Upload
gunawan-abdul-basith
View
44
Download
1
Embed Size (px)
DESCRIPTION
Tentang penilaian mutu tebu terhadap rendemen
Citation preview
2015
PT. PERKEBUNAN NUSANTARA XI PABRIK GULA WONOLANGAN GUNAWAN ABDUL BASITH Bagian Quality Control
[HUBUNGAN PENILAIAN KEBERSIHAN TEBU SECARA VISUAL TERHADAP RENDEMEN INDIVIDU] Penelitian tentang hubungan antara penilaian tingkat kekotoran tebu (daduk, sogolan, pucuk dan cacahan) di meja tebu terhadap analisa rendemen individu. Di uji secara statistik dengan bantuan SPSS® versi 17. Untuk konsumsi internal.
DAFTAR ISI
Halaman judul
Daftar isi .......................................................................................................................... 1
Pendahuluan ................................................................................................................... 2
Metode pengujian ........................................................................................................... 4
Hasil pengujian ................................................................................................................ 6
Kesimpulan & Saran .................................................................................................................... 12
PENDAHULUAN
Seleksi mutu tebu yang akan di giling di PG Wonolangan dilakukan secara berjenjang. Pertama,
di lapangan/kebun oleh KKW dan PTR setiap afdeling (bagian tanaman). Kedua di selektor I
Kedungasem oleh petugas QC. Ketiga di selektor II meja tebu oleh petugas QC, dan yang
terakhir atau keempat di ruang ARI oleh petugas QC.
Pengamatan mutu tebu dari keempat tahap ini semua dilakukan secara kualitatif, sehingga
keakuratan dan keseragaman pengamatan masing-masing petugas pengamatan dapat berbeda-
beda. Untuk meminimalkan hal tersebut, maka sebelum giling tahun 2015 dimulai, telah
dilakukan semacam inhouse training penyamaan persepsi penilaian mutu tebu di selektor I & II
yang dihadiri oleh seluruh petugas QC terkait dan juga dihadiri pula oleh Manajer & Asisten
Manajer bagian Tanaman.
Penilaian mutu tebu berdasarkan panduan dari direksi dinyatakan dengan nilai A, B, C dan D
dengan penjelasan masing-masing sebagai berikut:
~ A = Tebu Bersih ( Tidak ada kotoran )
~ B = Tebu Sedang ( Kotoran dominan Daduk < 5% )
~ C = Tebu Kotor ( Kotoran > 5% )
~ D = Tebu Terbakar
Penilaian mutu tebu oleh QC digunakan sebagai dasar penerimaan tebu saat dan perencanaan
pemasukan tebu keesokan harinya. Dalam perjalanan giling, ditemui suara-suara sumbang
tentang keakuratan analisa visual dari bagian tanaman, walaupun seperti telah dijelaskan
diawal, telah dilakukan penyeragaman persepsi sebelumnya.
Idealnya semua tebu diketahui tingkat kekotorannya dengan pasti, namun pada taraf
operasional hal seperti demikian sangat sulit dilakukan, jika tidak bisa dikatakan mustahil,
karena sifatnya sangat costly dan sangat tidak efektif.
Analisa di selektor I bukannya tidak berguna, melainkan belum cukup mewakili kondisi tebu
sesungguhnya, karena tebu sebanyak 3 batang jelas tidak dapat mewakili tebu sebanyak 4500
batang (rata-rata) dalam satu truk.
Untuk mencari sampel yang akurat dalam suatu populasi, dapat digunakan rumus Slovin:
N = n/N(d)2 + 1, dimana n = sampel; N = populasi; d = nilai presisi 95% atau sig. = 0,05.
Misalnya, jumlah populasi adalah 4500, dan tingkat kesalahan yang dikehendaki adalah 5%, maka jumlah sampel yang digunakan adalah :
N = 4500 / 4500 (0,05)2 + 1 = 367 batang
Hal ini sekali lagi jelas tidak mungkin dilakukan, karena lagi-lagi berbiaya tinggi & tidak efektif.
