Strategi Optimasi Pemanfaatan Biogas yang Diolah Dari Limbah Kelapa Sawit Untuk Energi Listrik di PT. Victorindo Alam Lestari
Kepada Yth:
Bapak/Ibu/Saudara/i
Karyawan PT PHG group
Di Tempat,
Saat ini saya sedang melakukan penelitian dengan judul “STRATEGI
OPTIMASI PEMANFAATAN BIOGAS YANG DIOLAH DARI LIMBAH
KELAPA SAWIT UNTUK ENERGI LISTRIK DI PHG GROUP PT
VICTORINDO ALAM LESTARI” salah satu data yang diperlukan dalam
penelitian ini adalah kuesioner kepada karyawan PT PHG Group dan PT VAL.
Saya berharap bapak/ibu/saudara/i dapat meluangkan waktu untuk mengisi
kuesioner ini dengan sebenarnya (terlampir).
Kerahasiaan identitas, data dan jawaban dari responden dalam penelitian ini
dijamin dan tidak akan di publikasikan, dan akan digunakan hanya untuk
kepentingan penelitian/akademis, serta merupakan sumbangan bagi Magister
Manajemen Sekolah Pasca Sarjana Universitas Sumatera Utara.
Demikian disampaikan, atas perhatian dan kesediaan Bapak/Ibu/Saudra/i
untuk mengisi kuesioner ini saya ucapkan terima kasih.
Salam
Peneliti
Murni Marbun
Universitas Sumatera Utara
Petunjuk Pengisian Kuesioner
Mohon diperhatikan pertanyaan pada kuesioner berikut, pilihlah jawaban
yang
sesuai
dengan
kenyataan,
pengalaman
dan
pengetahuan
Bapak/Ibu/Saudara/i, dengan memberi tanda silang (x) pada kolom jawaban yang
tersedia.
SS
: Sangat Setuju (5)
S
: Setuju (4)
N
: Netral (3)
TS
: Tidak Setuju (2)
STS : Sangat Tidak Setuju (1)
No
1
2
3
4
5
6
Pertanyaan
SS
Perancangan Produk
Pembangkit listrik biogas ini sangat
bermanfaat untuk memenuhi kebutuhan
listrik di daerah sekitar pabrik.
Pembangkit listrik biogas ini sangat
bermanfaat mengurangi kebutuhan solar
operasioanal pabrik.
Pembangkit listrik biogas ini adalah
salah satu energi listrik terbarukan yang
prosesnya berkelanjutan dan ramah
lingkungan.
Perancangan Kesesuaian Proses dan
Kapasitas
Proses yang dilakukan dalam pengolahan
limbah kelapa sawit menjadi energi
listrik adalah akurat sehingga dapat
menghasilkan energi listrik yang optimal
Alat-alat yang digunakan dalam proses
pengolahan limbah sawit menjadi energi
listrik adalah sesuai dengan kegunaannya
Kapasitas mesin dan alat-alat pembangkit
yang dipakai saat ini adalah tepat untuk
dapat menghasilkan energi listrik secara
optimal
S
N
TS
STS
Universitas Sumatera Utara
7
8
9
10
11
12
13
14
15
16
17
18
Kualitas mesin dan alat-alat pembangkit
yang dipakai saat ini adalah cukup baik
untuk dapat menghasilkan energi listrik
secara optimal
Lokasi
Pemilihan lokasi tempat pembangkit
sesuai dengan permintaan kebutuhan
daya listrik
Infrastruktur
pendukung
untuk
mendistribusikan energi listrik tersedia
dilokasi pembangkit
Akses ke lokasi pembangkit biogas telah
tersedia
dengan
baik
sehingga
memudahkan operasi dan perawatan
Mutu Sumber Daya Manusia
Kompetensi tenaga kerja yang tersedia
untuk mengoperasikan pembangkit telah
sesuai dengan kebutuhan
Tenaga kerja yang mengoperasikan
pembangkit memahami dengan baik
standar prosedur operasi pembangkit
biogas
Tenaga kerja yang tersedia mempunyai
motivasi
yang
baik
dalam
mengoperasikan mesin dan peralatan
pembangkit biogas
Tenaga kerja yang tersedia mempunyai
sikap yang baik dalam mengoperasikan
mesin dan peralatan pembangkit biogas
Integrasi Rantai Pasokan
Kestersediaan bahan baku pada saat yang
dibutuhkan sangat berpengaruh terhadap
kesinambungan
operasional
dari
pembangkit biogas
Mutu bahan baku sangat berpengaruh
terhadap kelancaran operasional dari
pembangkit
Ketersediaan
bahan
yang
berkesinambungan sangat berpengaruh
terhadap kesinambungan operasional
pembangkit
Pemilihan out sourcing untuk supply
spare part dan maintenance sangat
berpengaruh terhadap kesinambungan
operasional dari pembangkit .
