Uji Kecukupan Data Kelembaban Uji Kecukupan Data Suhu Kering

Adapun contoh perhitungan pengujian validitas untuk pertanyaan pertama thermal sensation pada lantai produksi sebelum bekerja dapat dilihat pada tabel di bawah ini Perhitungan Validitas Thermal Sensation Pada Lantai Produksi Sebelum Bekerja Responden Thermal Sensation Sebelum Bekerja X Y X 2 Y 2 XY 1 1 11 1 121 11 2 -1 1 3 -1 1 4 5 -1 -1 1 1 1 6 5 25 ∑ -2 15 4 147 12 Dengan rumus yang digunakan adalah rumus product moment, maka: ∑ ∑ ∑ ∑ ∑ ∑ ∑ − − − = 2 2 2 2 Y Y n X X n Y X XY n r xy 89 , 15 147 6 2 4 6 15 2 12 6 2 2 = − − − − − = xy r 4. Kesimpulan: r hitung r tabel 0,89 0,811, maka Ho diterima, berarti kuesioner merupakan instrument yang valid dan dapat digunakan dalam pengumpulanpengolahan data. Dengan cara yang sama seperti yang di atas, maka dilakukan perhitungan pengujian validitas untuk setiap pertanyaan sebelum dan sesudah bekerja di lantai produksi. Hasil dari perhitungan pengujian validitas dapat dilihat pada tabel di bawah ini Hasil Pengujian Validitas Kuesioner Sebelum dan Sesudah Bekerja Lantai Produksi Pertanyaan Sebelum Bekerja Pertanyaan Sesudah Bekerja N r hitung r tabel Ket. N r hitung r tabel Ket. Thermal sensation 6 0,89 0,811 valid Thermal sensation 6 0,832 0,811 valid Air flow sensation 6 0,91 0,811 valid Air flow sensation 6 0,832 0,811 valid Thermal preference 6 0,89 0,811 valid Thermal preference 6 0,956 0,811 valid Air flow preference 6 0,91 0,811 valid Air flow preference 6 0,956 0,811 valid Thermal condition 6 0,89 0,811 valid Thermal condition 6 0,956 0,811 valid Effect of work environment 6 0,812 0,811 valid Effect of work environment 6 0,956 0,811 valid Hand fatigue 6 0,89 0,811 valid Hand fatigue 6 0,832 0,811 valid Shoulder fatigue 6 0,91 0,811 valid Shoulder fatigue 6 0,956 0,811 valid Back fatigue 6 0,89 0,811 valid Back fatigue 6 0,956 0,811 valid Leg fatigue 6 0,89 0,811 valid Leg fatigue 6 0,832 0,811 valid Uji Reliabiitas Tujuan dari pengujian reliabilitas adalah untuk menguji apakah hasil pengukuran dapat dipercaya atau tidak. Adapun metode yang digunakan dalam pengujian reliabilitas adalah dengan metode alpha cronbach, dengan rumus: N N X X i i i ∑ ∑ − = 2 2 2 σ σ i 2 = Varians butir pertanyaan ke -n. ƩX i = Jumlah skor jawaban subjek untuk butir pertanyaan ke-n. Adapun contoh perhitungan varians untuk kuesioner sebelum bekerja pada lantai produksi dapat dilihat pada tabel di bawah ini. Perhitungan Pengujian Sebelum Bekerja di Lantai Produksi Responden Sebelum Bekerja Pertanyaan ∑Y ∑Y 2 1 2 3 4 5 6 7 8 9 10 1 1 1 1 1 1 2 1 1 1 1 11 121 2 -1 1 3 -1 1 4 5 -1 -1 1 6 1 1 2 1 5 25 ∑X -2 2 1 2 1 6 1 2 1 1 15 147 ∑X 2 4 2 1 2 1 10 1 2 1 1 0,556 6 6 2 4 2 2 1 = − − = σ Dengan cara yang sama seperti yang di atas, maka dapat diperoleh masing- masing varians dari setiap pertanyaan tersebut. Hasil perhitungan dapat dilihat pada tabel di bawah ini Hasil Perhitungan Varians Tiap Pertanyaan Sebelum Bekerja Pertanyaan σ 2 1 0,556 2 0,222 3 0,139 4 0,222 5 0,139 6 0,667 7 0,139 8 0,222 9 0,139 10 0,139 ∑σ b 2 2,584 Varians total σ t 2 = 25 , 18 6 6 15 147 2 = − Dimasukkan ke rumus alpha:         −       − = ∑ 2 2 1 1 t b k k r σ σ       −       − = 25 , 18 584 , 2 1 1 10 10 r 954 , = r Karena r 0,6 0,954 0,6, maka dapat disimpulkan bahwa kuesioner telah reliabel atau dapat dipercaya. Dengan cara yang sama seperti yang di atas, maka dapat dilakukan perhitungan pengujian reliabilitas untuk kuesioner setelah bekerja. Rekapitulasi dari hasil perhitungan tersebut dapat dilihat pada tabel di bawah ini Rekapitulasi Hasil Pengujian Reliabilitas Lantai Produksi r hitung r indeks Ket. Sebelum Sesudah 0,954 0,976 0,6 Reliabel Perhitungan Regresi Ketinggian Terhadap Temperatur Adapun data rata-rata pengaruh ketinggian terhadap suhu dapat dilihat pada tabel di bawah ini Data Rata-Rata Ketinggian Terhadap Temperatur No Ketinggian x Temperatur y x 2 y 2

