Perhitungan Pengujian Kecukupan Data

  LAMPIRAN

  Perhitungan Pengujian Kecukupan Data

  7

     

     

  40 ' ^{2 2} =

  7

  2 231 180 , ) 180 , 231 ( ) 588 , 7645 (

  243 ,

  − = N

     

     

  40 ' ^{2 2} =

  ) ( 230 01 , ) 109 , 7567 (

  

a. Uji Kecukupan Data Suhu pada Ketinggian 0,1 m

No

  Kesimpulan: Data Cukup 97 , 1 230 01 ,

  Total 231,180 7645,588

  1 30,74 944,948 2 31,95 1020,803 3 34,12 1164,174 4 32,59 1062,108 5 33,35 1112,223 6 34,22 1171,008 7 34,21 1170,324

  2

  X X

  

b. Uji Kecukupan Data Suhu pada Ketinggian 0,6 m

No

  Kesimpulan: Data Cukup

  Total 230,01 7567,109

  1 30,71 943,104 2 31,90 1017,61 3 33,99 1155,32 4 32,43 1051,705 5 33,35 1112,223 6 33,47 1120,241 7 34,16 1166,906

  2

  X X

  − = N

  

c. Uji Kecukupan Data Suhu pada Ketinggian 1,1 m

No

  7

     

     

  40 ' ^{2 2} =

  7

  2 231 710 , ) 710 , 231 ( ) 003 , 7681 (

  − = N 309 ,

     

     

  40 ' ^{2 2} =

  ) 580 , 231 ( ) 172 , 7672 (

  X X

  Kesimpulan: Data Cukup 265 , 2 231 580 ,

  Total 231,710 7681,003

  1 30,85 951,723 2 31,95 1020,803 3 34,22 1171,008 4 32,62 1064,064 5 33,37 1113,557 6 34,39 1182,672 7 34,31 1177,176

  2

  X X

  

d. Uji Kecukupan Data Suhu pada Ketinggian 1,7 m

No

  Kesimpulan: Data Cukup

  Total 231,580 7672,172

  1 30,81 949,256 2 31,94 1020,164 3 34,16 1166,906 4 32,70 1069,290 5 33,36 1112,890 6 34,33 1178,549 7 34,28 1175,118

  2

  − = N

  

e Uji Kecukupan Data Suhu pada Ketinggian 2,5 m

  2 No

  X X

  1 30,93 956,665 2 32,02 1025,280 3 34,13 1164,857 4 32,67 1067,329 5 33,38 1114,224 6 34,46 1187,492 7 34,31 1177,176

  Total 231,900 7693,023 _{2 2}

   

  40 7 ( 7693 , 023 ) − ( 231 , 900 )

  N ' =   =

  2 , 188 231 , 900    

  Kesimpulan: Data Cukup

f. Uji Kecukupan Data Kecepatan Angin

  2 No

  X X

  1 0,12 0,014 2 0,13 0,017 3 0,12 0,014 4 0,12 0,014 5 0,12 0,014 6 0,12 0,014 7 0,11 0,012

  Total 0,840 0,101

₂

₂

   

  40 7 ( , 101 ) − ( , 840 )

  N ' =   =

  3 , 175 , 840

     

  Kesimpulan: Data Cukup

  g. Uji Kecukupan Data Kelembaban No

  7

     

     

  40 ' ^{2 2} =

  7

  189 400 , ) 400 , 189 ( ) 392 , 5127 (

  − = N 865 ,

     

     

  40 ' ^{2 2} =

  ) 850 , 503 ( ) 098 , 36406 (

  X X

  Kesimpulan: Data Cukup 163 , 6 503 850 ,

  Total 189,400 5127,392

  1 26,00 676,000 2 `26,70 712,890 3 26,50 702,250 4 27,94 780,644 5 27,28 744,198 6 27,42 751,856 7 27,56 759,554

  2

  X X

  h. Uji Kecukupan Data Suhu Basah No

  Kesimpulan: Data Cukup

  Total 503,850 36406,098

  1 77,35 5983,023 2 77,10 5944,410 3 76,40 5836,960 4 70,20 4928,040 5 66,05 4362,603 6 67,75 4590,063 7 69,00 4761,000