Universitas Sumatera Utara
Metode Perawatan
19
20
21
22
23
24
25
Perawatan mesin bersifat preventif
sangat
penting
dilakukan
untuk
mencegah terjadinya kegagalan operasi
Perawatan mesin secara berkala dapat
mengurangi
kerusakan
komponenkomponen mesin yang berpengaruh
terhadap operasi pembangkit
Komponen atau suku cadang tersedia
dengan mudah apabila diperlukan untuk
perbaikan
Skill tenaga kerja dibidang peralatan dan
mesin biogas
sangat berpengaruh
terhadap
kelancaran
operasional
pembangkit.
Optimasi Pemanfaatan Biogas Dari
Limbah Kelapa Sawit Menjadi Energi
Listrik
Biogas yang dihasilkan oleh limbah telah
dimanfaatkan dengan optimum untuk
energi listrik.
Produksi
biogas
dari
limbah
mempengaruhi produksi energi listrik
dari pembangkit.
Energi listrik yang dihasilkan sekarang
ini masih memungkinkan ditingkatkan
jika dilakukan berbagai perbaikan.
Universitas Sumatera Utara
Lampiran 2 : MASTER DATA PENELITIAN
Universitas Sumatera Utara
Hasil Analisis Data
1. Uji Deskriptif
Tabel 1 Hasil Analisis Deskriptif
Descriptive Statistics
N
Perancangan Produk
Peranc.Kes esuaian
Proses /Kapasitas
Lokasi
Mutu SDM
Integrasi Rantai Pas okan
Metode Perawatan
Optimalisas i
Pemanfaatan Biogas
Valid N (listwise)
60
Minimum
4.00
Maximum
15.00
Mean
11.2667
Std. Deviation
2.31331
60
11.00
20.00
15.0667
1.77427
60
60
60
60
4.00
9.00
8.00
8.00
15.00
19.00
20.00
20.00
10.2000
14.6167
16.1500
14.1500
2.99038
2.50485
3.76795
2.95632
60
8.00
15.00
11.4500
1.46629
60
2. Hasil Uji Asumsi Klasik
2.1. Hasil Uji Normalitas
Tabel 2. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
N
Normal Parameters a,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
As ymp. Sig. (2-tailed)
Unstandardized
Residual
60
.0000000
.78528703
.125
.125
-.088
.970
.304
a. Test distribution is Normal.
b. Calculated from data.
Tabel 2 memperlihatkan bahwa nilai residual probabilitas (asymp.sig. 2tailed) adalah 0.304, lebih besar dari sig-α (0,05), sehingga dapat disimpulkan
Universitas Sumatera Utara
bahwa data penelitian berdistribusi secara normal. Hal yang sama juga
dikonfirmasikan oleh grafik P-P normalitas berikut :
Gambar 1. Grafik PP Normalitas Data Penelitian
Grafik di atas memperlihatkan bahwa titik titik data tersebar di sepanjang
garis diagonal membentuk simetris kiri dan kanan. Hal ini mengindikasikan
bahwa data penelitian berdistribusi normal.