x.y x

3 x 4 x 2 y Lny x lny 1 0,100 32,859 0,010 1079,714 3,286 0,001 0,000 0,329 3,492 0,349 2 0,600 33,028 0,360 1090,849 19,817 0,216 0,130 11,890 3,497 2,098 3 1,100 33,089 1,210 1094,882 36,398 1,331 1,464 40,038 3,499 3,849 4 1,700 33,106 2,890 1096,007 56,280 4,913 8,352 95,676 3,500 5,950 5 2,500 33,134 6,250 1097,862 82,835 15,625 39,063 207,088 3,501 8,753 Total 6,000 165,216 10,720 5459,314 198,616 22,086 49,008 355,020 17,489 20,999 Selanjutnya dilakukan pencarian persamaan dengan menggunakan metode konstan, linier, kuadratis, dan eksponensial, Masing-masing perhitungannya adalah sebagai berikut: a, Metode konstan Y = a = n y ∑ =165,2165 = 33,043 Y = 33,043 b. Metode Linier Y = a + bx b = ∑ ∑ ∑ ∑ ∑ − − 2 2 X X n Y X XY n = 2 6 720 , 10 5 216 , 165 6 616 , 198 5 − − = 0,101 a = n X b Y ∑ ∑ − = 5 6 101 , 216 , 165 − = 32,922 y = 32,922 + 0,101 x c. Metode Kuadratis Y = a + bx + cx 2 α = ∑ ∑ ∑ − 3 2 X n X X = 610,720 – 522,806 = -46,110 β = ∑ ∑ − 2 2 X n X = 6 2 – 510,720 = -17,600 γ = ∑ ∑ − 4 2 2 X n X = 10,720 2 – 549,008 = -130,124 δ = ∑ ∑ ∑ − XY n Y X = 6165,216 – 5198,616 = -1,783 θ = ∑ ∑ ∑ − Y X n Y X 2 2 = 10,720165,216 – 5355,020 = -3,985 b = 2 . . . α β γ α θ δ γ − − = 2 110 , 46 600 , 17 124 , 130 110 , 46 985 , 3 783 , 1 124 , 130 − − − − − − − − − = 0,294 c = γ α θ b − = 124 , 130 110 , 46 294 , 985 , 3 − − − − = -0,074 a = n X c X b Y ∑ ∑ ∑ − − 2 = 5 720 , 10 074 , 6 294 , 216 , 165 − − − = 32,849 Y = 32,849 + 0,294 x – 0,074 x 2 d. Metode Eksponensial Y = ae bx b = ∑ ∑ ∑ ∑ ∑ − − 2 2 ln ln X X n Y X Y X n = 2 6 720 , 10 5 489 , 17 6 999 , 20 5 − − = 0,003 ln a = n X b Y ∑ ∑ − ln = 5 6 003 , 489 , 17 − = 3,494 a = 32,905 Y = 32,905 e 0,003x Setelah mencari persamaan untuk setiap metode tersebut, maka perlu dilakukan perhitungan SEE Standart Error of Estimation dengan rumus: f n Y Y SEE − − = ∑ 2 Dengan: f = derajat bebas Untuk metode konstan, f = 1 Untuk metode linier, f = 2 Untuk metode kuadratis, f = 3 Untuk metode eksponensial, f = 2 a. SEE untuk metode konstan x y y y-y y-y2 0,100 32,859 33,043 -0,184 0,034 0,600 33,028 33,043 -0,015 0,000 1,100 33,089 33,043 0,046 0,002 1,700 33,106 33,043 0,063 0,004 2,500 33,134 33,043 0,091 0,008 Total 0,048 SEE = 0,110 b. SEE untuk metode linier x y y y-y y-y2 0.100 32.859 32.932 -0.073 0.005 0.600 33.028 32.983 0.045 0.002 1.100 33.089 33.033 0.056 0.003 1.700 33.106 33.094 0.012 0.000 2.500 33.134 33.175 -0.041 0.002 Total 0,012 SEE = 0,063 c. SEE untuk metode kuadratis x y