Cara termudah dan termurah yang dapat diandalkan adalah analisa visual di meja tebu dan
analisa rendemen individu di ruang NPP. Analisa visual bagaimanapun juga tidak bisa akurat
seperti analisa hitungan kuantitatif (analisa trash), namun masih dapat memberikan gambaran
tentang mutu tebu dan hasilnya dapat diterima oleh pihak yang berkepentingan terhadap hasil
analisanya. Uji statistik dapat dijadikan jalan penengah guna memperoleh kepercayaan
berdasarkan perhitungan ilmiah pada hasil analisa petugas QC di meja tebu.
NILAI
A < X < X < X < 2
B X - XX 10 - 70 X - XX 5 - 15 X - XX 2 - 5
C > XX > - 70 > XX > - 15 > XX > - 5
D - - -
ASUMSI :
1 TRUK = 6000 KG
1 SOGOLAN = 2,5 KG
1 PUCUKAN = 0,75 KG
Tabel panduan kuantitatif penilaian mutu tebu di Selektor II
TERBAKAR
% kotoran
SEDIKIT-SEDANG
SEDANG-BANYAK
NYARIS TIDAK ADA NYARIS TIDAK ADA NYARIS TIDAK ADA
DADUK PUCUKAN SOGOLAN
1 ?
2 X ?
3 XX ?
4 XXX ?
5 X ?
6 X X ?
7 X XX ?
8 X XXX ?
9 XX ?
10 XX X ?
11 XX XX ?
12 XX XXX ?
13 XXX ?
14 XXX X ?
15 XXX XX ?
16 XXX XXX ?
17 X ?
18 X X ?
19 X XX ?
20 X XXX ?
21 X X ?
22 X X X ?
23 X X XX ?
24 X X XXX ?
25 X XX ?
26 X XX X ?
27 X XX XX ?
28 X XX XXX ?
29 X XXX ?
30 X XXX X ?
31 X XXX XX ?
32 X XXX XXX ?
33 XX ?
34 XX X ?
35 XX XX ?
36 XX XXX ?
37 XX X ?
38 XX X X ?
39 XX X XX ?
40 XX X XXX ?
41 XX XX ?
42 XX XX X ?
43 XX XX XX ?
44 XX XX XXX ?
45 XX XXX ?
46 XX XXX X ?
47 XX XXX XX ?
48 XX XXX XXX ?
49 XXX ?
50 XXX X ?
51 XXX XX ?
52 XXX XXX ?
53 XXX X ?
54 XXX X X ?
55 XXX X XX ?
56 XXX X XXX ?
57 XXX XX ?
58 XXX XX X ?
59 XXX XX XX ?
60 XXX XX XXX ?
61 XXX XXX ?
62 XXX XXX X ?
63 XXX XXX XX ?
64 XXX XXX XXX ?
D P SMUTU
TEBUNO
METODE PENGUJIAN
Penilaian mutu tebu di PG Wonolangan menggunakan panduan direksi seperti yang dijelaskan
di Pendahuluan, bersifat sangat kualitatif, masih bias, sehingga di PG Wonolangan nilai tersebut
berusaha dikuantitatifkan lagi dengan cara berikut:
Dengan 3 variabel penyusun (daduk, pucuk & sogolan) serta 4 tingkatan
masing-masing (tidak ada silang, X, XX dan XXX), maka terdapat 64
kombinasi. Jika penilaian A, B, C dan D harus berpatokan pada 64
kombinasi tersebut maka akan membingungkan petugas penilai. Atas
dasar itu maka tabel panduan di atas tetap kami gunakan karena cukup
simple dan dapat dijalankan oleh petugas.
Untuk mendapatkan bukti sejauh mana keakuratan penilaian mutu
tebu oleh petugas kami maka perlu dilakukan uji statistik hubungan
antara penilaian mutu tebu terhadap satu variabel yang paling
merepresentasikan kualitas tebu, yaitu rendemen. Rendemen yang
digunakan adalah rendemen individu dari ruang NPP.