  2

  − = N

i. Uji Kecukupan Data Suhu Kering No

  40 ' ^{2 2} =

  N

  − =

     

     

  40 ' ^{2 2} =

  7

  4 224 440 , ) 440 , 224 ( ) 521 , 7215 (

  − = N 2986 ,

     

     

  X X

  2

  ) 840 , 214 ( ) 794 , 6608 (

  Kesimpulan: Data Cukup 651 , 3 214 840 ,

  Total 224,440 7215,521

  1 29,16 850,306 2 30,90 954,810 3 31,05 964,103 4 32,12 1031,694 5 33,98 1154,640 6 33,49 1121,580 7 33,74 1138,388

  2

  X X

  j. Uji Kecukupan Data Suhu Globe No

  Kesimpulan: Data Cukup

  Total 214,840 6608,794

  1 28,16 792,986 2 29,38 863,184 3 29,87 892,217 4 31,08 965,966 5 32,11 1031,052 6 32,13 1032,337 7 32,11 1031,052

  7

  Uji Validitas Kuesioner

  Tujuan dari pengujian validitas adalah untuk menguji apakah kuesioner yang digunakan telah tepat/cermat dalam melakukan fungsi ukurnya. Dalam pengujian validitas ini, digunakan korelasi product moment. Adapun langkah-langkah pengujian validitas kuesioner adalah sebagai berikut.

  1. Ho : Kuesioner merupakan instrument yang valid dan dapat digunakan dalam pengumpulan/pengolahan data.

  H

  1 : Kuesioner bukan merupakan instrument yang valid dan tidak dapat digunakan dalam pengumpulan/pengolahan data.

  2. Taraf signifikan yang dipilih α = 0,05

  Wilayah kritis Product Moment dengan tabel = α = 0,05 dan N = 6 adalah r 0,811.

  3. Cari r hitung :

  ( )( ) N

  XY −

  X Y ∑ ∑ ∑ r _xy = _{2 2 2 2} N X − ( X ) N Y − ( Y )

  [ ][ ] ∑ ∑ ∑ ∑

  Dimana: r xy = koefisien korelasi setiap item n = jumlah peserta tes

  = jumlah skor item ΣX

  = jumlah skor total ΣY ΣXY = jumlah perkalian skor item dan skor total

  2

  = jumlah kuadrat skor item ΣX

  2

  = jumlah kuadrat skor total Σ Y 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 Thermal Sensation Sebelum Bekerja

  Responden

  2

  2 X Y

  X Y

  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:

  n

  XY −

  X Y ( )( ) ∑ ∑ ∑ r _xy = _{2 2 2 2} n X − X n Y − Y

  ( ) ( ) ( ) ( )

  ∑ ∑ ∑ ∑ 6 ( 12 ) − ( − 2 )( 15 ) r ,

  

89

_xy = = _{2 2} ( 6 ( 4 ) − ( − 2 ) ( 6 ( 147 ) − ( 15 ) )

  4. Kesimpulan: r hitung > r tabel (0,89 > 0,811), maka Ho diterima, berarti kuesioner merupakan instrument yang valid dan dapat digunakan dalam pengumpulan/pengolahan 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.

  6 0,812 0,811 valid Effect of work

  Leg fatigue

  6 0,89 0,811 valid Back fatigue 6 0,956 0,811 valid

  Back fatigue

  6 0,91 0,811 valid Shoulder fatigue 6 0,956 0,811 valid

  Shoulder fatigue

  6 0,89 0,811 valid Hand fatigue 6 0,832 0,811 valid

  Hand fatigue

  6 0,956 0,811 valid

  environment

  Effect of work environment

  Thermal sensation

  6 0,89 0,811 valid Thermal condition 6 0,956 0,811 valid

  Thermal condition

  6 0,91 0,811 valid Air flow preference 6 0,956 0,811 valid

  Air flow preference

  6 0,89 0,811 valid Thermal preference 6 0,956 0,811 valid

  Thermal preference

  6 0,91 0,811 valid Air flow sensation 6 0,832 0,811 valid

  Air flow sensation

  6 0,89 0,811 valid Thermal sensation 6 0,832 0,811 valid

  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: _{2 2 i}

  (

  X ) ∑

  X − _{i 2} ∑ N

  = σ _i

  N

  2 i = Varians butir pertanyaan ke -n.