Universitas Sumatera Utara
2.2. Hasil Uji Multikolinieritas
Uji multikolinieritas yang dilakukan memperlihatkan hasil seperti pada
tabel berikut :
Tabel 3 Hasil Uji Multikolinieritas
Coefficients a
Model
1
Perancangan Produk
Peranc.Kes esuaian
Proses /Kapas itas
Lokasi
Mutu SDM
Integrasi Rantai Pasokan
Metode Perawatan
Collinearity Statistics
Tolerance
VIF
.871
1.148
.762
1.312
.497
.454
.802
.814
2.011
2.202
1.246
1.229
a. Dependent Variable: Optimalisasi Pemanfaatan
Biogas
Tabel 3 memperlihatkan bahwa nilai tolerance ke-6 variabel adalah
lebih kecil dari 1, dan nilai VIF lebih kecil dari 10 sehingga dapat disimpulkan
bahwa data penelitian tidak mengandung gejala multikolinieritas.
2.3. Hasil Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas, sebaliknya jika berbeda
disebut heteroskedastisitas.
Universitas Sumatera Utara
Uji heterokedastisitas dalam penelitian ini dilakukan dengan pendekatan
korelasi Spearman dengan hasil sebagai berikut :
Tabel 4 Hasil Uji Heterokedastisitas
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
.448
.750
Perancangan Produk
.019
.035
-.004
t
Sig.
Beta
.597
.553
.081
.550
.585
.049
-.012
-.074
.941
.010
.036
.053
.275
.784
-.009
.045
-.041
-.200
.842
.004
.023
.028
.182
.856
-.007
.029
-.037
-.241
.811
Peranc.Kesesuaian
Proses /Kapasitas
Lokasi
Mutu SDM
Integrasi Rantai Pasokan
Metode Perawatan
a Dependent Variable: ABS_RES_1
Tabel 4 memperlihatkan bahwa nilai asymp.sig (2-sided) setiap variabel
bebas secara berturut turut adalah 0.585,0.941,.0.784, 0842, 0.956 dan 0.811
dimana keenam variabel bebas memiliki nilai signifikansi lebih besar dari 0,05
sehingga hasil perhitungan ini memenuhi uji persyaratan gejala heterokedastisitas.
Dengan demikian dapat disimpulkan bahwa data penelitian ini tidak mengandung
gejala heterokedastisitas.
3. Hasil Uji Hipotesis
Uji hipotesis dilakukan dengan uji –F secara simultan dan uji-t secara
parsial dengan hasil sebagai berikut;
Universitas Sumatera Utara
3.1. Hasil Uji F Secara Simultan
Uji F secara simultan dilakukan untuk mengetahui apakah ke=6 variabel
bebas X1 (perancangan produk), X2 (perancangan kesesuaian proses dan
kapasitas), X3 (lokasi), X4 (mutu SDM), X5 (integrasi pasokan dan X6 (metode
perawatan)
(memberi
pengaruh
signifikan
terhadap
variabel
terikat
Y
(optimalisasi)
Tabel 5 Hasil Uji F Secara Simultan
ANOVA b
Model
1
Regres sion
Residual
Total
Sum of
Squares
90.466
36.384
126.850
df
6
53
59
Mean Square
15.078
.686
F
21.964
Sig.
.000a
a. Predictors: (Constant), Metode Perawatan, Integrasi Rantai Pasokan, Perancangan
Produk, Lokasi, Peranc.Kesesuaian Proses /Kapas itas, Mutu SDM
b. Dependent Variable: Optimalisasi Pemanfaatan Biogas
Tabel 5
memperlihatkan bahwa nilai F- hitung = 21.964 dengan nilai
signifikansi (p-value) =0,000. Jika dibandingkan dengan nilai F- tabel = 2.27 (untuk
N = 60 atau df=54), dapat diketahui bahwa F- hitung (21.964) > F- tabel (2.27) dan
sig-p (0,000) < 0,05, sehingga dapat disimpulkan bahwa ke-6 variabel bebas
memberi pengaruh signifikan atau tidak terhadap variabel terikat Y (optimalisasi
pemanfaatan energi)
Universitas Sumatera Utara
2. Hasil Uji-t Secara Parsial
Untuk mengetahui pengaruh masing masing variabel bebas terhadap
variabel terikat Y (optimalisasi ), dilakukan uji-t secara parsial dengan hasil
sebagai berikut :
Tabel 6 Hasil Uji-t Secara Parsial
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
.301
1.063
Perancangan Produk
.124
.050
.249
Lokasi
t
Sig.
