,28 0,19 0,09

A3B2C3 1,70 1,51 1,42 1,32 1,32 1,23 1,13 1,04 0,95 0,95 0,85 0,76 0,66 0,47 0,47 0,38 0,28 0,28 0,19 0,09 0,00

A1B1C1 1,70 1,51 1,42 1,32 1,32 1,23 1,13 1,04 0,95 0,95 0,85 0,76 0,66 0,47 0,47 0,38 0,28 0,28 0,19 0,09 0,00 0,00

A3B3C3 2,27 2,08 1,99 1,89 1,89 1,80 1,70 1,61 1,51 1,51 1,42 1,32 1,23 1,04 1,04 0,95 0,85 0,85 0,76 0,66 0,57 0,57 0,57

A2B3C3 2,36 2,17 2,08 1,99 1,99 1,89 1,80 1,70 1,61 1,61 1,51 1,42 1,32 1,13 1,13 1,04 0,95 0,95 0,85 0,76 0,66 0,66 0,66 0,09

A3B2C1 2,46 2,27 2,17 2,08 2,08 1,99 1,89 1,80 1,70 1,70 1,61 1,51 1,42 1,23 1,23 1,13 1,04 1,04 0,95 0,85 0,76 0,76 0,76 0,19 0,09

A3B3C1 3,88 3,69 3,59 3,50 3,50 3,40 3,31 3,21 3,12 3,12 3,03 2,93 2,84 2,65 2,65 2,55 2,46 2,46 2,36 2,27 2,17 2,17 2,17 1,61 1,51 1,42

Tabel 4.23 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putih

Tabel 4.29 Dimensi uji Tarik standar ASTM D-638 Tipe 1Tabel 4.30 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putih

Tabel 4.31 Dimensi uji Tarik standar ASTM D-638 Tipe 1

Tabel 4.32 Hasil perhitungan nilai tegangan spesimen uji tarikTabel 4.33 Dimensi uji Tarik standar ASTM D-638 Tipe 1Tabel 4.34 Hasil perhitungan selisih setiap perlakuan faktor ukuran partikel dan persentase perekat tepung ketan putih