Pengaruh Model Tangga, Kegiatan Naik Dan Turun Serta Berat Badan Dalam Perubahan Nilai Grf (Ground Reaction Force)

c. Transformasikan data tersebut menjadi nilai baku (z) ........................................................................................ (2.6)

dimana x i = nilai pengamatan ke i

= rata rata = standar deviasi

d. Dari nilai baku (z), tentukan nilai probabilitasnya P(z) berdasarkan sebaran normal baku, sebagai probabilitas pengamatan. Gunakan tabel standar luas wilayah di bawah kurva normal, atau dengan bantuan Ms. Excel dengan function

e. Tentukan nilai probabilitas harapan kumulatif P(x) dengan cara sebagai berikut :

f. Tentukan nilai maksimum dari selisih absolut P(z) dan P(x) yaitu maks | P(z) P(x)| , sebagai nilai L hitung.

g. Tentukan nilai maksimum dari selisih absolut P(x i1 ) dan P(z) yaitu maks | P(x i1 ) P( ) | maks | P(x

i1

) P( ) |

Tahap berikutnya adalah menganalisis apakah data observasi dalam beberapa kali replikasi berdistribusi normal. Hipotesis yang diajukan adalah :

H 0 : data observasi berasal dari populasi yang berdistribusi normal

H 1 : data observasi berasal dari populasi yang tidak berdistribusi normal Taraf nyata yang dipilih α = 0.05, dengan wilayah kritik L hitung >L α(n). Apabila

nilai L hitung <L tabel , maka terima H 0 dan simpulkan bahwa data observasi berasal dari populasi yang berdistribusi normal.

yang dieksperimenkan. Dari plot data residual tersebut dapat dilihat apakah data residual antara satu dengan yang lain dalam suatu faktor tiap levelnya memiliki jarak yang jauh atau tidak. Data dinyatakan homogen apabila data residual antara satu dengan yang lain dalam suatu faktor tiap levelnya memiliki jarak yang tidak jauh. Selain itu juga dapat dilakukan dengan uji lavene, uji ini dilakukan dengan menggunakan analisis ragam terhadap selisih absolut dari setiap nilai pengamatan dalam sampel dengan rata rata sampel yang bersangkutan.

Prosedur uji homogenitas levene adalah sebagai berikut :

a. Kelompokkan data berdasarkan faktor yang akan diuji.

b. Hitung selisih absolut nilai pengamatan terhadap rata ratanya pada tiap level.

c. Hitung nilai nilai berikut ini :

Faktor Koreksi (FK) =

Dimana x

= data hasil pengamatan

i = 1, 2, …, n ( n banyaknya data)

SS faktor =

Dimana k = banyaknya data pada tiap level

SS total = ( ) FK y i − ∑

Dimana y

= selisih absolut data hasil pengamatan dengan rata ratanya untuk tiap level

SSeror = SStotal – Ssfaktor .............................................................. (2.11)

Faktor

F SS (Faktor)

SS (Faktor) / Df

MS faktor / MS eror

Error

n1f

SSe

SSe / Df

Total

n1

SStotal

Sumber : Douglas, 1991

d. Hipotesis yang diajukan adalah sebagai berikut :

H 0 :σ 1

: Ragam seluruh level faktor tidak semuanya sama

e. Taraf nyata yang dipilih adalah α = 0.05 Wilayah kritik : F > Fα (v1 ; v2)

3. Uji independensi Salah satu upaya mencapai sifat independen adalah dengan melakukan pengacakan terhadap observasi. Namun demikian, jika masalah acak ini diragukan maka dapat dilakukan pengujian dengan cara memplot residual versus urutan pengambilan observasinya. Hasil plot tersebut akan memperlihatkan ada tidaknya pola tertentu. Jika ada pola tertentu, berarti ada korelasi antar residual atau error tidak independen. Apabila hal tersebut terjadi, berarti pengacakan urutan eksperimen tidak benar (eksperimen tidak terurut secara acak). Selain itu juga bias dilakukan uji Durbin Watson untuk mengetahui apakah data bersifat acak atau tidak. Langkah langkah perhitungan uji Durbin Watson adalah sebagai berikut:

a. Menentukan nilai residual (e

b. Hitung nilai Durbin Watson (d) sebagai berikut: b. Hitung nilai Durbin Watson (d) sebagai berikut:

dan d

(lihat tabel statistik d dari Durbin Watson).

d. Selanjutnya dilakukan analisis apakah data bersifat acak atau tidak.

Jika hipotesis nol (H

) adalah bahwa data tidak ada serial korelasi positif, maka jika

d<d L : menolak H 0 d>d U : tidak menolak H 0

≤d≤d

: pengujian tidak meyakinkan

Jika hipotesis nol (H 0 ) adalah bahwa data tidak ada serial korelasi negatif, maka jika

d>4d

: menolak H

d<4d U : tidak menolak H 0

4 d U ≤d≤4d L : pengujian tidak meyakinkan Jika hipotesis nol (H

) adalah dua ujung, bahwa tidak ada serial autokorelasi baik positif maupun negatif, maka jika

d<d L : menolak H 0 d>4 d L : menolak H 0

d U <d<4 d U : tidak menolak H 0

4 d U ≤d≤4 d L atau d L ≤d≤d U : pengujian tidak meyakinkan.

melihat level mana yang memberikan sumbangan paling baik pada variabel respon. Salah satu pengujian setelah ANOVA untuk membandingkan beberapa level dengan data yang seimbang adalah pengujian Student Newman Keuls. Langkah langkah pengujian Student Newman Keuls menurut Douglas (1991) adalah sebagai berikut:

1. Urutkan nilai rata rata setiap level dari yang terkecil hingga terbesar.

2. Lihat Tabel ANOVA untuk menentukan nilai MS error dan df.

3. Hitung standar error untuk mean dengan rumus

4. Lihat tabel studentized range table untuk melihat range signifikan pada nilai α yang diinginkan, gunakan n 2 yaitu nilai df error dan ambil nilai p = 2, 3, …, k dan

daftar nilai range signifikan untuk k – 1.

5. Hitung LSR (Least Sisgnificance Range) dengan rumus LSR = S

Y.j

* range signifikan.

6. Bandingkan range observasi antar mean, dimulai dengan membandingkan yang paling besar dengan yang paling kecil, dilanjutkan dengan membandingkan mean yang paling besar dengan yang paling kecil kedua dan seterusnya.

7. Bandingkan selisih mean dengan nilai LSR, jika selisih mean > LSR maka mean berbeda secara signifikan.

tahapan dalam proses penelitian. Metodologi penelitian ini digunakan sebagai pedoman dalam melaksanakan penelitian, agar hasil yang dicapai tidak menyimpang dari tujuan yang telah ditetapkan.

Metodologi Penelitian

Pengambilan data Ground Reaction Force

Pengumpulan data Ground Reaction Force

Penentuan waktu dan tempat penelitian

Pengumpulan dan perancangan tangga eksperimen

Identifikasi tangga secara

umum

" Metodologi Penelitian ( lanjutan )

Metodologi Penelitian ( lanjutan )

Pada Gambar 3.1 ditunjukkan langkah langkah penelitian mengenai analisis faktor faktor yang mempengaruhi perubahan nilai ground reaction force (GRF) pada orang normal dalam keadaan berjalan di atas anak tangga dengan tingkat kemiringan yang berbeda beda.