Beta
.283
.778
.196
2.487
.016
.070
.301
3.569
.001
.108
.051
.221
2.119
.039
Mutu SDM
.142
.064
.242
2.218
.031
Integrasi Rantai Pasokan
.102
.032
.261
3.183
.002
Metode Perawatan
.084
.040
.169
2.070
.043
Peranc.Kesesuaian
Proses /Kapasitas
a Dependent Variable: Optimalisasi Pemanfaatan Biogas
Tabel 6 memperlihatkan bahwa nilai t- hitung X1 (2.487) > t- tabel (1.98)
dengan nilai sig-p (0.016) < 0.05, nilai t- hitung X2 3.569 dengan nilai sig-p =
0.001, nilai t- hitung X3 = 2.119 dengan nilai sig-p = 0.039, X4 = 2.218 dengan nilai
sig-p = 0.031, nilai t- hitung X5 =3.183 dengan nilai sig-p = 0.002 dan X6 = 2.070
dengan nilai sig-p =0.043. Hasil analisis ini memenuhi persyaratan uji hipotesis
dimana jika t- hitung > t- tabel dan p-value < 0,05, berarti Ha diterima atau Ho ditolak.
Dengan demikian, dapat disimpulkan bahwa masing masing dari ke-6 variabel
memberi pengaruh signifikan terhadap variabel terikat Y (optimalisasi) .
Universitas Sumatera Utara
Selanjutnya, berdasarkan nilai koefisien, dapat diketahui bahwa variabel
paling dominant berpengaruh adalah variabel X2 (perancangan kesuaian proses
dan kapasitas dengan nilai koefisien = 0.249 disusul variabel X4 ( mutu SDM)
dengan nilai koefisien = 0.142
3. Hasil Uji Determinasi R
Untuk mengetahui besarnya pengaruh variabel bebas terhadap variabel
terikat Y (optimalisasi), dilakukan uji
determinasi R dengan hasil sebagai
berikut :
Tabel 7 Hasil Uji Determinasi R
Model Summary b
Model
1
R
R Square
.844a
.713
Adjusted
R Square
.681
Std. Error of
the Estimate
.82855
a. Predictors: (Constant), Metode Perawatan, Integrasi
Rantai Pas okan, Perancangan Produk, Lokas i,
Peranc.Kes esuaian Proses /Kapasitas, Mutu SDM
b. Dependent Variable: Optimalisas i Pemanfaatan
Biogas
Tabel 7 memperlihatkan bahwa nilai adjusted = 0,713, hal ini berarti
besarnya pengaruh variabel bebas terhadap variabel terikat Y (optimalisasi) adalah
sebesar 0,713 x 100% = 71.3%. Dengan kata lain, sebesar 71.3% variabel
oiptimalisasi dapat dijelaskan oleh variabel
bebas penelitian, sedangkan
selebihnya sebesar 28.7% dipengaruhi oleh faktor faktor lain yang tidak diteliti.
Universitas Sumatera Utara
4. Persamaan Regresi
Persamaan regresi dapat disusun sesuai dengan nilai koefisien hasil
perhitungan berikut :
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 e
Y = 0.301 + 0.124X1 + 0.249X2 + 0.108X3 + 0.142X4 + 0.102X5 + 0.084X6+ e
Bentuk persamaan ini berarti bahwa jika faktor lain dianggap tetap, maka
setiap peningkatan perancangan produk sebesar 1 point akan dapat meningkatkan
optimalisasi sebesar 0.301+ 0.124 point. Demikian seterusnya untuk variabel lain.