  σ = Jumlah skor jawaban subjek untuk butir pertanyaan ke-n.

  i

  ƩX 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

Sebelum Bekerja Responden Pertanyaan

  2 ∑Y ∑Y

  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

• 2

  2

  1

  2

  1

  6

  1

  2

  1

  1 15 147

  ∑X

  2

  4

  2

  1

  2

  1

  10

  1

  2

  1

  1

  ∑X ₂ ( − 2 ) ₂ 4 −

  6

  σ ₁ = = 0,556

6 Dengan cara yang sama seperti yang di atas, maka dapat diperoleh masing-

  masing varians dari setiap pertanyaan tersebut. Hasil perhitungan dapat dilihat

  

Hasil Perhitungan Varians Tiap Pertanyaan Sebelum Bekerja

Pertanyaan σ

  − = 25 ,

  k k r

  σ σ

    

    

  −   

    

  18 584 ,

  1

  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.

  1 _t ^b

  ∑ ₂ ²

  2

  18

  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 ,

  6

  − =

  6

  15 147 ²

  = −

  Dimasukkan ke rumus alpha:    

     

  −   

    

  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

Ketinggian Temperatur _{2 2 3 4 2} No x y x.y x x x y Lny x lny (x) (y)

  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 ∑

  Y = a = =165,216/5 = 33,043

  n

  Y = 33,043

  b. Metode Linier Y = a + bx

  n

  XY −

  X Y

  5 ( 198 , 616 ) ( 6 ) 165 , 216 − ( )

  ∑ ∑ ∑

  b = = = 0,101 _{2 2 2} 5 ( 10 , 720 ) − ( 6 )

  n X −

  X ( ) ∑ ∑

  Y − b

  X 165 , 216 ( , 101 )( 6 ) −

  ∑ ∑

  a = = = 32,922

  n

  5

  y = 32,922 + 0,101 x

  c. Metode Kuadratis

2 Y = a + bx + cx

  _{2 3} α =

  X X − n X = 6(10,720) – 5(22,806) = -46,110 ∑ ∑ ∑ _{2 2}

  2

  β =

  X n X = (6) – 5(10,720) = -17,600 −

  ( ) ∑ ∑ _{2 2 4}

  

2

  γ =

  X − n X = (10,720) – 5(49,008) = -130,124 ( )

  ∑ ∑

  δ =

  X Y − n

  XY = 6(165,216) – 5(198,616) = -1,783 ∑ ∑ ∑ _{2 2}

  = 10,720(165,216) – 5(355,020) = -3,985 θ =

  X Y − n

  X Y ∑ ∑ ∑

  γ δ θ α

  . − . ( − 130 , 124 )( −

  1 , 783 ) − ( − 3 , 985 )( − 46 , 110 ) b = = _{2 2} γ β α

  . − ( − 130 , 124 )( −

  17 , 600 ) − ( − 46 , 110 ) = 0,294

  θ b − α − 3 , 985 − ( , 294 )( − 46 , 110 ) c = = = -0,074 γ − 130 , 124 ₂ Y − b

  X − c

  X ∑ ∑ ∑

  a =

  n − − − 165 , 216 ( , 294 )(

  6 ) ( , 074 )( 10 , 720 )

  = = 32,849

  5

2 Y = 32,849 + 0,294 x – 0,074 x

  d. Metode Eksponensial

  bx

  Y = ae

  n X ln Y − X ln Y

  5 ( 20 , 999 ) − ( 6 )( 17 , 489 )

  ∑ ∑ ∑

  b = = = 0,003 _{2 2 2} 5 ( 10 , 720 ) ( 6 )

  −

  n

  X X −

  ( ) ∑ ∑ ln Y − b

  X 17 , 489 ( , 003 )( 6 ) −

  ∑ ∑

  ln a = = = 3,494

  n

  5

  a = 32,905

  0,003x

  Y = 32,905 e Setelah mencari persamaan untuk setiap metode tersebut, maka perlu dilakukan perhitungan SEE (Standart Error of Estimation) dengan rumus: ₂