Model pengujiannya adalah sebagai berikut:
Y = a + bX1 + cX2 + dX3 + eX4
Dimana: Y = Rendemen ARI
X1 = Daduk
X2 = Sogolan
X3 = Pucukan
X4 = Cacahan
Variabel X4 (cacahan) kami masukkan walaupun bukan pembentuk nilai
A, B, C atau D, namun variabel ini dimasukkan catatan di meja tebu dan
diyakini berpengaruh pada rendemen ARI.
dan seterusnya..
Data yang digunakan pada penelitian ini adalah data
pengamatan visual mutu tebu di meja tebu & hasil
rendemen ARI selama 3 (tiga) hari berturut-turut, dari
tanggal 31 Juli – 2 Agustus 2015, dengan jumlah data
pengamatan sebanyak 836 truk/lori.
Data mutu tebu yang mewakili 4 variabel bebas (daduk,
sogolan, pucuk dan cacahan) yang mempengaruhi variabel
terikat Rendemen ARI diregresikan menggunakan program
SPSS® versi 17.
Sebelumnya dilakukan uji asumsi klasik untuk memastikan
data tersebut normal, tidak terjadi multikolinearitas dan
heteroskedastisitas.
Penilaian mutu tebu jenisnya ordinal, harus dijadikan
interval terlebih dahulu untuk dapat diregresikan dengan
rendemen yang jenisnya ratio.
= tidak ada nilai skala ordinal = 1
X = sedikit nilai skala ordinal = 2
XX = sedang nilai skala ordinal = 3
XXX = banyak nilai skala ordinal = 4
Transformasi jenis data ordinal ke interval dilakukan dengan metoda successive interval (MSI)
dengan bantuan Microsoft Excel.
Setelah diketahui hasil regresinya maka akan diketahui variabel mana saja yang secara
signifikan mempengaruhi rendemen ARI. Hasil tersebut dapat digunakan sebagai acuan dalam
pembuatan kriteria analisa meja tebu secara visual.
Hubungan antara nilai A, B, C dan D dengan rendemen ARI juga akan ditampilkan dan
diregresikan, untuk mengetahui apakah penilaian mutu tebu mempengaruhi rendemen ARI
secara signifikan.
Rend.
Analisa D S P C KET
7,92 X XX A
7,33 XX X B
8,11 X X X B
8,47 XX X B
6,43 X X X B
6,34 XX B
6,92 X X B
9,28 X X B
7,11 XX B
7,58 X XX XXX B
6,90 X XX X B
8,20 XX A
7,88 X X B
7,35 X A
6,71 X X XX B
8,05 XX XX B
8,78 X A
7,94 X X XXX B
8,15 X X XX B
9,13 X X X B
ANALISA KEBERSIHAN
HASIL PENGUJIAN
UJI ASUMSI KLASIK
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear
berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan
OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal.
Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear,
misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji
autokorelasi tidak perlu diterapkan pada data cross sectional.
Pada pengujian kali ini diperlukan uji asumsi klasik karena regresi linear yang dilakukan
merupakan regresi linear berganda dan variabelnya berjenis interval dan ratio.
Uji normalitas data:
Uji normalitas dilakukan untuk memastikan bahwa distribusi data dalam pengujian ini normal.
Uji yang dilakukan adalah Komogorov-Smirnov dengan bantuan SPSS menghasilkan data
sebagai berikut:
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 836
Normal Parametersa,,b
Mean .0000000
Std. Deviation .86063054
Most Extreme Differences Absolute .030
Positive .030
Negative -.029
Kolmogorov-Smirnov Z .877
Asymp. Sig. (2-tailed) .425
a. Test distribution is Normal.
b. Calculated from data.
Data dianggap normal jika nilai Asymp. Sig. (2-tailed) > 0.05. Hasil pengujian sebesar 0.425
menunjukkan bahwa data terdistribusi secara normal dan layak diregresikan.