Universitas Sumatera Utara
Bapak/Ibu/Saudara/i
Karyawan PT PHG group
Di Tempat,
Saat ini saya sedang melakukan penelitian dengan judul “STRATEGI
OPTIMASI PEMANFAATAN BIOGAS YANG DIOLAH DARI LIMBAH
KELAPA SAWIT UNTUK ENERGI LISTRIK DI PHG GROUP PT
VICTORINDO ALAM LESTARI” salah satu data yang diperlukan dalam
penelitian ini adalah kuesioner kepada karyawan PT PHG Group dan PT VAL.
Saya berharap bapak/ibu/saudara/i dapat meluangkan waktu untuk mengisi
kuesioner ini dengan sebenarnya (terlampir).
Kerahasiaan identitas, data dan jawaban dari responden dalam penelitian ini
dijamin dan tidak akan di publikasikan, dan akan digunakan hanya untuk
kepentingan penelitian/akademis, serta merupakan sumbangan bagi Magister
Manajemen Sekolah Pasca Sarjana Universitas Sumatera Utara.
Demikian disampaikan, atas perhatian dan kesediaan Bapak/Ibu/Saudra/i
untuk mengisi kuesioner ini saya ucapkan terima kasih.
Salam
Peneliti
Murni Marbun
Universitas Sumatera Utara
Petunjuk Pengisian Kuesioner
Mohon diperhatikan pertanyaan pada kuesioner berikut, pilihlah jawaban
yang
sesuai
dengan
kenyataan,
pengalaman
dan
pengetahuan
Bapak/Ibu/Saudara/i, dengan memberi tanda silang (x) pada kolom jawaban yang
tersedia.
SS
: Sangat Setuju (5)
S
: Setuju (4)
N
: Netral (3)
TS
: Tidak Setuju (2)
STS : Sangat Tidak Setuju (1)
No
1
2
3
4
5
6
Pertanyaan
SS
Perancangan Produk
Pembangkit listrik biogas ini sangat
bermanfaat untuk memenuhi kebutuhan
listrik di daerah sekitar pabrik.
Pembangkit listrik biogas ini sangat
bermanfaat mengurangi kebutuhan solar
operasioanal pabrik.
Pembangkit listrik biogas ini adalah
salah satu energi listrik terbarukan yang
prosesnya berkelanjutan dan ramah
lingkungan.
Perancangan Kesesuaian Proses dan
Kapasitas
Proses yang dilakukan dalam pengolahan
limbah kelapa sawit menjadi energi
listrik adalah akurat sehingga dapat
menghasilkan energi listrik yang optimal
Alat-alat yang digunakan dalam proses
pengolahan limbah sawit menjadi energi
listrik adalah sesuai dengan kegunaannya
Kapasitas mesin dan alat-alat pembangkit
yang dipakai saat ini adalah tepat untuk
dapat menghasilkan energi listrik secara
optimal
S
N
TS
STS
Universitas Sumatera Utara
7
8
9
10
11
12
13
14
15
16
17
18
Kualitas mesin dan alat-alat pembangkit
yang dipakai saat ini adalah cukup baik
untuk dapat menghasilkan energi listrik
secara optimal
Lokasi
Pemilihan lokasi tempat pembangkit
sesuai dengan permintaan kebutuhan
daya listrik
Infrastruktur
pendukung
untuk
mendistribusikan energi listrik tersedia
dilokasi pembangkit
Akses ke lokasi pembangkit biogas telah
tersedia
dengan
baik
sehingga
memudahkan operasi dan perawatan
Mutu Sumber Daya Manusia
Kompetensi tenaga kerja yang tersedia
untuk mengoperasikan pembangkit telah
sesuai dengan kebutuhan
Tenaga kerja yang mengoperasikan
pembangkit memahami dengan baik
standar prosedur operasi pembangkit
biogas
Tenaga kerja yang tersedia mempunyai
motivasi
yang
baik
dalam
mengoperasikan mesin dan peralatan
pembangkit biogas
Tenaga kerja yang tersedia mempunyai
sikap yang baik dalam mengoperasikan
mesin dan peralatan pembangkit biogas
Integrasi Rantai Pasokan
Kestersediaan bahan baku pada saat yang
dibutuhkan sangat berpengaruh terhadap
kesinambungan
operasional
dari
pembangkit biogas
Mutu bahan baku sangat berpengaruh
terhadap kelancaran operasional dari
pembangkit
Ketersediaan
bahan
yang
berkesinambungan sangat berpengaruh
terhadap kesinambungan operasional
pembangkit
Pemilihan out sourcing untuk supply
spare part dan maintenance sangat
berpengaruh terhadap kesinambungan
operasional dari pembangkit .