1. Latar belakang, Manusia bergerak di atas tanah dengan berbagai gerakan seperti berjalan, berlari, atau berdiri menciptakan tantangan utama bagi sistem kontrol keseimbangan tubuh. Akan tetapi dengan berat manusia yang semakin bertambah sangat penting bagi kita dalam menjaga kestabilan gerakan berjalan. Cedera yang disebabkan jatuh dengan berat badan berlebih merupakan salah satu faktor utama yang dihadapai oleh manusia. Tangga sering menjadi kendala yang dihadapi dalam kehidupan sehari hari oleh seseorang yang memiliki berat badan berlebih. Meskipun orang sehat menaiki tangga dengan cukup mudah, tapi fungsi penggerak akan berkurang keseimbangannya seiring dengan bertambahnya berat badan. Sendi lutut merupakan anggota tubuh yang secara terus menerus mengalami tekanan. Ketika naik tangga maka beban pada sendi lutut lebih kecil daripada turun tangga. Saat naik tangga tekanan akan meningkat hingga 3 kali dan saat turun tangga tekanan yang dialami sendi lutut mencapai 5 kali dari berat tubuh yang disebabkan karena gaya grativasi. Itu sanagt bermasalah bagi seseorang yang memilik berat badan berlebih.

2. Perumusan masalah, Perumusan masalah pada penelitian ini adalah memberi usulan perbaikan model tangga agar proses aktivitas naik dan turun tangga menjadi aman dan nyaman.

3. Penentuan tujuan dan manfaat penelitian, Tujuan dari penelitian ini yaitu :

a. Mengetahui pengaruh kemiringan model tangga terhadap perubahan nilai pada ground reaction force.

b. Mengetahui pengaruh gerakan naik turun tangga terhadap perubahan nilai pada ground reaction force.

(force platform) yang memiliki kemampuan mentranfer data ke media penyimpanan tanpa kabel (melalui gelombang frekuensi radio) dan alat pengukur sudut (goniometer) yang memiliki kemampuan yang sama, semua studi lapangan dilakukan di laboratorium Perencanaan dan Perancangan Produksi, Teknik Industri, Universitas Sebelas Maret.

5. Studi literatur, Sebelum dilakukan penelitian, peneliti melakukan studi literatur berupa pengkajian ground reaction force, konsep mekanisme gerakan saat naik turun tangga dan lain lain melalui jurnal jurnal internasional, tugas akhir angkatan atas dan artikel artikel yang mendukung kajian. Setelah itu dilakukan pengkajian metode yang mendukung teknik pengolahan data yang didapat dari referensi sumber sumber buku teknik industri beserta artikel artikel ilmiah lainnya.

Pada tahap ini dilakukan proses pengumpulan data dari kegiatan eksperimen yang melibatkan aktivitas responden yang melakukan gerakan naik turun tangga. Proses pengumpulan data ini akan diuraikan sebagai berukut:

Pada tahap ini dilakukan pengumpulan data referensi mengenai tipe tipe tangga secara umum. Tangga secara umum dibagi menjadi 3 macam yaitu tangga pada fasilitas gedung, tangga pada rumah tinggal dan tangga pada fasilitas outdoor. Informasi yang diambil dari tipe tangga secara umum adalah tingkat kemiringan tangga (Afridjal, 2010). Data tersebut dikumpulkan sebagai acuan dalam perancangan tangga yang akan digunakan sebagai eksperimen biomekanika.

Pengambilan data antropometri masing masing responden dilakukan secara insidental. Responden yang diambil sebagai sampel dalam penelitian ini sejumlah

Proses desain awal menggunakan software solidwork 2011, sedangkan pembuatannya menggunakan bahan kayu multiplex. Desain ini merupakan tahap lanjutan dari tahap kajian mengenai rancangan tangga secara umum yang telah dipilih menjadi acuan dalam pembuatan tangga eksperimen. Proses pemilihan referensi tangga secara umum sebagai acuan dasar pembuatan tangga eksperimen, sebagai berikut:

* Proses Pemilihan Referensi Tangga Konvensional Pemilihan kemiringan tangga sebagai acuan perancangan tangga eksperimen

memiliki kemiringan 18,44 0 ≈ 18 0 ( tangga model 1), 22,89 0 ≈ 22 0 (tangga model

2) dan 27,07 0 ≈ 27 0 ( tangga model 3 ), sedangkan lebar bordes dan lebar pijakan diukur menyesuaikan anthropometri responden.

Penelitian dilakukan pada hari sabtu tanggal 11 Februari 2012 di Penelitian dilakukan pada hari sabtu tanggal 11 Februari 2012 di

, Skema sistem kerja eksperimen biomekanika Eksperimen biomekanika dilakukan secara digital menggunakan force platform dan goniometer. Force platform berfungsi sebagai alat pencatat ground reaction force yang diletakkan pada anak tangga kedua, sedangkan goniometer berfungsi sebagai alat pencatat sudut pada saat naik dan turun tangga yang dilengkapi dengan marker set pada sudut hip, knee dan ankle. Keterangan dari gambar 3.5, sebagai berikut:

A : Receiver gelombang radio frekuensi dari pemancar gelombang goniometer.

B : Receiver gelombang radio frekuensi dari pemancar gelombang force platform.

C : Laptop sebagai media penyimpanan data goniometer dan ground reaction force.

D : Force platform dengan alat pemancar gelombang frekuensi radio.

E : Tangga eksperimen biomekanika.

F : Pemancar gelombang dari data goniometer.

G : Goniometer dengan beberapa marker set

Pengambilan data ground reaction force dan data sudut segmen tubuh mengikuti prosedur yang telah ditetapkan sebelum eksperimen. Pada tahap pengambilan data ground reaction force, prosedur eksperimen biomekanika yang dilakukan adalah sebagai berikut:

1. Force platform diletakkan pada anak tangga kedua.

2. Subjek (responden) melakukan gerakan naik tangga dengan cara ketika salah satu kaki subjek berada pada anak tangga pertama, maka kaki lainnya berada pada anak tangga selanjutnya (tidak bersamaan dalam satu anak tangga).

3. Saat subjek berada pada anak tangga ke 3, subjek berhenti sejenak selama 5 detik dengan kedua kaki bersama sama pada anak tangga ke 3.

4. Kemudian subjek membalikkan badan untuk melakukan gerakan turun tangga dengan fase berjalan sama seperti fase naik.

5. Data GRF yang keluar dari force platform terekam langsung di media penyimpanan (laptop).

6. Semua subjek melakukan gerakan naik dan turun tangga pada kemiringan tangga tertentu dengan 3 kali pengulangan.

7. Setiap jeda pengulangan, responden diharuskan istirahat 1 menit agar tidak kelelahan.

8. Sebelum subjek berpindah ke tangga selanjutnya (kemiringan berbeda), subjek diharuskan istirahat selama 3 menit untuk melakukan aktivitas yang sama seperti pada tangga sebelumnya.