Heteroskedastisitas :
Uji ini dilakukan untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke
pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di
mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap
atau disebut homoskedastisitas.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) .636 .089 7.143 .000
DADUK_MSI .022 .021 .038 1.041 .298
SOGOL_MSI -.006 .023 -.009 -.253 .801
PUCUK_MSI .007 .023 .012 .322 .748
CACAH_MSI -.013 .022 -.021 -.583 .560
a. Dependent Variable: RES2
Untuk mendapatkan kesimpulan heteroskedastisitas, terlebih dahulu harus dilakukan regresi
antara variabel RES2 dengan variabel-variabel bebas. Variabel RES2 merupakan variabel baru
yang dibentuk dengan pengolahan data tertentu menggunakan SPSS. Data dianggap tidak
terjadi heteroskedastisitas jika nilai Sig. (2-tailed) > 0.05. Hasil pengujian menunjukkan nilai Sig.
0.298 untuk daduk, 0.801 untuk sogolan, 0.748 untuk pucuk dan 0.560 untuk cacahan.
Kesemuanya menunjukkan nilai yang lebih besar daripada 0.05 sehingga dapat dikatakan tidak
terjadi heteroskedastisitas pada data.
Uji multikolinearitas :
Uji ini dilakukan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel
bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara
variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya
menjadi terganggu. Alat statistik yang sering dipergunakan untuk menguji gangguan
multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-
variabel bebas, atau dengan melihat eigenvalues dan condition index (CI).
Identifikasi kolinieritas dapat dilakukan dengan melihat:
1. Kolom VIF; terjadi kolinearitas apabila nilai VIF > 5
2. Kolom eugenvalue; terjadi kolinearitas apabila nilai eugenvalue mendekati 0
3. Kolom condition index; terjadi kolinearitas apabila nilai condition index > 15. Dikatakan
parah apabila > 30
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 8.742 .141 62.010 .000
DADUK_MSI -.029 .034 -.031 -.864 .388 .893 1.120
SOGOL_MSI -.133 .037 -.128 -3.607 .000 .904 1.107
PUCUK_MSI -.121 .037 -.118 -3.283 .001 .881 1.136
CACAH_MSI -.156 .036 -.156 -4.380 .000 .893 1.120
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 8.742 .141 62.010 .000
DADUK_MSI -.029 .034 -.031 -.864 .388 .893 1.120
SOGOL_MSI -.133 .037 -.128 -3.607 .000 .904 1.107
PUCUK_MSI -.121 .037 -.118 -3.283 .001 .881 1.136
CACAH_MSI -.156 .036 -.156 -4.380 .000 .893 1.120
a. Dependent Variable: REND_ARI
Dari tabel output SPSS terlihat bahwa tidak ada satupun variabel yang mengalami
multikolinearitas baik dilihat dari nilai VIF, Eigenvalue maupun condition index. Nilai VIF < 5,
eigenvalue yang paling mendekati nol adalah variabel cacahan namun condition indexnya masih
< 15 sehingga dapat ditarik kesimpulan variabel bebas tidak ada yang mengalami
multikolinearitas, sehingga layak diuji regresi.
HASIL REGRESI
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .240a .057 .053 .86270
a. Predictors: (Constant), CACAH_MSI, PUCUK_MSI, SOGOL_MSI,
DADUK_MSI
Angka R sebesar 0.240a menunjukkan bahwa korelasi/hubungan antara Participation
dengan kedua variabel independen-nya tidak terlalu kuat (karena besarnya < 0,5).