Universitas Sumatera Utara
Metode Perawatan
19
20
21
22
23
24
25
Perawatan mesin bersifat preventif
sangat
penting
dilakukan
untuk
mencegah terjadinya kegagalan operasi
Perawatan mesin secara berkala dapat
mengurangi
kerusakan
komponenkomponen mesin yang berpengaruh
terhadap operasi pembangkit
Komponen atau suku cadang tersedia
dengan mudah apabila diperlukan untuk
perbaikan
Skill tenaga kerja dibidang peralatan dan
mesin biogas
sangat berpengaruh
terhadap
kelancaran
operasional
pembangkit.
Optimasi Pemanfaatan Biogas Dari
Limbah Kelapa Sawit Menjadi Energi
Listrik
Biogas yang dihasilkan oleh limbah telah
dimanfaatkan dengan optimum untuk
energi listrik.
Produksi
biogas
dari
limbah
mempengaruhi produksi energi listrik
dari pembangkit.
Energi listrik yang dihasilkan sekarang
ini masih memungkinkan ditingkatkan
jika dilakukan berbagai perbaikan.
Universitas Sumatera Utara
Lampiran 2 : MASTER DATA PENELITIAN
Universitas Sumatera Utara
Hasil Analisis Data
1. Uji Deskriptif
Tabel 1 Hasil Analisis Deskriptif
Descriptive Statistics
N
Perancangan Produk
Peranc.Kes esuaian
Proses /Kapasitas
Lokasi
Mutu SDM
Integrasi Rantai Pas okan
Metode Perawatan
Optimalisas i
Pemanfaatan Biogas
Valid N (listwise)
60
Minimum
4.00
Maximum
15.00
Mean
11.2667
Std. Deviation
2.31331
60
11.00
20.00
15.0667
1.77427
60
60
60
60
4.00
9.00
8.00
8.00
15.00
19.00
20.00
20.00
10.2000
14.6167
16.1500
14.1500
2.99038
2.50485
3.76795
2.95632
60
8.00
15.00
11.4500
1.46629
60
2. Hasil Uji Asumsi Klasik
2.1. Hasil Uji Normalitas
Tabel 2. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
N
Normal Parameters a,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
As ymp. Sig. (2-tailed)
Unstandardized
Residual
60
.0000000
.78528703
.125
.125
-.088
.970
.304
a. Test distribution is Normal.
b. Calculated from data.
Tabel 2 memperlihatkan bahwa nilai residual probabilitas (asymp.sig. 2tailed) adalah 0.304, lebih besar dari sig-α (0,05), sehingga dapat disimpulkan
Universitas Sumatera Utara
bahwa data penelitian berdistribusi secara normal. Hal yang sama juga
dikonfirmasikan oleh grafik P-P normalitas berikut :
Gambar 1. Grafik PP Normalitas Data Penelitian
Grafik di atas memperlihatkan bahwa titik titik data tersebar di sepanjang
garis diagonal membentuk simetris kiri dan kanan. Hal ini mengindikasikan
bahwa data penelitian berdistribusi normal.