  ( Y − Y ' )

∑

  SEE = n − f

  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-y')^2

  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-y')^2

  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

  0,012

  Total

  SEE = 0,063

  c. SEE untuk metode kuadratis

• 0.019
• 0.029

  2

  = 0,864

  X XY n r _xy

  X X n Y

  = _{2 2 2 2} Y Y n

  − − −

  ∑ ∑ ∑ ∑ ∑ ∑ ∑

  ( ) ( )

  ( )( ) ( ) ( )

  (metode kuadratis) r =

  SEE = 0,068 Jadi, persamaan yang dipiliha adalah Y = 32,849 + 0,294 x – 0,074 x

  x y y' y-y' (y-y')^2

  Total 0,014

  0.100 32.859 32.915 -0.056 0.003 0.600 33.028 32.965 0.063 0.004 1.100 33.089 33.014 0.075 0.006 1.700 33.106 33.074 0.032 0.001 2.500 33.134 33.153 -0.019 0.000

  x y y' y-y' (y- y')^2

  d. SEE untuk metode eksponensial

  SEE = 0,032

  Total 0,002

  0.001 2.500 33.134 33.122 0.012 0.000

  0.000 0.600 33.028 32.999 0.029 0.001 1.100 33.089 33.083 0.006 0.000 1.700 33.106 33.135

  0.100 32.859 32.878

  

Grafik Pengaruh Kecepatan Angin Terhadap Temperatur

Perhitungan Regresi Kecepatan Angin Terhadap Temperatur

• Eksponensial Y = 44,018 e

  1,268 Jadi, persamaan yang dipiliha adalah Y = 47,077 – 116,950 x (metode linier)

  X XY n r _xy

  X X n Y

  = _{2 2 2 2} Y Y n

  − − −

  ∑ ∑ ∑ ∑ ∑ ∑ ∑

  ( ) ( )

  ( )( ) ( ) ( )

  Kuadratis - (tidak dapat dihitung karena nilai α dan γ bernilai 0)

  Konstan Y = 33,043 1,322 Linier Y = 47,077 – 116,950 x 1,245

  

Hasil Perhitungan Persamaan dan SEE Untuk Setiap Metode

Metode Persamaan SEE

  Dengan menggunakan cara yang sama seperti perhitungan sebelumnya, maka akan di dapat persamaan dan SEE untuk metode konstan, linier, kuadratis, dan eksponensial, yang hasilnya dapat dilihat pada tabel di bawah ini.

  Total 0.840 231.302 0.101 7653.428 27.733 0.012 0.001 3.332 24.479 2.937

  1 0.12 30.807 0.014 949.071 3.697 0.002 0.000 0.444 3.428 0.411 2 0.13 31.951 0.017 1020.866 4.154 0.002 0.000 0.540 3.464 0.450 3 0.12 34.121 0.014 1164.243 4.095 0.002 0.000 0.491 3.530 0.424 4 0.12 32.600 0.014 1062.760 3.912 0.002 0.000 0.469 3.484 0.418 5 0.12 33.360 0.014 1112.890 4.003 0.002 0.000 0.480 3.507 0.421 6 0.12 34.173 0.014 1167.794 4.101 0.002 0.000 0.492 3.531 0.424 7 0.11 34.290 0.012 1175.804 3.772 0.001 0.000 0.415 3.535 0.389

  

Data Rata-Rata Kecepatan Angin Terhadap Temperatur

No Kecepatan angin (x) Temperatur (y) x ² y ² x.y x ³ x ⁴ x ² y Lny x lny

  Adapun data rata-rata pengaruh kecepatan angin terhadap suhu dapat dilihat pada tabel di bawah ini

• 2,400x

  r = -0,511

  

Grafik Pengaruh Kecepatan Angin Terhadap Temperatur

Perhitungan Regresi Kelembaban Terhadap Temperatur

  Adapun data rata-rata pengaruh kelembaban terhadap suhu dapat dilihat pada tabel di bawah ini,

  Data Rata-Rata Kelembaban Terhadap Temperatur No Kelembaban (x) Temperatur (y) x ² y ² x.y x ³ x ⁴ x ² y Lny x lny