9. Kegiatan tersebut dilakukan dengan 3 model tangga yang tersedia.

Pada tahap pengambilan data sudut, setiap subjek melakukan sekali gerakan naik dan turun tangga (tanpa ada pengulangan). Sudut segmen tubuh yang

terekam goniometer dimulai dari titik 0 360 0 . Prosedur eksperimen biomekanika pada tahap pengambilan data segmen tubuh, sebagai berikut:

1. Goniometer dan marker set dipasang pada ankle, hip dan knee responden yang akan melakukan percobaan.

badan tanpa istirahat untuk melakukan gerakan turun tangga dengan fase berjalan sama seperti fase naik.

4. Data segmen tubuh yang keluar dari goniometer tersimpan langsung pada laptop.

5. Selanjutnya subjek berpindah ke tangga lainnya(kemiringan berbeda) dengan melakukan aktivitas yang sama seperti pada tangga sebelumnya. Setiap pergerakan subjek ketika naik dan turun tangga direkam oleh sebuah video kamera untuk analisa fase gerakan.

Output dari force platform berupa data ground reaction force. Ground reaction force merupakan gaya yang dihasilkan dari akumulasi gaya yang diterima oleh masing masing load cell pada force platform. Pada penelitian ini, data diperoleh dari 12 responden laki laki dan perempuan saat melakukan aktivitas naik maupun turun tangga.

Interpretasi data ground reaction force yang dilakukan yaitu menafsirkan grafik ground reaction force saat naik maupun turun tangga sekaligus faktor faktor yang terlibat dari aktivitas gerakan tersebut seperti model tangga, gerakan naik tangga, dan berat badan. Beberapa aktivitas gerakan bawah kaki ketika naik dan turun tangga membentuk 3 fase peak to peak yaitu fase loading response, fase mid stance dan fase push off yang mengakibatkan terbentuknya 2 puncak dan 1 lembah pada grafik ground reaction force. Fase fase ini digunakan sebagai input dalam pengolahan data ground reaction force.

Apabila menggunakan analisis variansi sebagai alat analisa data eksperimen, maka seharusnya sebelum data diolah, terlebih dahulu dilakukan uji asumsi asumsi ANOVA berupa uji normalitas, homogenitas variansi, dan independensi, Apabila menggunakan analisis variansi sebagai alat analisa data eksperimen, maka seharusnya sebelum data diolah, terlebih dahulu dilakukan uji asumsi asumsi ANOVA berupa uji normalitas, homogenitas variansi, dan independensi,

Pemilihan uji lilliefors sebagai alat uji normalitas didasarkan oleh:

a. Uji lilliefors adalah uji kolmogorov smirnov yang telah dimodifikasi dan secara khusus berguna untuk melakukan uji normalitas bilamana mean dan variansi tidak diketahui, tetapi merupakan estimasi dari data (sampel). Uji kolmogorov smirnov masih bersifat umum karena berguna untuk membandingkan fungsi distribusi kumulatif data observasi dari sebuah variabel dengan sebuah distribusi teoritis, yang mungkin bersifat normal, seragam, poisson, atau exponential.

b. Uji lilliefors sangat tepat digunakan untuk data kontinu dan data tidak disusun dalam bentuk interval (bentuk frekuensi). Apabila data tidak bersifat seperti di atas maka uji yang tepat untuk digunakan adalah khi kuadrat. (Douglas, 1991).

Langkah langkah perhitungan uji lilliefors adalah sebagai berikut :

a. Urutkan data dari yang terkecil sampai terbesar.

b. Hitung rata rata (x bar) dan standar deviasi (s) data tersebut.

s ....................................................................... (3.2)

c. Transformasikan data tersebut menjadi nilai baku (z) ...................................................................................... (3.3)

dimana x i = nilai pengamatan ke i dimana x i = nilai pengamatan ke i

e. Tentukan nilai probabilitas harapan kumulatif P(x) dengan cara sebagai berikut :

f. Tentukan nilai maksimum dari selisih absolut P(z) dan P(x) yaitu maks | P(z) P(x)| , sebagai nilai L hitung.

g. Tentukan nilai maksimum dari selisih absolut P(x

i1

) dan P(z) yaitu maks | P(x i1 ) P( ) | maks | P(x i1 ) P( ) |

Tahap berikutnya adalah menganalisis apakah data observasi dalam beberapa kali replikasi berdistribusi normal. Hipotesis yang diajukan adalah :

H 0 : data observasi berasal dari populasi yang berdistribusi normal

H 1 : data observasi berasal dari populasi yang tidak berdistribusi normal Taraf nyata yang dipilih α = 0.05, dengan wilayah kritik L

hitung

> L α(n).

Apabila nilai L

, maka terima H

dan simpulkan bahwa data observasi berasal dari populasi yang berdistribusi normal.

2. Uji homogenitas Pengujian homogenitas digunakan untuk mengetahui apakah data tiap faktor yang dieksperimenkan bersifat homogen atau tidak. Prosedur pengukuran uji homogenitas dapat dilakukan dengan cara membuat plot data residual tiap faktor yang dieksperimenkan. Dari plot data residual tersebut dapat dilihat apakah data residual antara satu dengan yang lain dalam suatu faktor tiap levelnya memiliki jarak yang jauh atau tidak. Data dinyatakan homogen apabila data residual antara satu dengan yang lain dalam suatu faktor tiap levelnya memiliki jarak yang tidak jauh. Selain itu juga dapat dilakukan dengan uji lavene, uji ini dilakukan dengan 2. Uji homogenitas Pengujian homogenitas digunakan untuk mengetahui apakah data tiap faktor yang dieksperimenkan bersifat homogen atau tidak. Prosedur pengukuran uji homogenitas dapat dilakukan dengan cara membuat plot data residual tiap faktor yang dieksperimenkan. Dari plot data residual tersebut dapat dilihat apakah data residual antara satu dengan yang lain dalam suatu faktor tiap levelnya memiliki jarak yang jauh atau tidak. Data dinyatakan homogen apabila data residual antara satu dengan yang lain dalam suatu faktor tiap levelnya memiliki jarak yang tidak jauh. Selain itu juga dapat dilakukan dengan uji lavene, uji ini dilakukan dengan

Faktor Koreksi (FK)=

................................................................. (3.5) Dimana x i = data hasil pengamatan

i = 1, 2, …, n ( n banyaknya data)

SS faktor = ( )

Dimana k = banyaknya data pada tiap level

SS total = ( ) FK y i − ∑

2 .......................................................................... (3.7) Dimana y

= selisih absolut data hasil pengamatan dengan rata ratanya untuk tiap level

SSeror = SStotal – Ssfaktor .................................................................... (3.8)

Nilai nilai hasil perhitungan di atas dapat dirangkum dalam sebuah daftar analisis ragam sebagaimana Tabel 3.1 berikut ini. Skema umum daftar analisis ragam homogenitas

Faktor

F SS (Faktor) SS (Faktor) / Df MS faktor / MS eror Error

Sumber : Douglas, 1991

d. Hipotesis yang diajukan adalah sebagai berikut :

: Ragam seluruh level faktor tidak semuanya sama

e. Taraf nyata yang dipilih adalah α = 0.05 Wilayah kritik : F > Fα

(v1 ; v2) (v1 ; v2)

a. Menentukan nilai residual (e

b. Hitung nilai Durbin Watson (d) sebagai berikut:

c. Untuk ukuran sampel tertentu dan banyaknya variabel yang menjelaskan tertentu, dapatkan nilai kritis d

dan d

(lihat tabel statistik d dari Durbin Watson).

d. Selanjutnya dilakukan analisis apakah data bersifat acak atau tidak.

