Uji t Parsial Kekasaran Permukaan

 Nilai koefisien regresi variabel feeding b 2 bernilai 10,503. artinya setiap peningkatan 1 mmlangkah satuan maka akan meningkatkan angka Kekasaran Permukaan sebesar 10,503 µm.  Nilai koefisien regresi variabel, back rake angle b 3 bernilai -0,412, yaitu artinya setiap meningkatnya 1 o sudut geram pahat, maka akan menurunkan angka Kekasaran Permukaan sebesar 0,412 µm dengan asumsi variabel lain bernilai tetap.

5. Uji t Parsial Kekasaran Permukaan

 Uji ini merupakan koefisien regresi secara parsial yang digunakan untuk mengetahui apakah secara parsial kecepatan potong, back rake angle, dan feeding berpengaruh secara signifikan atau tidak terhadap angka Kekasaran Permukaan. Pengujian ini menggunakan tingkat signifikan 0,05 dan 3 sisi. Langkah-langkah pengujiannya sebagai berikut:  Pengujian variabel kecepatan potong 1. Menentukan hipotesis Ho : v tidak berpengaruh terhadap angka Kekasaran Permukaan Ha : v berpengaruh terhadap angka Kekasaran Permukaan 2. Menentukan t hitung dan signifikansi Dari output didapat t hitung sebesar -3.566 dan signifikansi sebesar 0,007 3. Menentukan t tabel pada tabel statistik pada signifikansi 0,053 = 0,01 dengan derajat kebebasan dF = n-k-1 yaitu 12-3-1= 8. Sementara itu hasil yang diperoleh untuk t tabel sebesar -2,752. tabel t 4. Jika –t tabel ≤ t hitung ≤ t tabel, maka Ho diterima dan jika –t hitung - t tabel atau t hitung t tabel maka Ho ditolak. 5. Berdasar signifikansi 0,05 maka Ho diterima dan jika signifikansi 0,05 maka Ho ditolak. Kesimpulan bahwa nilai t hitung t tabel 3.566 2,752 dan signifikansi 0,05 maka Ho ditolak. Jadi dapat disimpulkan bahwa kecepatan potong berpengaruh terhadap angka Kekasaran Permukaan dengan tingkat signifikan 0,007. Gambar 74. Pengaruh pertambahan kecepatan potong terhadap pertumbuhan Kekasaran Permukaan dengan kedalaman potong 0.075 mm, dan sudut geram pahat back rake angle  = negatif 6 o Gambar 75. Pengaruh pertambahan kecepatan potong terhadap pertumbuhan Kekasaran Permukaan dengan kedalaman potong 0.075 mm, dan sudut geram pahat back rake angle  = 0 o Dari gambar grafik pengaruh variasi kecepatan potong v pada masing-masing back rake angle  dan nilai gerak pemakanan feeding yang sama, dengan memperbesar kecepatan potong akan menurunkan nilai Kekasaran Permukaan µm. Pada saat menggunakan pahat dengan  = negatif 6 o gambar 74, hasil pengukuran Kekasaran Permukaan µm yang diperoleh pada v = 11,8 mmin menunjukan angka 4,704 µm pada saat feeding 0,115 mmlangkah, ketika v dinaikan menjadi 25,1 mmin angka Kekasaran Permukaan menjadi rendah yaitu 2,351 µm, turunnya Kekasaran Permukaan yang sangat besar terjadi ketika v dinaikkan menjadi 25,1 mmin. Hasil pengukuran Kekasaran Permukaan yang diperoleh pada variasi feeding 0,115 mmlangkah dan 0,245 mmlangkah, bahwa angka Kekasaran Permukaan semakin rendah ketika kecepatan potong dinaikkan pada tiap-tiap variasi feeding. Tidak jauh berbeda dengan pembahasan pada back rake angle  = negatif 6 o , pada saat proses penyekrapan menggunakan back rake angle  = 0 o gambar 75, hasil yang diperoleh menunjukan asumsi yang hampir sama dengan ulasan diatas, bahwa dengan menaikkan kecepatan potong angka Kekasaran Permukaan yang diperoleh akan semakin rendah pada tiap-tiap variasi feeding.  