Universitas Sumatera Utara
2.2. Hasil Uji Multikolinieritas
Uji multikolinieritas yang dilakukan memperlihatkan hasil seperti pada
tabel berikut :
Tabel 3 Hasil Uji Multikolinieritas
Coefficients a
Model
1
Perancangan Produk
Peranc.Kes esuaian
Proses /Kapas itas
Lokasi
Mutu SDM
Integrasi Rantai Pasokan
Metode Perawatan
Collinearity Statistics
Tolerance
VIF
.871
1.148
.762
1.312
.497
.454
.802
.814
2.011
2.202
1.246
1.229
a. Dependent Variable: Optimalisasi Pemanfaatan
Biogas
Tabel 3 memperlihatkan bahwa nilai tolerance ke-6 variabel adalah
lebih kecil dari 1, dan nilai VIF lebih kecil dari 10 sehingga dapat disimpulkan
bahwa data penelitian tidak mengandung gejala multikolinieritas.
2.3. Hasil Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas, sebaliknya jika berbeda
disebut heteroskedastisitas.
Universitas Sumatera Utara
Uji heterokedastisitas dalam penelitian ini dilakukan dengan pendekatan
korelasi Spearman dengan hasil sebagai berikut :
Tabel 4 Hasil Uji Heterokedastisitas
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
.448
.750
Perancangan Produk
.019
.035
-.004
t
Sig.
Beta
.597
.553
.081
.550
.585
.049
-.012
-.074
.941
.010
.036
.053
.275
.784
-.009
.045
-.041
-.200
.842
.004
.023
.028
.182
.856
-.007
.029
-.037
-.241
.811
Peranc.Kesesuaian
Proses /Kapasitas
Lokasi
Mutu SDM
Integrasi Rantai Pasokan
Metode Perawatan
a Dependent Variable: ABS_RES_1
Tabel 4 memperlihatkan bahwa nilai asymp.sig (2-sided) setiap variabel
bebas secara berturut turut adalah 0.585,0.941,.0.784, 0842, 0.956 dan 0.811
dimana keenam variabel bebas memiliki nilai signifikansi lebih besar dari 0,05
sehingga hasil perhitungan ini memenuhi uji persyaratan gejala heterokedastisitas.
Dengan demikian dapat disimpulkan bahwa data penelitian ini tidak mengandung
gejala heterokedastisitas.
3. Hasil Uji Hipotesis
Uji hipotesis dilakukan dengan uji –F secara simultan dan uji-t secara
parsial dengan hasil sebagai berikut;
Universitas Sumatera Utara
3.1. Hasil Uji F Secara Simultan
Uji F secara simultan dilakukan untuk mengetahui apakah ke=6 variabel
bebas X1 (perancangan produk), X2 (perancangan kesesuaian proses dan
kapasitas), X3 (lokasi), X4 (mutu SDM), X5 (integrasi pasokan dan X6 (metode
perawatan)
(memberi
pengaruh
signifikan
terhadap
variabel
terikat
Y
(optimalisasi)
Tabel 5 Hasil Uji F Secara Simultan
ANOVA b
Model
1
Regres sion
Residual
Total
Sum of
Squares
90.466
36.384
126.850
df
6
53
59
Mean Square
15.078
.686
F
21.964
Sig.
.000a
a. Predictors: (Constant), Metode Perawatan, Integrasi Rantai Pasokan, Perancangan
Produk, Lokasi, Peranc.Kesesuaian Proses /Kapas itas, Mutu SDM
b. Dependent Variable: Optimalisasi Pemanfaatan Biogas
Tabel 5
memperlihatkan bahwa nilai F- hitung = 21.964 dengan nilai
signifikansi (p-value) =0,000. Jika dibandingkan dengan nilai F- tabel = 2.27 (untuk
N = 60 atau df=54), dapat diketahui bahwa F- hitung (21.964) > F- tabel (2.27) dan
sig-p (0,000) < 0,05, sehingga dapat disimpulkan bahwa ke-6 variabel bebas
memberi pengaruh signifikan atau tidak terhadap variabel terikat Y (optimalisasi
pemanfaatan energi)
Universitas Sumatera Utara
2. Hasil Uji-t Secara Parsial
Untuk mengetahui pengaruh masing masing variabel bebas terhadap
variabel terikat Y (optimalisasi ), dilakukan uji-t secara parsial dengan hasil
sebagai berikut :
Tabel 6 Hasil Uji-t Secara Parsial
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
.301
1.063
Perancangan Produk
.124
.050
.249
Lokasi
t
Sig.