Jika hipotesis nol (H

) adalah bahwa data tidak ada serial korelasi positif, maka jika

d<d

: menolak H

d>d

: tidak menolak H

≤d≤d

: pengujian tidak meyakinkan

Jika hipotesis nol (H

) adalah bahwa data tidak ada serial korelasi negatif, maka jika

d>4d

: menolak H

d<4d

: tidak menolak H : tidak menolak H

: menolak H

<d<4 d

: tidak menolak H

4 d U ≤d≤4 d L atau d L ≤d≤d U : pengujian tidak meyakinkan.

Pengujian ANOVA hanya memberikan keputusan mengenai berpengaruh atau tidaknya suatu faktor terhadap variabel respon. Langkah selanjutnya setelah pengujian ANOVA adalah membandingkan hasil eksperimen antar treatment untuk melihat level mana yang memberikan sumbangan paling baik pada variabel respon. Salah satu pengujian setelah ANOVA untuk membandingkan beberapa el dengan data yang seimbang adalah pengujian Student Newman Keuls. kah langkah pengujian Student Newman Keuls menurut Douglas (1991) adalah sebagai berikut:

1. Urutkan nilai rata rata setiap level dari yang terkecil hingga terbesar.

2. Lihat Tabel ANOVA untuk menentukan nilai MS error dan df.

3. Hitung standar error untuk mean dengan rumus

4. Lihat tabel studentized range table untuk melihat range signifikan pada nilai α yang diinginkan, gunakan n

yaitu nilai df

error

dan ambil nilai p = 2, 3, …, k dan daftar nilai range signifikan untuk k – 1.

5. Hitung LSR (Least Sisgnificance Range) dengan rumus LSR = S Y.j * range signifikan.

6. Bandingkan range observasi antar mean, dimulai dengan membandingkan yang paling besar dengan yang paling kecil, dilanjutkan dengan membandingkan

Analisis dilakukan untuk mengetahui nilai nilai ground reaction force yang optimal beserta aspek keseimbangan lainnya sehingga dapat diketahui dampak positif dari perbaikan perancangan kemiringan tangga.

,%

Merupakan tahap terakhir dari penelitian yang berisi kesimpulan secara keseluruhan dari analisis optimalisasi biomekanika sehingga tercapainya tujuan dan manfaat dari penelitian yaitu kenyamanan saat berjalan naik turun tangga.

sebelum ANOVA yang meliputi pengujian kenormalan distribusi data, homogenitas tiap level dan pengujian independensi. Setelah melalui tahap pengujian asumsi ini kemudian dilanjutkan pada pengujian ANOVA untuk pengaruh tiap faktor terhadap perubahan data GRF (Ground Reaction Force). Setelah uji asumsi ANOVA memenuhi syarat maka dilakukan uji analisis varian (ANOVA) untuk mengetahui apakah faktor faktor yang diteliti mempunyai pengaruh signifikan terhadap perubahan nilai GRF. Pengujian selanjutnya adalah uji Student Newman Keults. Uji ini dilakukan bila pada uji ANOVA terdapat faktor faktor yang memiliki pengaruh signifikan terhadap perubahan nilai GRF.

Sebelumnya berikut adalah data eksperimen secara keseluruhan yang dapat dilihat pada tabel berikut dan untuk contoh tabel sum square mengambil contoh fase loading respond, untuk fase mid stance dan toe off dapat dilihat pada halaman lampiran.

IV 11

IV 12

IV 13 IV 13

Pengujian asumsi residual dilakukan secara bertahap. Pengujian asumsi yang pertama adalah pengujian kenormalan distribusi data. Setelah dilakukan pengujian kenormalan distribusi data, kemudian dilakukan pengujian homogenitas data dan pengujian independensi data. Ketiga pengujian asumsi residual ini dilakukan dengan metode plot residual data. Adapun nilai residual data diperoleh

dengan rumus . Nilai residual data observasi dapat dilihat pada Lampiran.

Pengujian normalitas data dilakukan terhadap data secara keseluruhan dan data masing masing perlakuan satu persatu untuk melihat apakah data dari setiap perlakuan berdistribusi normal. Pengujian normalitas dilakukan dengan dua cara, pertama dilakukan dengan plot probabilitas normal dan metode lilliefors. Plot probabilitas normal adalah suatu grafik dari distribusi kumulatif residual pada kertas probabilitas normal. Untuk pengujian normalitas dengan plot residual digunakan nilai residual yang diurutkan dari kecil ke besar dan nilai % PK. Nilai PK dan % PK diperoleh dengan rumus sebagai berikut:

Tabel P k dan residual dapat dilihat pada lampiran. Data dikatakan berdistribusi normal jika plot ini membentuk suatu garis lurus. Pengujian dengan

plot residual pada normal probability paper ditunjukkan pada gambar 4.5.

! Uji Normalitas Dengan Plot Residual Fase Loading Respon Selain pengujian dengan grafik juga dilakukan pengujian normal dengan metode lilliefors untuk membuktikan secara matematis apakah data tersebut berdistribusi normal. Uji lilliefors merupakan suatu uji hipotesis dengan hipotesis yang diuji adalah sebagai berikut:

: Data berdistribusi normal

: Data tidak berdistribusi normal Wilayah kritik penolakan H

adalah L

hitung

>L tabel .

Adapun langkah langkah pengujian normalitas dengan metode lilliefors adalah sebagai berikut:

a. Urutkan data observasi dari yang terkecil sampai terbesar sebagaimana ditunjukkan oleh kolom x pada lampiran.

b. Hitung rata rata ( ) dan standar deviasi ( ) data tersebut.

c. Transformasikan data (x) tersebut menjadi nilai baku ( ).

dimana x i = nilai pengamatan ke i

= rata rata = standar deviasi

Dengan cara yang sama diperoleh seluruh nilai baku sebagaimana pada kolom z pada lampiran.

d. Dari nilai baku (z), tentukan nilai probabilitasnya P(z) berdasarkan sebaran normal baku, sebagai probabilitas pengamatan. Gunakan tabel standar luas wilayah di bawah kurva normal, atau dengan bantuan Ms. Excel dengan function

e. Tentukan nilai probabilitas harapan kumulatif P(x) dengan cara sebagai berikut :

Misal :

Dengan cara yang sama akan diperoleh seluruh nilai P(x) sebagaimana pada kolom P( ) pada lampiran.

f. Tentukan nilai maksimum dari selisih absolut P(z) dan P(x) yaitu

maks | P(z) P(x)| , sebagai nilai L hitung. maks | P(z) P(x)| = 0.079

0.1044. Titik kritik H

adalah L

hitung

. Perhitungan uji lilliefors di atas menghasilkan nilai L

hitung

adalah 0.079 sehingga L

hitung

, maka hipotesis

nol diterima dan disimpulkan bahwa data pada fase mid stance berdistribusi normal.

