Anda di halaman 1dari 48

UJIAN TENGAH SEMESTER

MATA KULIAH STATISTIKA LINGKUNGAN

DISUSUN OLEH
RENANDA DENNYARTO
21080117130059
Kelas B

DEPARTEMEN TEKNIK LINGKUNGAN


FAKULTAS TEKNIK
UNIVERSITAS DIPONEGORO
2018
Daftar Isi

Daftar Isi ...................................................................................................................................................................2


1.Statistik Deskriptif .................................................................................................................................................6
1.1 Statistik Kertas ................................................................................................................................................6
1.2 Statistik Logam ...............................................................................................................................................7
1.3 Statistik Kaca...................................................................................................................................................8
1.4 Statistik Plastik ................................................................................................................................................9
1.5 Statistik Sisa Makanan ..................................................................................................................................11
1.6 Statistik Nilai Kalor ........................................................................................................................................12
2.Nilai Perbandingan antar variable .......................................................................................................................13
2.1 Perbandingan persebaran/pemusatan data antara logam dan kaca ...........................................................13
2.2 Perbandingan persebaran/pemusatan data antara plastik dan nilai kalor ..................................................14
2.3 Perbandingan persebaran/pemusatan data antara plastik dan sisa makanan ............................................14
2.4 Perbandingan persebaran/pemusatan data antara kertas dan logam ........................................................14
2.5 Perbandingan persebaran/pemusatan data antara sisa makanan dan nilai kalor.......................................15
2.6 Perbandingan persebaran/pemusatan data antara kertas dan plastic ........................................................15
3.Uji Normalitas Data .............................................................................................................................................16
3.1 Uji Normalitas Data Kertas ...........................................................................................................................16
3.1.1 Metode Kolmogorov-Sminov dan Shapiro-Wilk ...................................................................................16
3.1.2 Metode Stem and Leaf Plot ...................................................................................................................17
3.1.3 Metode Normal Q-Q Plot ......................................................................................................................17
3.1.4 Metode Detrended Q-Q Plot .................................................................................................................18
3.1.5 Metode Box Plot ....................................................................................................................................18
3.2 Uji Normalitas Data Logam ...........................................................................................................................19
3.2.1 Metode Kolmogorov-Smirnof dan Shapiro-Wilk ...................................................................................19
3.2.2 Metode Stem and Leaf Plot ...................................................................................................................19
3.2.3 Metode Normal Q-Q Plot ......................................................................................................................20
3.2.4 Metode Detrended Q-Q Plot .................................................................................................................20
3.2.5 Metode Box Plot ....................................................................................................................................21
3.3 Uji Normalitas Data Kaca ..............................................................................................................................22
3.3.1 Metode Kolmogorov-Sminov dan Shapiro-Wilk ....................................................................................22

2
3.3.2 Metode Stem and Leaf Plot ...................................................................................................................22
3.3.3 Metode Normal Q-Q Plot ......................................................................................................................23
3.3.4 Metode Detrended Q-Q Plot .................................................................................................................23
3.3.5 Metode Box Plot ....................................................................................................................................24
3.4 Uji Normalitas Data Plastik ...........................................................................................................................24
3.4.1 Metode Kolmogorov-Smirnov Shapiro-Wilk .........................................................................................24
3.4.2 Metode Stem and Leaf Plot ...................................................................................................................25
3.4.3 Metode Normal Q-Q Plot ......................................................................................................................25
3.4.4 Metode Detrended Normal Q-Q Plot ....................................................................................................26
3.4.5 Metode Box Plot ....................................................................................................................................26
3.5 Uji Normalitas Data Sisa Makanan ...............................................................................................................27
3.5.1 Metode Kolmogorov-Smirnov dan Shapiro-Wilk ..................................................................................27
3.5.2 Metode Stem and Leaf Plot ...................................................................................................................27
3.5.3 Metode Normal Q-Q Plot ......................................................................................................................28
3.5.4 Metode Detrended Normal Q-Q Plot ....................................................................................................28
3.5.5 Metode Box Plot ....................................................................................................................................29
3.6 Uji Normalitas Data Nilai Kalor .....................................................................................................................29
3.6.1 Metode Kolmogorov-Smirnof dan Shapiro-Wilk ...................................................................................29
3.6.2 Metode Stem and Leaf Plot ...................................................................................................................30
3.6.3 Metode Normal Q-Q Plot ......................................................................................................................30
3.6.4 Metode Detrended Normal Q-Q Plot ....................................................................................................31
3.6.5 Metode Box Plot ....................................................................................................................................31
4.Transformasi Data ...............................................................................................................................................32
4.1 Transformasi Data Kertas .............................................................................................................................32
4.1.1 Sebelum dan Sesudah Transformasi .....................................................................................................32
4.2 Transformasi Data Logam .............................................................................................................................34
4.2.1 Sebelum dan Sesudah Transformasi .....................................................................................................34
4.3 Transformasi Data Kaca ................................................................................................................................37
4.3.1 Sebelum dan Sesudah Transformasi .....................................................................................................37
4.4 Transformasi Data Plastik .............................................................................................................................39
4.4.1 Sebelum dan Sesudah Transformasi .....................................................................................................39
4.5 Transformasi Data Sisa Makanan .................................................................................................................42
4.5.1 Sebelum dan Sesudah Transformasi.....................................................................................................42
4.6 Transformasi Data Nilai Kalor .......................................................................................................................45

