Selain melalui analisa variansi, uji kenormalan model juga dapat dilihat melalui lack of fit. Hasil analisis pada Tabel 10. menunjukkan hasil uji lack of fit
LOF yang juga dapat digunakan untuk menguji kecukupan model. Bila digunakan sebuah hipotesis
Hipotesisnya adalah : H
: Tidak ada lack of fit H
1
: Ada lack of fit Hipotesis awal yang mengatakan tidak ada lack of fit berarti model yang
dibuat telah sesuai dengan data, sedangkan hipotesis alternatif berarti model yang telah dibuat belum mewakili data.
Daerah Penolakan Hipotesis awal H
akan ditolak bila nilai p kurang dari nilai , sebaliknya, hipotesis awal akan gagal tolak apabila nilai p melebihi . Dari hasil analisis
statistika, diperoleh harga lack of fit bernilai 0. Apabila digunakan nilai sebesar 5, maka hal ini menunjukkan bahwa model yang dibuat telah dapat mewakili data.
4.3.1 Uji Verifikasi Model Penelitian
Syawaluddin Nasution : Pembuatan Senyawa Epoksi Dari Metil Ester Asam Lemak Sawit Destilat Menggunakan Katalis
Amberlite , 2009
USU Repository © 2008
Fit t e d V a lu e R
e s
id u
a l
70 60
50 40
30 20
10 4
3 2
1
- 1 - 2
- 3 - 4
Gambar 19. Plot Residual Dengan Taksiran Model
Obse r v a t ion Or de r R
e s
id u
a l
20 18
16 14
12 10
8 6
4 2
4 3
2 1
- 1 - 2
- 3 - 4
Gambar 20. Plot Residual Dengan Order Model
Syawaluddin Nasution : Pembuatan Senyawa Epoksi Dari Metil Ester Asam Lemak Sawit Destilat Menggunakan Katalis
Amberlite , 2009
USU Repository © 2008
Untuk memeriksa kecukupan model, tidak hanya melihat data lack of fit LOF saja, tetapi juga harus dilakukan analisa residual. Ada tiga hal yang harus
dilalakukan dalam analisa residual, yaitu : 1.
Membuat plot antara residual dengan taksiran model Gambar 19. 2.
Membuat plot antara residual dengan order model Gambar 20. 3.
Memeriksa kenormalan residual Gambar 21.
Gambar 19. menunjukkan titik-titik telah membentuk sebuah pola yang acak, hal ini dapat menyimpulkan bahwa model regresi yang dibuat telah cukup tepat
dengan data. Gambar 20. digunakan untuk memeriksa residual dengan order model. Dalam analisa statistika Minitab 14, dapat dilakukan analisa terhadap unusual
observation . Unusual observation adalah kondisi dimana residual antara nilai
pengamatan dengan prediksi memiliki penyimpangan yang cukup besar dari pengamatan lainnya. Dengan adanya analisa terhadap besarnya nilai penyimpangan,
dapat dilakukan penajaman dan peninjauan pengamatan pada penelitian selanjutnya. Berdasarkan analisa statistika output ANAVA pada Lampiran 3 untuk penelitian
epoksidasi Me.ALSD dengan menggunakan tiga variabel bebas ini, diketahui unusual observation
berada pada run order model 4, 8 dan 18. Berdasarkan analisa statistika terhadap taksiran model, konversi epoksi
oksiran yang diperoleh untuk run 4, 8 dan 18 secara berturut-turut adalah 13,368, 6,742 dan 70,802. Tahap selanjutnya untuk verifikasi model persamaan adalah
dengan menganalisa uji kenormalan residual. Interpretasi kenormalan dilakukan
Syawaluddin Nasution : Pembuatan Senyawa Epoksi Dari Metil Ester Asam Lemak Sawit Destilat Menggunakan Katalis
Amberlite , 2009
USU Repository © 2008
dengan menggunakan uji Kolmogorov Smirnov KS, sehingga besarnya nilai yang digunakan adalah 5. Berdasarkan data statistika Kolmogorov Smirnov pada
lampiran 4 untuk = 0,05 dan jumlah pengamatan sebanyak 20 pengamatan diperoleh 0,294 uji dua arah. Nilai ini akan dijadikan pedoman dalam pengambilan
kesimpulan berdasarkan hasil uji kenormalan data penelitian.
Residual P
e r
c e
n t
5.0 2.5
0.0 -2.5
-5.0
99 95
90 80
70 60
50 40
30 20
10 5
1
Gambar 21. Plot Distribusi Normal Residual Model Regresi
Gambar 21. di atas menunjukkan bahwa titik residual yang dihasilkan telah sesuai atau mendekati garis lurus yang ditentukan berdasarkan data residual, maka
residual telah mengikuti distribusi normal. Sebaliknya, apabila residual tidak mengikuti garis lurus atau banyak penyimpangan, maka ada indikasi bahwa residual
tidak mengikuti distribusi normal. Keputusan bahwa suatu data telah mengikuti
Syawaluddin Nasution : Pembuatan Senyawa Epoksi Dari Metil Ester Asam Lemak Sawit Destilat Menggunakan Katalis
Amberlite , 2009
USU Repository © 2008
distribusi normal diperkuat oleh informasi rata-rata dan standar deviasi residual sebesar 76,06 dan 5,852. Rata-rata residual sangat kecil karena mendekati 0. Nilai
statistik Kolmogorov Smirnov pengamatan adalah 0,166 dan nilai p uji normal residual grafik melebihi 15. Nilai statistik Kolmogorov Smirnov yang diperoleh dari
pengamatan kurang dari nilai statistik Kolmogorov Smirnov pada Lampiran 4, yaitu
0,294. Oleh karena itu, kesimpulan hasil uji kenormalan residual adalah residual model regresi linier yang dibuat telah mengikuti distribusi normal. Sehingga, asumsi
kenormalan residual pada suatu model regresi telah dipenuhi oleh model regresi linier sehingga model regresi yang dibuat telah sesuai dan dapat digunakan.
4.4. Analisa Bilangan Iod, Bilangan Hidroksi dan Bilangan Asam