Pada fase Loading respon dengan menggunakan maka diperoleh

nilai dari tabel sebesar 0.1044. Titik kritik H 0 adalah L hitung >

. Perhitungan uji lilliefors menghasilkan nilai L

hitung

adalah 0.139 sehingga L

hitung

maka hipotesis nol diterima dan disimpulkan bahwa data pada fase loading respon berdistribusi normal. Begitu juga pada fase toe off dengan menggunakan

maka diperoleh nilai dari tabel sebesar 0.1044. Titik kritik H 0 adalah L hitung > . Perhitungan uji lilliefors menghasilkan nilai L

hitung

adalah 0.078 sehingga L

hitung

< , maka hipotesis nol diterima dan disimpulkan bahwa data pada fase toe off berdistribusi normal.

Uji homogenitas dilakukan untuk melihat apakah variansi pada setiap perlakuan sama. Pengujian ini dilakukan dengan cara mengeplotkan residual sesuai masing masing level terhadap levelnya masing masing. Hasil plot residual tiap faktor ditunjukkan pada gambar berikut:

Plot Residual Faktor Model Tangga Fase Loading Respon

Plot Residual Faktor Naik Turun Fase Loading Respon

Plot Residual Faktor Berat Badan Fase Loading Respon Selain pengujian dengan plot residual, pengujian homogenitas data juga dilakukan dengan uji hipotesis formal yaitu dengan uji Levene . Hipotesis yang ingin diuji dalam uji homogenitas adalah:

H 0 : Ragam seluruh level semuanya sama

: Ragam seluruh level tidak semuanya sama Untuk pengujian homogenitas dengan metode Levene ini diperlukan data selisih absolut untuk tiap data terhadap rata rata pada tiap levelnya. Data selisih absolut ini ditunjukkan pada lampiran. Selanjutnya dilakukan perhitungan sebagai berikut:

• Penghitungan Faktor Koreksi (FK)

• Penghitungan Sum Square (SS) • Penghitungan Sum Square (SS)

total i

• Perhitungan Mean Square (MS)

• Perhitungan F

Maka untuk

= 1.728 sehingga hipotesis awal diterima dan terbukti bahwa data dari fase mid stance homogen.

Untuk fase loading respon dengan nilai F

hitung = 1.69 dan

= 1.728 sehingga hipotesis awal diterima dan terbukti bahwa data

dari fase loading respon homogen. Sedangkan untuk fase toe off dengan nilai

Uji independensi dilakukan dengan dua cara yaitu plot residual data terhadap urutan waktu dan pengujian hipotesis dengan uji Durbin7Watson. Uji independensi dilakukan untuk melihat apakah urutan pengambilan data turut mempengaruhi hasil eksperimen. Data hasil eksperimen memenuhi asumsi jika urutan waktu pengambilan data tidak berpengaruh terhadap hasil. Data eksperimen untuk pengujian independensi merupakan data menurut urutan waktu pengambilan data. Pengujian independensi dengan plot residual dapat dilihat pada gambar 4.9, 4.10, 4.11. Data residual menurut urutan waktu ditunjukkan dalam tabel berikut.

# Data Residual Menurut Urutan Waktu Eksperimen

Fase Loading Respon

Urutan Praktikum

6 -2.35 7 -1.775

10 -0.675 11 -3.325

95 -0.25 96 -0.9

3 -2.2 4 0 5 -0.575 6 0.125 7 -0.275 8 0.625 9 -1.45

Data Residual Menurut Urutan Waktu Eksperimen

Fase Toe Off

Urutan Praktikum

1 4.025 2 7.4 3 -3.2

4 2.55 5 7.525 6 9.6 7 9.525 8 2.95 9 5.875 10 8.15 11 3.7 12 4.65

95 -0.25 96 -0.9

# Uji Independensi Fase Loading Respon

$ Uji Independensi Fase Mid Stance

Uji Independensi Fase Toe Off Dari ketiga grafik plot data hasil eksperimen dapat dilihat bahwa data bersifat acak dan tidak membentuk suatu pola tertentu sehingga data memenuhi asumsi independent terhadap waktu pengambilan data. Untuk lebih memperkuat asumsi independent perlu dilakukan pengujian independensi dengan cara pengujian hipotesis secara formal. Pengujian independensi dengan uji hipotesis formal dilakukan dengan uji Durbin7Watson dengan mengambil contoh fase mid stance. Langkah langkah uji Durbin7Watson adalah sebagai berikut:

1. Menentukan nilai residual (e

) seperti ditunjukkan pada tabel data residual menurut urutan waktu eksperimen.

2. Penghitungan nilai Durbin7Watson (d) sebagai berikut:

d U = 1.3314

4. Selanjutnya dilakukan analisis apakah data bersifat acak atau tidak. Jika hipotesis nol (H

) adalah bahwa data tidak ada serial korelasi positif, maka jika

d<d L : menolak H 0

d>d

: tidak menolak H

≤d≤d

: pengujian tidak meyakinkan

Jika hipotesis nol (H

) adalah bahwa data tidak ada serial korelasi negatif, maka jika

d > 47d

: menolak H

d < 47d

: tidak menolak H

47 d

≤ d ≤ 47d

: pengujian tidak meyakinkan

Jika hipotesis nol (H

) adalah dua ujung, bahwa tidak ada serial autokorelasi baik positif maupun negatif, maka jika

d<d

: menolak H

d > 47 d

: menolak H

<d<4 d

: tidak menolak H

47 d

≤ d ≤ 47 d

atau d

≤d≤d

: pengujian tidak meyakinkan. Berdasarkan hasil perhitungan, terlihat bahwa nilai d (2.65) > nilai d U (1,33), maka terima H

, dari hasil tersebut menyatakan bahwa bahwa data fase

mid stance tidak ada serial korelasi positif atau data bersifat acak. Begitu juga dengan nilai d pada fase loading respond dan toe off yaitu 1.75 dan 1.6 yang mid stance tidak ada serial korelasi positif atau data bersifat acak. Begitu juga dengan nilai d pada fase loading respond dan toe off yaitu 1.75 dan 1.6 yang

a = jumlah level faktor A

b = jumlah level faktor B

c = jumlah level faktor C n = jumlah replikasi

a. Hipotesis dalam Uji ANOVA

H 0A % tidak ada pengaruh perbedaaan model tangga terhadap

perubahan nilai GRF

H 1A % ada pengaruh perbedaaan model tangga terhadap perubahan

nilai GRF

H 0B % tidak ada pengaruh perbedaan pergerakan jalan terhadap

perubahan nilai GRF

H 1B % ada pengaruh perbedaan pergerakan jalan terhadap perubahan

nilai GRF

H 0C % tidak ada pengaruh perbedaan berat badan terhadap perubahan

nilai GRF

H 1C % ada pengaruh perbedaan berat badan terhadap perubahan nilai

GRF

b. Penentuan tingkat signifikansi Tingkat signifikan yang digunakan sebesar 0.05

c. Penentuan daerah kritis Ho ditolak bila F ratio > Fα (v1:v2)

d. Pengujian Statistik Perhitungan berikut menggunakan contoh dari fase loading respon.

