Output Regression Kekasaran Permukaan
Tabel 41. Variabels EnteredRemoved
Variabels EnteredRemoved
Model Variabels
Entered Variabels
Removed Method
1 rake angle, feed,
Kecepatan
a
. Enter a. All requested variabels entered.
1. Output Variabel Entered Removed
Dari output dapat dilihat bahwa variabel independen yang dimasukkan ke dalam model adalah kecepatan potong, back rake angle pahat, dan feeding sedangkan
variabel dependennya adalah angka Kekasaran Permukaan dan tidak ada variabel yang dikeluarkan removed.
Tabel 42. Model Summary
b
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .923
a
.851 .795
.850173 2.200
a. Predictors: Constant, rake angle, feed, Kecepatan b. Dependent Variabel: kekasaran permukaan
2. Output Model Summary Kekasaran Permukaan
R menunjukkan korelasi berganda yaitu korelasi antara dua atau lebih variabel
independen terhadap variabel dependen. Nilai R berkisar antara 0 sampai 1. Jika nilainya mendekati 1, maka hubungannya semakin erat dan sebaliknya jika
mendekati 0 maka hubungannya semakin lemah. Dari output data angka R diperoleh 0,923, artinya korelasi antara variabel kecepatan potong, back rake
angle, dan feeding terhadap angka Kekasaran Permukaan sebesar 0,923. Hal ini berarti terjadi hubungan yang sangat erat karena nilai mendekati 1.
R Square R
2
atau kuadrat R menunjukkan koefisien determinasi. Angka ini akan diubah ke bentuk persen, artinya persentase sumbangan pengaruh variabel
independen terhadap variabel dependen. Nilai R
2
sebesar 0,851 artinya persentase sumbangan pengaruh variabel kecepatan potong, back rake angle, dan feeding
terhadap angka Kekasaran Permukaan sebesar 85,1, sedangkan sisanya dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model regresi atau
pengujian.
Adjusted R Square adalah R square yang telah disesuaikan. Nilai yang diperoleh
sebesar 0,795. Hal ini menunjukkan sumbangan pengaruh variabel kecepatan potong, back rake angle, dan feeding bernilai 79,5 terhadap angka Kekasaran
Permukaan. Dalam hal ini persentase pengaruh variabel independen terhadap variabel dependen yang digunakan adalah 79,5 karena model regresi ANOVA
ini menggunakan lebih dari dua variabel independen.
Standard Error of the Estimate adalah ukuran kesalahan prediksi. Dari output
data diperoleh angka 0,850173. Artinya kesalahan yang dapat terjadi dalam memprediksi angka Kekasaran Permukaan sebesar 0,850173.
Durbin-Watson merupakan nilai yang menunjukan ada atau tidaknya autokorelasi
dalam model regresi. Autokorelasi adalah hubungan yang terjadi antara residual dari pengamatan satu dengan pengamatan yang lain. Model regresi ANOVA yang
baik seharusnya tidak menunjukan autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi maka nilai DW akan dibandingkan dengan DW tabel.
Kriteria yang dipakai adalah sebagai berikut:
Jika DW dL atau DW 4-dL berarti terjadi autokorelasi.
Jika DW terletak antara dU dan 4-dU berarti tidak ada autokorelasi.
Jika DW terletak antara dL dan dU atau diantara 4-dU dan 4-dL maka
tidak menghasilkan kesimpulan yang pasti.
Nilai DW dari output didapat 2.200. Untuk nilai dL dan dU dapat dilihat dari DW tabel pada signifikansi 0,05 dengan jumlah data n 12 dan jumlah variabel
independen k 3 didapat nilai dL 0,658 dan dU 1,864. Jadi, nilai 4-dU = 2,136 dan 4-dL = 3,342. Hal ini berati nilai DW 2.200 berada antara diantara 4-dU dan
4-dL, maka tidak menghasilkan kesimpulan yang pasti dalam model regresi ANOVA ini.
Tabel 43. ANOVA
b
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
33.083 3
11.028 15.257
.001
a
Residual 5.782
8 .723
Total 38.865
11 a. Predictors: Constant, rake angle, feed, Kecepatan
b. Dependent Variabel: kekasaran permukaan
3. Output ANOVA Kekasaran Permukaan
