Sumber: Hasil Pengolahan Data
Gambar 5.5. Peta Kontrol Lebar Pinggul sertaRevisi I Secara Berturut-turut
5.3.3 Uji Kecukupan Data
Kegunaan dari uji kecukupan data adalah untuk menganalisa jumlah pengukuran apakah data yang diambil merepresentasikan populasinya, dimana
data sampel yang diambil sudah cukup mewakili populasi. Untuk uji kecukupan data yang digunakan pada perhitungan dengan tingkat ketelitian 5 dan tingkat
keyakinan 95 digunakan rumus N’ sebagai berikut :
2 2
2
X X
X N
40 N
− =
∑ ∑
∑
Apabila N’N maka data dinyatakan cukup Apabila N’N maka data dinyatakan belum cukup
0,0 10,0
20,0 30,0
40,0 50,0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 U
k u
ra n
cm
Operator Orang
LP Ẋ
BKA BKB
10,0 15,0
20,0 25,0
30,0 35,0
40,0 45,0
1 4
7 10 13 16 19 22 25 28 31 34 37
U k
ur a
n c m
Operator Orang
LP Ẋ
BKA BKB
Universitas Sumatera Utara
Perhitungan dicontohkan untuk data lebar pinggul LP operator hasil revisi yang sudah seragam, dengan diketahui terlebih dahulu
∑ X =1228,7 dan ∑ X
2
= 40244,4 maka :
8 ,
20 =
=
2 2
1228, 7 1228, 7
- 3840244, 4
40 N
N’ = 20,8 N data = 38 Hasil uji kecukupan data menunjukkan bahwa data hasil pengukuran yang
dilakukan sudah cukup untuk melakukan perancangan produk. Dengan cara yang sama seperti di atas, maka hasil uji kecukupan data pengukuran 7 dimensi tersebut
dapat dilihat pada Tabel 5.10.
Tabel 5.10. Uji Kecukupan Data No
Dimensi Tubuh N
N’ Keterangan
1 Tinggi Duduk Tegak TDT
37 2,3
Data Cukup 2
Tinggi Siku Duduk TSD 37 16,7
Data Cukup 3
Tinggi Popliteal TPO 35
2,9 Data Cukup
4 Panjang Popliteal PP
35 2,9
Data Cukup 5
Lebar Pinggul LP 38 20,8
Data Cukup 6
Jangkauan Tangan JT 38
3,2 Data Cukup
7 Tinggi Siku Berdiri TSB
38 2,6
Data Cukup 8
Lebar Bahu LB 36
5,7 Data Cukup
Sumber: Hasil Pengolahan Data
5.3.4 Uji Kenormalan Data
Uji kenormalan data digunakan untuk mengetahui apakah data yang telah dikumpulkan termasuk dalam sebaran normal. Pengujian ini dilakukan dengan
Universitas Sumatera Utara
kolmogorov smirnov for normality test KS Test dengan bantuan software SPSS. Hasil dari pengujian data dengan Kolmogorov-Smirnov Test dapat dilihat pada
Tabel 5.11.
Tabel 5.11. Uji Kenormalan Data Operator One-Sample Kolmogorov-Smirnov Test
TDT TSD
TPO PP
LP JT
TSB LB
N 37
37 35
35 38
38 38
36 Normal
Parameters
a,,b
Mean 87.8405 24.8973 44.7686 46.5486 32.3342 80.7526 103.8737 39.1639
Std. Deviation
3.44105 2.58193 1.92304 1.99593 3.73199 3.64779 4.20397 2.36125
Most Extreme Differences
Absolute .086 .125
.145 .103
.085 .085
.113 .091
Positive .078
.068 .109
.103 .085
.085 .113
.091 Negative -.086
-.125 -.145
-.093 -.085
-.084 -.074
-.075 Kolmogorov-Smirnov Z .524
.759 .856
.611 .526
.524 .697
.543 Asymp. Sig. 2-tailed
.946 .612
.456 .850
.945 .946
.717 .930
a. Test distribution is Normal. b. Calculated from data.
5.3.5 Perhitungan Persentil