SUM SQUARE TOTAL $$ &! $

IV 27

Perhitungan Manual :

SS Total = ∑∑∑

ijk

ijk

= 341974,394

96

, 31677385 ,

= 12001,57204

SUM SQUARE FAKTOR MODEL TANGGA &

IV 29

4 )( 2 )( 4 ( 4

, 3710760 4 , 3457244 92 , 3395051 , + +

96

, 31677385 ,

= 122,746

SUM SQUARE FAKTOR NAIK TURUN & !$ !

IV 31

SS B = ∑

ijk

nac

Tj

4 )( 3 )( 4 ( 4

, 7778242 1 , 8061719 + ,

96

, 31677385 ,

= 26,425

SUM SQUARE FAKTOR BERAT BADAN " #&" "

IV 33

SS C = ∑

ijk

nab

Tk

2 )( 3 )( 4 ( 4

, 2708986 01 , 2160606 214 , 1981666 56 , 1220472 , + + +

96

, 31677385 ,

= 6349,382

SUM SQUARE FAKTOR MODEL TANGGA DAN NAIK TURUN $&

IV 35

SS AB = ∑∑

− − − B ijk ij ijk SS SS

nc

96

, 316773085 ,

4 )( 4 ( 4

47565949,4 − 2

122,746 – 24,425

= 70,682

SUM SQUARE FAKTOR MODEL TANGGA DAN BERAT BADAN & "$

IV 37

SS AC = ∑∑

− − − C ijk ik ijk SS SS

nb

96

, 31677385 ,

2 )( 4 ( 4

2692094,07 − 5

122,746 6349,38

= 66,863

SUM SQUARE FAKTOR PERGERAKAN JALAN DAN BERAT BADAN # &# $

IV 39

SS BC = ∑∑

− − − C ijk jk ijk SS SS

na

96

, 31677385 ,

3 )( 4 ( 4

2692094,07 − 5

26,425 – 6349,38

= 94,977

SUM SQUARE FAKTOR MODELTANGGA, NAIK TURUN DAN BERAT BADAN $&!

IV 41

Menghitung Sum Of Square Error (SS error ).

SS error

= SS total – SS A – SS B – SS C – SS AB – SS AC – SS BC – SS ABC = 12001,572 – 122,746 26,425 6349,38 70,68 66,863

94,977 110,56 SS error = 28638,6 Menghitung Nilai Mean Square (MS) MS faktor = SS faktor / df faktor • Mean Square Faktor Model Tangga

SS A / df A = 122,746/ (2) = 61,37 MS A = 61,37 • Mean Square Faktor Pergerakan Jalan SS B / df B = 26,425/ (1) = 26,425

MS B = 26,425

• Mean Square Faktor Berat Badan

SS C / df C = 6349,38/ (3) = 2116,46 MS C = 2116,46

• Mean Square Faktor Model Tangga dan Pergerakan Jalan

SS AB / df AB = 70,68/ (2) = 35,34 MS AB = 35,34

• Mean Square Faktor Model Tangga dan Berat Badan

SS AC / df AC = 66,86/ (6) = 11,14 MS AC = 11,14

• Mean Square Faktor Model Tangga, Pergerakan Jalan dan Berat

Badan SS ABC / df ABC = 110,568/ (6)

• Mean Square Error SS error / df error = 28638,065 / (72) = 397,75

MS errof

Menghitung Nilai F hitung

F hitung = MS faktor / MS error

F hitung = MS A / MS error = 61,37/ 397,75 = 0,154

F hitung

= MS B / MS error = 26,425 / 397,75 = 0,066

F hitung = MS C / MS error = 2116,46 / 397,75 = 5,321

F hitung = MS AB / MS error = 35,34 / 397,75 = 0,00067

F hitung = MS AC / MS error = 11,14 / 397,75 = 0,000214

$ Hasil Perhitungan Manual Fase Loading Respon

' ('

* '+,-.

SSa 2 122,7461343 61,3730671 0,15430026 3,123907449 Terima SSb

1 26,42501157 26,4250116 0,06643608 3,973896992 Terima SSc

3 6349,382431 2116,46081 5,32107093 2,73180701 Tolak SSab

2 70,68175926 35,3408796 0,00067628 2,996004721 Terima SSac

6 66,86340278 11,1439005 0,00021325 2,098871558 Terima SSbc

3 94,97704861 31,6590162 0,00060582 2,605178757 Terima SSabc

6 110,5684722 18,4280787 0,00035264 2,098871558 Terima error

Untuk fase loading respon hanya faktor berat badan yang memasuki wilayah kritis F

hitung

>F

tabel sedangkan faktor model tangga dan pergerakan jalan

serta interaksi dari semua antar faktor tidak memasuki wilayah kritis F hitung >F tabel maka interaksi antar faktor tidak perlu dilakukan pengujian selanjutnya yaitu pengujian setelah ANOVA.

Berikut adalah hasil perhitungan dari fase mid stance dan toe off :

Hasil Perhitungan Manual Fase Mid Stance

3,03767 Terima SSb

3,88487 Tolak SSc

3 9130,26927 3043,42309 118,90920 2,64640 Tolak SSab

2,99601 Terima SSac

2,09887 Terima SSbc

2,60518 Terima SSabc

2,09887 Terima error

Untuk fase mid stance, hanya faktor pergerakan jalan dan berat badan yang memasuki wilayah kritis F hitung > F tabel

maka perlu dilakukan pengujian

SSa

262,80316 16,67687 3,03767 Tolak SSb

682,22229 32,68963 3,88487 Tolak SSc

3 9197,52591 3065,84197 32,03207 2,64640 Tolak SSab

2,99607 Terima SSac

2,09894 terima SSbc

2,60524 terima SSabc

2,09894 terima error

1 1,35472 Untuk fase toe off, hanya faktor model tangga, pergerakan jalan, dan berat

badan yang memasuki wilayah kritis F hitung > F tabel sedangkan interaksi dari

semua antar faktor tidak memasuki wilayah kritis F hitung > F tabel maka interaksi antar faktor tidak perlu dilakukan pengujian selanjutnya yaitu pengujian setelah ANOVA.

Uji ANOVA hanya dapat memberikan keputusan berupa berpengaruh atau tidaknya suatu faktor. Untuk dapat melihat level mana yang memiliki pengaruh yang paling optimum perlu dilakukan suatu uji lebih lanjut yaitu uji setelah ANOVA. Uji setelah ANOVA yang akan digunakan dalam penelitian ini adalah uji student7newman keuls. Uji setelah ANOVA ini membandingkan seluruh faktor untuk memilih faktor mana yang memiliki pengaruh paling optimum.

" /'

0 * 1+2 23 -.. 4

Dikarenakan fase loading respon dan mid stance tidak diperlukan uji setelah anova pada faktor model tangga, maka perhitungan berikut adalah perhitungan uji setelah anova dari fase toe off.