Angka R Square atau Koefisien Determinasi adalah 0.057 (berasal dari 0,240 x 0,240). Ini
artinya bahwa 0,057 atau 5,7% variasi dari Rendemen ARI dapat dijelaskan oleh variasi dari
Collinearity Diagnosticsa
Model
Dimen
sion Eigenvalue
Condition
Index
Variance Proportions
(Constant) DADUK_MSI SOGOL_MSI PUCUK_MSI CACAH_MSI
1 1 4.440 1.000 .00 .01 .01 .01 .01
2 .262 4.120 .00 .04 .34 .24 .03
3 .163 5.223 .00 .25 .09 .07 .43
4 .101 6.631 .01 .24 .40 .62 .27
5 .034 11.385 .99 .46 .17 .07 .27
a. Dependent Variable: REND_ARI
keempat variabel independen, yaitu Daduk, Sogolan, Pucuk dan Cacahan. Sedangkan
sisanya (100-5,7 = 94,3) atau 94,3% dijelaskan oleh sebab-sebab yang lain. Untuk variabel
independen lebih dari dua sebaiknya gunakan Adjusted R Square yang pada pengujian kita
nilainya 0,053.
Dari angka-angka ini dapat dijelaskan bahwa ada sebab-sebab lain yang tidak masuk dalam
model ini yang lebih mempengaruhi nilai rendemen ARI. Sebab-sebab lain itu bisa jadi
adalah kemanisan dan kesegaran tebu, ketepatan analisa, dll. Walaupun pengaruh penilaian
kotoran di meja tebu bisa dikatakan kecil, namun perlu dilihat apakah regresinya signifikan
atau tidak, seperti akan dijelaskan dibawah.
Std. Error of the Estimate yang nilainya 0.86270 menggambarkan tingkat ketepatan prediksi
regresi, dimana semakin kecil angkanya maka semakin baik prediksinya.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 37.702 4 9.426 12.665 .000a
Residual 618.472 831 .744
Total 656.174 835
a. Predictors: (Constant), CACAH_MSI, PUCUK_MSI, SOGOL_MSI, DADUK_MSI
b. Dependent Variable: REND_ARI
Bagian ini menggambarkan tingkat signifikansi. Dari uji ANOVA atau F-test, didapat F-hitung
12.665 dengan tingkat signifikansi sebesar 0,000. Karena probabilitas (tingkat signifikansi)
ini lebih kecil daripada 0,05 maka model regresi ini bisa dipakai untuk memprediksi
Rendemen ARI pada selama tanggal pengamatan ini. Dengan kata lain, penilaian visual
daduk, sogolan, pucuk dan cacahan secara bersama-sama berpengaruh terhadap rendemen
ARI.
Coefficients
a
Model
Unstandardized Coefficients Standardized Coefficients
B Std. Error Beta T Sig.
1 (Constant) 8.742 .141 62.010 .000
DADUK_MSI -.029 .034 -.031 -.864 .388
SOGOL_MSI -.133 .037 -.128 -3.607 .000
PUCUK_MSI -.121 .037 -.118 -3.283 .001
CACAH_MSI -.156 .036 -.156 -4.380 .000
a. Dependent Variable: REND_ARI
Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya.
Persamaan regresi yang diperoleh adalah sebagai berikut:
Rendemen ARI = 8.742 - 0,029 Daduk – 0.133 Sogolan – 0.121 Pucuk – 0.156 Cacahan
Konstanta sebesar 8.742 menyatakan bahwa jika tidak ada kotoran sama sekali maka
diperkirakan rendemen yang tercapai pada tanggal pengamatan itu (31 Juli – 2 Agustus
2015) adalah sebesar 8.742.
Koefisien regresi - 0,029 menunjukkan bahwa setiap tingkat daduk bertambah +1 poin,
maka rendemen ARI akan turun sebesar 0,029 poin.
Koefisien regresi - 0,133 menunjukkan bahwa setiap tingkat sogolan bertambah +1 poin,
maka rendemen ARI akan menurun sebesar 0,133 poin
Koefisien regresi - 0,121 menunjukkan bahwa setiap tingkat pucukan bertambah +1 poin,
maka rendemen ARI akan menurun sebesar 0,121 poin
Koefisien regresi - 0,156 menunjukkan bahwa setiap tingkat cacahan bertambah +1 poin,
maka rendemen ARI akan menurun sebesar 0,156 poin
Sedangkan uji-t digunakan untuk menguji signifikansi konstanta dan setiap variabel
independen.