3
4.6.1 Sebelum dan Sesudah Transformasi .....................................................................................................45

4
Soal
1.Interpretasikan karakter data menggunakan statistik deskriptif,semakin lengkap analisis yang
dilakukan,semakin tinggi nilai yang didapatkan.Apabila memungkinkan,gunakan semua metode yang
pernah diajarkan untuk membandingkan hasil analisis!
negara kertas logam kaca plastik(%) sisa makanan nilai kalor
(%) (%) (%) (%) mj/kg
amerika 28.9 9.3 10.4 3.4 17.8 7.78
serikat
australia 38 11 18 0.1 13 8.05
austria 35 10 9 6 24 10.26
bangladesh 2 1 9 1 40 2.9
belanda 22.2 3.2 11.9 6.2 50 9.26
belgia 30 5.3 8 5 40 9.78
bulgaria 10 1.7 1.6 1.7 54 5.45
burma 1 3 6 4 80 5.96
cekoslowakia 13.4 6.2 6.6 4.2 41.8 6.38
denmark 32.9 4.1 6.1 6.8 44 11.22
filipina 17 2 5 4 43 7.06
finlandia 55 5 6 6 20 13.9
gabon 6 5 9 3 77 6.39
hongkong 32 2 10 11 9 10.74
jerman 20 5 10 2 21 5.72
india 3 1 8 1 36 2.88
indonesia 10 2 1 6 72 8.01
inggris 37 8 8 2 28 9.37
italia 31 7 3 7 36 10.5
jepang 21 5.7 3.9 6.2 50 9.03
kenya 12.2 2.7 1.3 1 42.6 5
colombia 22 1 2 5 56 9.09
prancis 30 4 4 1 30 7.76
nigeria 15.5 4.5 2.5 2 51.5 6.49
negara X 22.01 5.8 2.1 4.5 45.6 7.81
Negara Y 4 3 6.11 2.6 30 3.72
norwegia 38.2 2 7.5 6.5 30.4 11.4
pakistan 2.2 2.2 1.75 1.2 52.5 3.68
saudia 24 9 8 2 53 8.31
arabia
selandia 28 6 7 0.1 48 8
baru
singapura 43 3 1 6 5 10.78
spanyol 18 4 3 4 50 7.63
srilanka 8 1 6 1 80 6.19
swedia 50 7 8 8 15 13.41

5
taiwan 8 1 3 2 25 3.62

1.Statistik Deskriptif
1.1 Statistik Kertas

Statistics
Kertas
N Valid 35
Missing 0
Mean 22.0146
Std. Error of Mean 2.39996
Median 22.0000
Mode 8.00a
Std. Deviation 14.19837
Variance 201.594
Range 54.00
Minimum 1.00
Maximum 55.00
Sum 770.51
Percentiles 25 10.0000
50 22.0000
75 32.0000
a. Multiple modes exist. The smallest
value is shown

QUARTILE HASIL
Q0 1
Q1 10
Q2 22
Q3 31,5
Q4 55
Dari tabel statistika deskriptif dari Table Komposisi dan Nilai Kalor Berbagai Jenis Sampah di
Berbagai Negara dengan indicator kertas tersebut didapatkan banyak data,data tersebut diperoleh dari
software pengolah data yaitu SPSS.Diketahui table tersebut memuat 35 data yang dilihat dari indicator
Valid.Kemudian ada data lain yang tercantum diantaranya mean,median,modus,standar
deviasi,variasi,range,nilai minimum,nilai maximum,dan data percentile.