Mengambil nilai MSerror dan dferror dari tabel ANOVA MS error = 54.83

df error = 72 Menghitung Error Standar untuk jumlah mean treatment

Menentukan taraf signifikasi (α ) dan rentang student Dengan α = 0.05 ; V = n1 = df error = 72 ; p=2,3,..., k Maka didapat nilai range dari tabel studentized range table

Range

Menghitung Least Significant Range LSR = S Yj x nilai tiap range

! LSR

Perhitungan manual : LSR = 4.275 x 2.772 = 11.85

LSR = 4.275 x 3.314 = 14.167 Perbandingan beda mean dan LSR Perbandingan Beda Mean

= beda mean lawan LSR = 6.15 < 14.16 → tidak signifikan

• 3 lawan 2

Beda mean

= mean N(3) – mean N(2) = 63.610 – 61.502 = 2.11

= beda mean lawan LSR = 2.62 < 11.85 → tidak signifikan

• 2 lawan 1

Beda mean

= mean N(2) – mean N(1) = 61.502 – 57.940 = 3.56

= beda mean lawan LSR = 3.53 < 11.85 → tidak signifikan

Intrepetasi Hasil Perbandingan

Pada perbandingan beda mean dan LSR , perbandingan a3 lawan a2 , a3 lawan a1, dan a2 lawan a1 tidak signifikan terhadap perubahan nilai GRF. Padahal dalam uji ANOVA, didapatkan bahwa model tangga berpengaruh terhadap perubahan nilai GRF. Perbedaan ini dikarenakan faktor model tangga pada fase toe off mempunyai pengaruh yang relatif sangat kecil terhadap perubahan nilai GRF.

1. Fase Mid Stance Menyusun mean mean setiap treatment dari kecil ke besar

Mean Faktor Pergerakan Jalan Fase Mid Stance

$%&' $

Mengambil nilai MS error dan df error dari tabel ANOVA MS error = 54.83

df error = 72 Menghitung Error Standar untuk jumlah mean treatment

Menentukan taraf signifikasi (α ) dan rentang student Dengan α = 0.05 ; V = n2 = df error = 72 ; p=2,3,..., k Maka didapat nilai range dari tabel studentized range table

Range

Menghitung Least Significant Range LSR = S Yj x nilai tiap range

# LSR

Perhitungan manual : LSR = 5.236x 2.772 = 14.514

Perhitungan Manual : • 2 lawan 1

Beda mean

= mean N(2) – mean N(1) = 61 – 58 =3

= beda mean lawan LSR = 3 < 14.514 → tidak signifikan

Intrepetasi Hasil Perbandingan

Pada perbandingan beda mean dan LSR , perbandingan b2 lawan b1 tidak signifikan terhadap perubahan nilai GRF. Padahal dalam uji ANOVA, didapatkan bahwa pergerakan jalan berpengaruh terhadap perubahan nilai GRF. Perbedaan ini dikarenakan faktor pergerakan jalan pada fase mid stance mempunyai pengaruh yang relatif sangat kecil terhadap perubahan nilai GRF.

2. Fase Toe Off Menyusun mean mean setiap treatment dari kecil ke besar

" Mean Faktor Pergerakan Jalan Fase Toe Off

$%&' $

Mengambil nilai MSerror dan dferror dari tabel ANOVA MS error = 54.83

df error = 72 Menghitung Error Standar untuk jumlah mean treatment

error

Yj

MS

Menghitung Least Significant Range LSR = S Yj x nilai tiap range

"" LSR

Perhitungan manual : LSR = 5.24 x 2.772 = 14.514 Perbandingan beda mean dan LSR

" Perbandingan Beda Mean

Perhitungan Manual : • 2 lawan 1

Beda mean

= mean N(2) – mean N(1) = 63 – 58 =6

= beda mean lawan LSR = 6 < 14.514 → tidak signifikan

Intrepetasi Hasil Perbandingan

Pada perbandingan beda mean dan LSR , perbandingan b2 lawan b1 tidak signifikan terhadap perubahan nilai GRF. Padahal dalam uji ANOVA, didapatkan bahwa pergerakan jalan berpengaruh terhadap perubahan nilai GRF. Perbedaan ini dikarenakan faktor pergerakan jalan pada fase toe off mempunyai pengaruh yang

Mengambil nilai MSerror dan dferror dari tabel ANOVA MS error = 397.75

df error = 72 Menghitung Error Standar untuk jumlah mean treatment

Menentukan taraf signifikasi (α ) dan rentang student Dengan α = 0.05 ; V = n3= df error = 72 ; p=2,3,..., k Maka didapat nilai range dari tabel studentized range table

" Range

Menghitung Least Significant Range LSR = S Yj x nilai tiap range

" LSR

Perhitungan manual : LSR = 9.971 x 2.772 = 27.64 LSR = 9.971 x 3.314 = 33.04 LSR = 9.971 x 3.633 = 36.22

Perhitungan Manual : • 4 lawan 1

Beda mean

= mean N(4) – mean N(1) = 68.579 – 46.031 = 22.55

= beda mean lawan LSR = 22.55 < 36.22 → signifikan

• 4 lawan 2

Beda mean

= mean N(4) – mean N(2) = 68.579 – 58.655 = 9.92

= beda mean lawan LSR = 9.92 < 33.0467 → tidak signifikan

• 2 lawan 1

Beda mean

= mean N(2) – mean N(1) = 58.655 – 46.031 = 12.62

Pada perbandingan beda mean dan LSR, terdapat beragam perbandingan yang signifikan dan tidak signifikan. Akan tetapi perbandingan mean dan LSR yang signifikan mempunyai jumlah yang lebih sedikit yaitu dengan jumlah 2 daripada perbandingan mean dan LSR yang tidak signifikan yang berjumlah 4. Dalam uji ANOVA, didapatkan juga bahwa berat badan berpengaruh terhadap perubahan nilai GRF. Hasil yang demikian menyatakan bahwa berat badan memberikan pengaruh yang kecil pada fase loading respon terhadap GRF. Kata “signifikan” di sini berarti bahwa faktor tersebut berpengaruh besar terhadap perubahan nilai GRF sedangkan untuk yang “ tidak signifikan” mempunyai pengaruh yang kecil.

2. Fase Mid Stance Menyusun mean mean setiap treatment dari kecil ke besar

"# Mean Faktor Berat Badan Fase Mid Stance

Mengambil nilai MSerror dan dferror dari tabel ANOVA MS error = 54.83

df error = 72 Menghitung Error Standar untuk jumlah mean treatment

Menentukan taraf signifikasi (α ) dan rentang student Dengan α = 0.05 ; V = n3= df error = 72 ; p=2,3,..., k Maka didapat nilai range dari tabel studentized range table

Menghitung Least Significant Range LSR = S Yj x nilai tiap range

LSR

Perhitungan manual : LSR = 3.7 x 2.772 = 10.263 LSR = 3.7 x 3.314 = 12.270 LSR = 3.7 x 3.633 = 13.451 Perbandingan beda mean dan LSR

Perbandingan Beda Mean

&)&' !