Hipotesis yang dibangun adalah sebagai berikut:
Ho = Koefisien Regresi Tidak Signifikan
Hi = Koefisien Regresi Signifikan
Pengambilan keputusan (berdasarkan probabilitas, lihat kolom Sig.) adalah sebagai berikut:
Jika Sig. > 0,05 maka Ho diterima
Jika Sig. < 0,05 maka Ho ditolak, Hi diterima
Terlihat bahwa pada kolom Sig. untuk 4 variabel, yaitu konstanta = 8,742, Sogolan = – 0.133,
Pucuk = – 0.121, Cacahan = – 0.156 mempunyai angka signifikansi < 0,05, dengan demikian
Hi diterima atau dengan kata lain variabel-variabel tersebut signifikan mempengaruhi
rendemen ARI. Sementara hanya Daduk = - 0,029, yang mempunyai angka signifikansi >
0,05, yang berarti penilaian visual terhadap daduk bisa dikatakan tidak signifikan
mempengaruhi rendemen ARI.
Kejadian di atas mungkin disebabkan karena daduk mempunyai bobot yang sangat rendah
bila dibandingkan dengan sogolan dan pucukan. Perlu dicermati juga bahwa cacahan yang
tidak dimasukkan penilaian mempengaruhi rendemen ARI. Cacahan juga dapat
menimbulkan kerancuan penilaian variabel lainnya, dengan adanya cacahan biasanya daduk
menjadi turun ke bawah, sogolan dan pucukan menjadi samar.
Dari hasil regresi diatas diketahui bahwa penilaian visual daduk adalah yang paling tidak
signifikan mempengaruhi rendemen ARI, sedangkan sogolan adalah yang paling tinggi
mempengaruhi rendemen ARI. Cacahan walaupun paling mempengaruhi rendemen ARI, tidak
termasuk dalam variabel yang membentuk penilaian mutu tebu. Idealnya penilaian mutu tebu
yang dinyatakan dengan A, B dan C harus memperhitungkan pengaruh daduk, pucuk dan
sogolan terhadap rendemen ARI.
Berdasarkan laporan periodik (QC 2), dari hasil analisa trash (kuantitatif) sampai dengan
periode 8B diketahui bahwa proporsi berat masing-masing jenis kotoran adalah sebagai berikut:
SOGOLAN DADUK PUCUK TEBU MATI
AKAR/
TANAH
KOTORAN
LAIN JUMLAH
11,10 0,42 2,55 0,22 0,12 - 14,40
Terlihat bahwa daduk yang tidak mengandung nira, hanya 0.42% dari berat tebu sementara
yang terbesar adalah sogolan, 11.10% berat tebu.
REGRESI NILAI MUTU TEBU (A, B, D dan D) terhadap Rendemen ARI
Untuk mengetahui apakah penilaian mutu tebu (A, B, C dan D) mempengaruhi rendemen ARI
maka dapat dilakukan dengan analisis regresi linear sederhana. Analisis regresi sederhana
dengan satu variabel bebas tidak perlu menggunakan uji asumsi klasik. Adapun output
pengujiannya adalah sebagai berikut:
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .119a .014 .013 .88072
a. Predictors: (Constant), NILAI_MSI
Angka R sebesar 0.119a menunjukkan bahwa korelasi/hubungan antara Participation dengan
kedua variabel independen-nya tidak terlalu kuat (karena besarnya < 0,5). Angka R Square atau
Koefisien Determinasi adalah 0.014 (berasal dari 0,119 x 0,119). Ini artinya bahwa 0,014 atau
1,4% variasi dari Rendemen ARI dapat dijelaskan oleh variasi dari, yaitu nilai mutu tebu.
Sedangkan sisanya (100-1,4 = 98,6) atau 98,6% dijelaskan oleh sebab-sebab yang lain.