Pengujian variabel feeding 1. Hipotesis Ho : f tidak berpengaruh terhadap angka Kekasaran Permukaan Ha : f berpengaruh terhadap angka Kekasaran Permukaan 2. Menentukan t hitung dan signifikansi Dari output didapat t hitung sebesar 2.782 dengan signifikansi 0,024 3. Menentukan t tabel pada tabel statistik pada signifikansi 0,053 = 0,01 dengan derajat kebebasan dF = n-k-1 yaitu 12-3-1= 8. Sementara itu hasil yang diperoleh untuk t tabel sebesar -2,752. tabel t Kesimpulan bahwa nilai t hitung t tabel 2.782 2,752 dengan signifikansi 0,004 maka feeding berpengaruh terhadap angka Kekasaran Permukaan dengan signifikansi 0,024 Pada grafik prediksi Kekasaran Permukaan terhadap back rake angle  dengan feeding bervariasi. Terlihat pada grafik bahwa dengan semakin besarnya feeding maka angka Kekasaran Permukaan yang diperoleh akan semakin tinggi. Sebagai contoh, perbedaan yang signifikan nampak pada setiap variasi feeding dan kecepatan potong. Pada gambar 74 f = 0,115 mmlangkah dan back rake angle  = negatif 6 o , angka Kekasaran Permukaan terendah yang diperoleh yaitu 2,351 µm dan pada f = 0,245 mmlangkah pada back rake angle  = negatif 6 o angka Kekasaran Permukaan naik menjadi 4,739 µm pada waktu dan kecepatan potong yang sama. Hasil yang serupa juga terjadi disetiap variasi feeding dan kecepatan potong pada back rake angle  = 0 o , bahwa dengan memperbesar feeding akan menaikkan Kekasaran Permukaan pada semua kecepatan potong pada tiap back rake angle.  Pengujian variabel back rake angle  1. Hipotesis Ho :  tidak berpengaruh terhadap angka Kekasaran Permukaan Ha :  berpengaruh terhadap angka Kekasaran Permukaan 2. Menentukan t hitung dan signifikansi dari output didapat t hitung sebesar -5.031 dengan signifikansi 0,001. Menentukan t tabel pada tabel statistik pada signifikansi 0,053 = 0,01 dengan derajat kebebasan dF = n-k-1 yaitu 12-3-1 = 8. Sementara itu hasil yang diperoleh untuk t tabel sebesar -2,752. tabel t Kesimpulan bahwa nilai t hitung t tabel 5.031 2,752 dengan signifikansi sebesar 0,001 maka back rake angle berpengaruh terhadap angka kekasaran permukaan dengan nilai signifikan 0,001. Dari gambar 74 pada saat e ggu aka ke epata poto g ν 5, i pada kedua variasi back rake angle  negatif 6 o dan 0 o tampak pada grafik menunjukan meningkatnya angka kekasaran permukaan ketika f ditambah, kekasaran permukaan terendah pada saat  negatif 6 o yaitu 2,351 µm dan angka kekasaran permukaan tertinggi yaitu 7,886 µm. Namun pada saat back rake angle  o nilai kekasaran permukaan meningkat pada setiap feeding, kekasaran permukaan yang diperoleh 7,814 µm pada saat f = 0,115 mmlangkah dan kekasaran permukaan tertinggi yang diperoleh adalah 8,024 µm pada saat f = 0,245 mmlangkah. 6 . Output Casewise Diagnostics Kekasaran Permukaan Standarized residual adalah nilai residual yang telah terstandarisasi, jika nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan prediksi. Predicted Value adalah nilai Y’ atau nilai prediksi setelah adanya pengaruh variabel independen X 1 , X 2 , X 3 . Residual merupakan selisih antara angka kekasaran permukaan dengan predicted value. Tabel 45. Casewise Diagnostics a Casewise Diagnostics a Case Number Std. Residual kekasaran permukaan Predicted Value Residual 1 -.554 4.704 5.17538 -.471383 2 -.606 3.470 3.98507 -.515074 3 -.806 2.351 3.03604 -.685044 4 1.582 7.886 6.54072 1.345284 5 -.013 5.339 5.35041 -.011407 6 .397 4.739 4.40138 .337623 7 .199 7.814 7.64505 .168951 8 .447 6.835 6.45474 .380260 9 1.320 6.628 5.50571 1.122290 10 -1.160 8.024 9.01038 -.986383 11 .022 7.839 7.82007 .018926 12 -.828 6.167 6.87104 -.704044 a. Dependent Variabel: kekasaran permukaan

7. Output Residual Kekasaran Permukaan