cv
667 ,
9 2
... =
+ +
+ =
x
1
2 2
- -
=
å å
n n
X X
s
707 ,
1 9
9 6
2 ...
2 2
2 2
= -
- +
+ +
= s
c. Transformasikan data x tersebut menjadi nilai baku z persamaan 2.21.
z
1
= x
1
x
-
s z
1
= 0 -0,667 0,707 = -0,943 dengan cara yang sama diperoleh seluruh nilai baku sebagaimana pada kolom z
tabel 4.11.
Tabel 4.11 Perhitungan uji normalitas untuk data selisih temperatur
x z
Pz Px
|Pz-Px| |Px-1-Pz|
1 -0,943
0,173 0,333
0,160 0,173
2 -0,943
0,173 0,333
0,160 0,160
3 -0,943
0,173 0,333
0,160 0,160
4 -0,943
0,173 0,333
0,160 0,160
5 1
0,471 0,681
0,667 0,015
0,348 6
1 0,471
0,681 0,667
0,015 0,015
7 1
0,471 0,681
0,667 0,015
0,015 8
1 0,471
0,681 0,667
0,015 0,015
9 2
1,886 0,970
1,000 0,030
0,304
Sampel Selisih temperatur
d. Tentukan nilai probabilitasnya Pz berdasarkan sebaran normal baku, sebagai
probabilitas pengamatan. Gunakan bantuan Ms. Excel dengan function NORMSDIST.
e. Tentukan nilai probabilitas harapan kumulatif Px persamaan 2.22, yaitu:
Px
i
= in
cvi
Px1 = 1 3 = 0,333 Dengan cara yang sama akan diperoleh seluruh nilai Px sebagaimana pada
kolom Px tabel 4.11 di atas. f.
Tentukan nilai maksimum dari selisih absolut Pz dan Px, yaitu: Maks |Pz – Px|, sebagai nilai L
hitung
Maks |Pz – Px| = 0,160 Tahap berikutnya menganalisis seluruh data observasi berdistribusi normal.
Hipotesis yang diajukan, adalah: H
: Seluruh data observasi berasal dari populasi yang berdistribusi normal H
1
: Seluruh data observasi berasal dari populasi yang tidak berdistribusi normal Taraf nyata yang dipilih
a = 0,05, dengan wilayah kritik L
hitung
L
a
n
. Nilai L
tabel
dari distribusi L pada tabel L2.1 yaitu L
a
n
= L
0.059
= 0,271.
Hasil perhitungan, terlihat nilai L
hitung
0,160 L
tabel
0,271, maka terima H dan
simpulkan seluruh data observasi selisih temperatur output dengan range target berasal dari populasi yang berdistribusi normal
. Bentuk sebaran normal didapatkan dari mencari nilai residual yang merupakan
selisih data observasi dengan rata-rata tiap perlakuan. Hasil perhitungan nilai residual untuk tiap perlakuan dapat dilihat pada tabel 4.12.
Tabel 4.12 Residual data selisih temperatur output dengan target
No Level
Rerata
1 1,8 cm
1 1
0,667 -0,667
0,333 0,333
2 3,7 cm
1 0,333
0,667 -0,333
-0,333 3
5,5 cm 2
1 1,000
-1,000 1,000
0,000 ∆T °C
Residual
Hasil perhitungan residual untuk seluruh data observasi diplotkan berdasarkan urutan dari residual terkecil hingga terbesar.
Normal probability plot P-P ditunjukkan dalam gambar 4.11
cvii
-1,500 -1,000
-0,500 0,000
0,500 1,000
1,500 residual
Gambar 4.11 Normal probability plot data observasi pengukuran selisih temperatur
Gambar 4.11 menunjukan data selisih temperatur output dengan range target memiliki plot residual yang membentuk suatu trend lurus, dimana mengindikasikan
populasi yang normal.
2. Uji homogenitas.
Uji homogenitas bertujuan menguji apakah variansi error dari tiap jarak pemasangan sensor bernilai sama. Alat uji yang sering dipakai adalah uji bartlett.
Prosedur uji homogenitas bartlett Sudjana, 2005, sebagai berikut : a.
Mengelompokkan data berdasarkan jarak pemasangan sensor.
Tabel 4.13 Selisih temperatur berdasarkan jarak pemasangan sensor 1,8 cm
3,7 cm 5,5 cm
1 1
2 1
2 3
1 1
Jarak pemasangan sensor Replikasi ke-
b. Menghitung harga-harga yang diperlukan dalam uji bartlett.