Perhitungan Manual : • 4 lawan 1

Beda mean

= mean N(4) – mean N(1) = 73.379 – 45.860 = 27.52

= beda mean lawan LSR = 27.52 > 13.45 → signifikan

• 4 lawan 2

Beda mean

= mean N(4) – mean N(2) = 73.379 – 58.021

• 2 lawan 1

Beda mean

= mean N(2) – mean N(1) = 58.860 – 45.860 = 12.16

= beda mean lawan LSR = 12.16 > 10.26 → signifikan

Intrepetasi Hasil Perbandingan

Pada perbandingan beda mean dan LSR, terdapat beragam perbandingan yang signifikan dan tidak signifikan. Akan tetapi perbandingan mean dan LSR yang signifikan mempunyai jumlah yang lebih banyak yaitu dengan jumlah 5 daripada perbandingan mean dan LSR yang tidak signifikan yang hanya berjumlah 1. Dalam uji ANOVA, didapatkan juga bahwa berat badan berpengaruh terhadap perubahan nilai GRF. Hasil yang demikian menyatakan bahwa berat badan pada fase mid stance memberikan pengaruh yang signifikan terhadap GRF sehingga faktor berat badan pada fase mid stance tidak dapat diabaikan dalam perubahan nilai GRF. Kata “signifikan” di sini berarti bahwa faktor tersebut berpengaruh besar terhadap perubahan nilai GRF sedangkan untuk yang “ tidak signifikan” mempunyai pengaruh yang kecil.

3. Fase Toe Off Menyusun mean mean setiap treatment dari kecil ke besar

" Mean Faktor Berat Badan Fase Toe Off

Menentukan taraf signifikasi (α ) dan rentang student Dengan α = 0.05 ; V = n3= df error = 72 ; p=2,3,..., k Maka didapat nilai range dari tabel studentized range table

Range

Menghitung Least Significant Range LSR = S Yj x nilai tiap range

! LSR

Perhitungan manual : LSR = 3.7 x 2.772 = 10.262 LSR = 3.7 x 3.314 = 12.269 LSR = 3.7 x 3.633 = 13.450 Perbandingan beda mean dan LSR

Perbandingan Beda Mean

&)&' !

Perhitungan Manual : • 4 lawan 1

Beda mean

= mean N(4) – mean N(1)

• 4 lawan 2

Beda mean

= mean N(4) – mean N(2) = 75.177 – 60.583 = 14.53

= beda mean lawan LSR = 14.53 > 12.269 → signifikan

• 2 lawan 1

Beda mean

= mean N(2) – mean N(1) = 60.583 – 47.444 = 13.14

= beda mean lawan LSR = 13.24 > 10.262 → signifikan

Intrepetasi Hasil Perbandingan

Pada perbandingan beda mean dan LSR, terdapat beragam perbandingan yang signifikan dan tidak signifikan. Akan tetapi perbandingan mean dan LSR yang signifikan mempunyai jumlah yang lebih banyak yaitu dengan jumlah 5 daripada perbandingan mean dan LSR yang tidak signifikan yang hanya berjumlah 1. Dalam uji ANOVA, didapatkan juga bahwa berat badan berpengaruh terhadap perubahan nilai GRF. Hasil yang demikian menyatakan bahwa berat badan pada fase toe off memberikan pengaruh yang signifikan terhadap GRF sehingga faktor berat badan pada fase toe off tidak dapat diabaikan dalam perubahan nilai GRF. Kata “signifikan” di sini berarti bahwa faktor tersebut

data yang diawali dengan identifikasi karakteristik tipe tangga dan bentuk postur pengguna tangga dilanjutkan dengan merancang dan memilih model tangga eksperimen yang sesuai dengan tujuan penelitian.

Pada tahap pengumpulan data berisi tentang langkah langkah eksperimen, diskripsi tangga eksperimen biomekanika, pengambilan data anthropometri, protokol eksperimen biomekanika dan data hasil percobaan biomekanika (

dan sudut segmen tubuh).

Eksperimen merupakan suatu test atau deretan test untuk melihat pengaruh perubahan variable input dari suatu proses atau sistem terhadap

atau yang ingin diamati. Langkah langkah dalam eksperimen adalah sebagai berikut :

1. mengenai masalah yang akan diuji yaitu adanya pengaruh model tangga, kegiatan naik dan turun serta berat badan terhadap nilai GRF (

). Dimana, experimental unit nya adalah responden dan universe nya adalah seluruh responden mahasiswa UNS yang mempunyai berat badan antara 45 – 75 kg.

2. Variabel respon yang dihasilkan berupa pengaruh responden terhadap GRF, nilai

0 jika tidak ada pengaruh terhadap nilai GRF, nilai 1 jika ada pengaruh terhadap nilai GRF.

3. (faktor) yang mempunyai pengaruh terhadap nilai GRF yaitu model tangga, kegiatan naik dan turun serta berat badan.

4. Jumlah observasi dalam eksperimen ini adalah 12 responden.

5. Model matematik untuk variabel respon dalam eksperimen ini adalah:

Faktor C = berat badan

a = jumlah level faktor A

b = jumlah level faktor B

c = jumlah level faktor C n = jumlah replikasi

Pada eksperimen ini dibuat tiga buah tangga dengan yang mengacu pada informasi dari identifikasi tipe tangga. Tingkat kemiringan yang di dapat dari identifikasi terdiri dari 4 tingkatan yaitu lantai miring, landai, biasa, curam, dan naik vertikal. Informasi yang diambil dari identifikasi tipe tangga terdapat pada tabel 4.1.

Transformasi persentasi gradien

6 0 20 0 Lantai miring

Tangga Model I

20 0 24 0 Tangga landai

Tangga Model II

24 0 45 0 Tangga biasa

Tangga Model III Sumber: Fa’izin, 2009

Desain model tangga eksperimen mengambil 3 kemiringan yaitu rendah, sedang dan landai. Model kemiringan curam tidak digunakan pada eksperimen ini karena sudut yang dibentuk terlalu besar sehingga dikhawatirkan responden cidera pada saat percobaan. Desain model tangga eksperimen terdiri dari 3 macam, yaitu: tangga model 1, tangga model 2 dan tangga model 3.

Tangga model 1 adalah tangga eksperimen yang memiliki kemiringan paling rendah. Tangga ini merujuk pada model tangga untuk fasilitas

yang

Tangga model I

Lebar anak tangga ( ) model 1 adalah 45 cm, tinggi anak tangga (

) adalah 19 cm. Ukuran lebar tangga ( ) adalah 63 cm diukur

berdasarkan antrhopometri maksimal panjang pundak responden yaitu 50 cm.

Tangga model 2 adalah tangga eksperimen yang memiliki kemiringan sedang. Tangga ini merujuk pada model tangga untuk rumah tinggal yang memiliki

kemiringan landai. Pada eksperimen ini digunakan tangga dengan kemiringan 22,89 0 . Sketsa tangga eksperimen untuk model II dapat dilihat pada gambar 4.2.

Tangga model II

Lebar anak tangga ( ) model 2 adalah 45 cm, tinggi anak tangga (

) adalah 19 cm, lebar tangga ( ) adalah 63 cm. kemiringan yang

digunakan adalah 22,89 0 ≈ 22 0 .

kemiringan tangga biasa. Sketsa tangga eksperimen untuk model III dapat dilihat pada gambar 4.3.

) Tangga model III