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 9.274 1 9.274 11.956 .001a
Residual 646.900 834 .776
Total 656.174 835
a. Predictors: (Constant), NILAI_MSI
b. Dependent Variable: REND_ARI
Dari uji ANOVA atau F-test, didapat F-hitung 11.956 dengan tingkat signifikansi sebesar 0,001.
Karena probabilitas (tingkat signifikansi) ini lebih kecil daripada 0,05 maka model regresi ini bisa
dipakai untuk memprediksi Rendemen ARI. Dengan kata lain, penilaian mutu tebu berpengaruh
terhadap rendemen ARI.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 8.216 .092 89.635 .000
NILAI_MSI -.119 .034 -.119 -3.458 .001
a. Dependent Variable: REND_ARI
Baik konstata dan koefisien regresi nilai tebu (NILAI_MSI) mempunyai nilai Sig. < 0.05, sehingga
signifikan. Koefisien nilai mutu tebu sebesar -0.119, berarti setiap peningkatan +1 poin nilai
mutu tebu (semakin kotor) maka rendemen ARI akan semakin menurun sebesar -0.119.
KESIMPULAN DAN SARAN
Kesimpulan:
Hubungan Penilaian Visual (Daduk, Sogolan, Pucukan & Cacahan) terhadap Rendemen ARI
- Penilaian visual tingkat daduk, sogolan, pucukan dan cacahan berpengaruh terhadap
rendemen ARI
- Semua variabel menunjukkan pengaruh negatif terhadap rendemen ARI, artinya setiap
kenaikan tingkat daduk, sogolan, pucukan dan cacahan makin turun rendemen ARI.
- Variabel yang signifikan menurunkan rendemen ARI adalah sogolan, pucukan dan
cacahan.
- Variabel yang tidak signifikan menurunkan rendemen ARI adalah daduk.
- Persamaan regresinya adalah sebagai berikut:
Rendemen ARI = 8.742 - 0,029 Daduk – 0.133 Sogolan – 0.121 Pucuk – 0.156 Cacahan
- Persamaan ini tidak menggambarkan kondisi rendemen ARI selama musim giling, hanya
pada tanggal pengambilan sampel saja (31 Juli 2015 – 2 Agustus 2015), namun
setidaknya dapat memberikan gambaran hubungan antara penilaian visual terhadap
rendemen ARI mempunyai pola tertentu yang terbukti secara statistik.
Hubungan Nilai Mutu Tebu (A, B, C dan D) terhadap Rendemen ARI
Penilaian mutu tebu sehingga menghasilkan nilai A, B, C dan D di PG Wonolangan didasarkan
pada penilaian visual akan daduk, sogolan dan pucukan. Cacahan tidak dimasukkan karena
bukan merupakan kotoran. Hasil uji statistik membuktikan bahwa penilaian mutu tebu ini juga
mempengaruhi rendemen ARI.
Rendemen ARI = 8.216 – 0.119 Nilai Mutu Tebu
Makin tinggi abjad penilaian mutu tebu (A s/d D) maka makin rendah kualitas tebu tersebut.
Koefisien nilai mutu tebu sebesar -0.119, berarti setiap peningkatan +1 poin nilai mutu tebu
(semakin jelek) maka rendemen ARI akan semakin menurun sebesar -0.119.
Saran:
Penilaian visual terhadap daduk, sogolan, pucukan dan cacahan terbukti berpengaruh secara
negatif rendemen ARI. Daduk berpengaruh tidak signifikan pada rendemen ARI, sementara
variabel lainnya signifikan. Pemberlakuan punishment pada tebu-tebu kualitas rendah perlu
mengacu pada nilai daduk, sogolan, pucukan dan cacahan. Bagian tanaman dapat melakukan
scrap tebu-tebu yang rendah pada saat rapat tebangan data dari QC hasil urutan tebu
berdasarkan brix terendah dengan jumlah cacahan, sogolan dan pucukan terbanyak, baru
diikuti daduk sebagai prioritas terakhir. Penilaian mutu tebu A, B, C dan D perlu diseragamkan
antara seluruh PG PTPN XI.