1 77.350 30.807 5983.023 949.071 2382.921 462786.790 35796558.236 184318.974 3.428 265.156

2 77.100 31.951 5944.410 1020.866 2463.422 458314.011 35336010.248 189929.844 3.464 267.074

3 76.400 34.121 5836.960 1164.243 2606.844 445943.744 34070102.042 199162.912 3.530 269.692

4 70.200 32.600 4928.040 1062.760 2288.520 345948.408 24285578.242 160654.104 3.484 244.577

5 66.050 33.360 4362.603 1112.890 2203.428 288149.895 19032300.573 145536.419 3.507 231.637

6 67.750 34.173 4590.063 1167.794 2315.221 310976.734 21068673.754 156856.206 3.531 239.225

7 69.000 34.290 4761.000 1175.804 2366.010 328509.000 22667121.000 163254.690 3.535 243.915

  Total 503.850 231.302 36406.098 7653.428 16626.367 2640628.583 192256344.094 1199713.149 24.479 1761.276

  Dengan menggunakan cara yang sama seperti perhitungan sebelumnya, maka akan di dapat persamaan dan SEE untuk metode konstan, linier, kuadratis, dan eksponensial, yang hasilnya dapat dilihat pada tabel di bawah ini.

  Hasil Perhitungan Persamaan dan SEE Untuk Setiap Metode Metode Persamaan SEE

  Konstan Y = 33,043 1,322 Linier Y = 44,596 – 0,160x 1,174

  2 Kuadratis Y = -109,444 + 4,075x – 0,029x 1,283

• 0,005x

  Eksponensial Y = 47,304 e 1,176 Jadi, persamaan yang dipiliha adalah Y = 44,596 – 0,160x (metode linier)

  n

  XY −

  X Y ( )( ) ∑ ∑ ∑ r = _{xy 2 2 2 2} n

  X − X n Y − Y ( ) ( )

  ( ) ( ) ∑ ∑ ∑ ∑

  r = -0,586

  Grafik Pengaruh Kelembaban Terhadap Temperatur

  Spesifikasi COOLER TURBINE VENTILATOR : 1, COOL’ER TURBINE VENTILATOR TYPE L-45

  Bahan : Alluminium dan Stainless Steel Bearing : Full Stainless Steel, Made In Japan Diameter : 45 CM = 18’’ Dimensi : 75 x 68 x68 Berat : 4,5 kg s/d 8,5 kg Kapasitas Hisap : 42,39 M³ / menit

  

2, COOL’ER TURBINE VENTILATOR TYPE L-60 WA SPLIT

  Bahan : Alluminium dan Stainless Steel Bearing : Full Stainless Steel, Made In Japan Diameter : 60 CM = 24’’ Dimensi : 100 x 86 x86 Berat : 8,5 kg s/d 13,5 kg Kapasitas Hisap : 75,36 M³ / menit

  

3, COOL’ER TURBINE VENTILATOR TYPE L-75 WA SPLIT

  Bahan : Alluminium dan Stainless Steel Bearing : Full Stainless Steel, Made In Japan Diameter : 75 CM = 30’’ Dimensi : 120 x 100 x100 Berat : 13,5 kg s/d 19,5 kg Kapasitas Hisap : 117,75 M³ / menit

  NASA CR-1205-1, “A Compendium of Human Responses to the Aerospace Environment”,* o

  The report shows that when in-plant temperatures rise over 85 , output drops by 18% and accuracy suffers from a 40% increace in errors, Productivity losses from high temperatures may be documented by your own production records,

  

Effective Temperature Loss in Output Loss in Accuracy

o

  75 3% Negligible o 80 8% 5% o 85 18% 40% o 90 29% 300% o 95 45% 700% o 100 62% >> o 105 79% ->>

• *Effective Temperature is the combined effect of temperature, humidity, and air

  motion on the body,

• Study for NASA, “Comfort Conditioning the Plant with Evaporative Cooling”

  Plant Engineering July 8, 1976 Pg 76 Joseph Marg

“Evaporative Air Conditioning Handbook” John Watt, PE and Will Brown PE

rd

  3 Edition Pg 201