Beta
.283
.778
.196
2.487
.016
.070
.301
3.569
.001
.108
.051
.221
2.119
.039
Mutu SDM
.142
.064
.242
2.218
.031
Integrasi Rantai Pasokan
.102
.032
.261
3.183
.002
Metode Perawatan
.084
.040
.169
2.070
.043
Peranc.Kesesuaian
Proses /Kapasitas
a Dependent Variable: Optimalisasi Pemanfaatan Biogas
Tabel 6 memperlihatkan bahwa nilai t- hitung X1 (2.487) > t- tabel (1.98)
dengan nilai sig-p (0.016) < 0.05, nilai t- hitung X2 3.569 dengan nilai sig-p =
0.001, nilai t- hitung X3 = 2.119 dengan nilai sig-p = 0.039, X4 = 2.218 dengan nilai
sig-p = 0.031, nilai t- hitung X5 =3.183 dengan nilai sig-p = 0.002 dan X6 = 2.070
dengan nilai sig-p =0.043. Hasil analisis ini memenuhi persyaratan uji hipotesis
dimana jika t- hitung > t- tabel dan p-value < 0,05, berarti Ha diterima atau Ho ditolak.
Dengan demikian, dapat disimpulkan bahwa masing masing dari ke-6 variabel
memberi pengaruh signifikan terhadap variabel terikat Y (optimalisasi) .
Universitas Sumatera Utara
Selanjutnya, berdasarkan nilai koefisien, dapat diketahui bahwa variabel
paling dominant berpengaruh adalah variabel X2 (perancangan kesuaian proses
dan kapasitas dengan nilai koefisien = 0.249 disusul variabel X4 ( mutu SDM)
dengan nilai koefisien = 0.142
3. Hasil Uji Determinasi R
Untuk mengetahui besarnya pengaruh variabel bebas terhadap variabel
terikat Y (optimalisasi), dilakukan uji
determinasi R dengan hasil sebagai
berikut :
Tabel 7 Hasil Uji Determinasi R
Model Summary b
Model
1
R
R Square
.844a
.713
Adjusted
R Square
.681
Std. Error of
the Estimate
.82855
a. Predictors: (Constant), Metode Perawatan, Integrasi
Rantai Pas okan, Perancangan Produk, Lokas i,
Peranc.Kes esuaian Proses /Kapasitas, Mutu SDM
b. Dependent Variable: Optimalisas i Pemanfaatan
Biogas
Tabel 7 memperlihatkan bahwa nilai adjusted = 0,713, hal ini berarti
besarnya pengaruh variabel bebas terhadap variabel terikat Y (optimalisasi) adalah
sebesar 0,713 x 100% = 71.3%. Dengan kata lain, sebesar 71.3% variabel
oiptimalisasi dapat dijelaskan oleh variabel
bebas penelitian, sedangkan
selebihnya sebesar 28.7% dipengaruhi oleh faktor faktor lain yang tidak diteliti.
Universitas Sumatera Utara
4. Persamaan Regresi
Persamaan regresi dapat disusun sesuai dengan nilai koefisien hasil
perhitungan berikut :
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 e
Y = 0.301 + 0.124X1 + 0.249X2 + 0.108X3 + 0.142X4 + 0.102X5 + 0.084X6+ e
Bentuk persamaan ini berarti bahwa jika faktor lain dianggap tetap, maka
setiap peningkatan perancangan produk sebesar 1 point akan dapat meningkatkan
optimalisasi sebesar 0.301+ 0.124 point. Demikian seterusnya untuk variabel lain.
Universitas Sumatera Utara