6
Didapat nilai Mean sebanyak 22,0146,Median atau nilai tengah 22,modus 8,standar deviasi
14,19837,nilai variasi 201,594 dengan range 54,minimum 1,Maximum 55,dan nilai percentile
25,50,dan 75 berturut-turut 10,22,dan 32.

1.2 Statistik Logam

Statistics
LOGAM
N Valid 35
Missing 0
Mean 4.3914
Std. Error of Mean .46878
Median 4.0000
Mode 1.00
Std. Deviation 2.77334
Variance 7.691
Range 10.00
Minimum 1.00
Maximum 11.00
Sum 153.70
Percentiles 25 2.0000
50 4.0000
75 6.0000

QUARTILE
Q0 1
Q1 2
Q2 4
Q3 5,9
Q4 11
7
Dari tabel statistika deskriptif dari Table Komposisi dan Nilai Kalor Berbagai Jenis Sampah di
Berbagai Negara dengan indicator Logam tersebut didapatkan banyak data,data tersebut diperoleh dari
software pengolah data yaitu SPSS.Diketahui table tersebut memuat 35 data yang dilihat dari indicator
Valid.Kemudian ada data lain yang tercantum diantaranya mean,median,modus,standar
deviasi,variasi,range,nilai minimum,nilai maximum,dan data percentile.
Didapat nilai Mean sebanyak 4,3914,Median atau nilai tengah 4,modus 1,standar deviasi 2,77334,nilai
variasi 7,691 dengan range 10,minimum 1,Maximum 11,dan nilai percentile 25,50,dan 75 berturut-
turut 2,4,dan 6

1.3 Statistik Kaca

Statistics
KACA
N Valid 35
Missing 0
Mean 6.1074
Std. Error of Mean .62831
Median 6.1000
Mode 8.00
Std. Deviation 3.71713
Variance 13.817
Range 17.00
Minimum 1.00
Maximum 18.00
Sum 213.76

8
Percentiles 25 3.0000
50 6.1000
75 8.0000
QUARTILE
Q0 1
Q1 3
Q2 6,1
Q3 8
Q4 18

Dari tabel statistika deskriptif dari Table Komposisi dan Nilai Kalor Berbagai Jenis Sampah di
Berbagai Negara dengan indicator kaca tersebut didapatkan banyak data,data tersebut diperoleh dari
software pengolah data yaitu SPSS.Diketahui table tersebut memuat 35 data yang dilihat dari indicator
Valid.Kemudian ada data lain yang tercantum diantaranya mean,median,modus,standar
deviasi,variasi,range,nilai minimum,nilai maximum,dan data percentile.
Didapat nilai Mean sebanyak 6,1074,Median atau nilai tengah 6.1,modus 8,standar deviasi
3,71713,nilai variasi 13,817 dengan range 17,minimum 1,Maximum 18,dan nilai percentile 25,50,dan
75 berturut-turut 3,6,1dan 8

1.4 Statistik Plastik

Statistics
PLASTIC
N Valid 35
Missing 0
Mean 3.8143
Std. Error of Mean .43649

9
Median 4.0000
Mode 1.00a
Std. Deviation 2.58231
Variance 6.668
Range 10.90
Minimum .10
Maximum 11.00
Sum 133.50
Percentiles 25 1.7000
50 4.0000
75 6.0000
a. Multiple modes exist. The smallest
value is shown

QUARTILE
Q0 0,1
Q1 1,85
Q2 4
Q3 6
Q4 11

Dari tabel statistika deskriptif dari Table Komposisi dan Nilai Kalor Berbagai Jenis Sampah di
Berbagai Negara dengan indicator plastik tersebut didapatkan banyak data,data tersebut diperoleh dari
software pengolah data yaitu SPSS.Diketahui table tersebut memuat 35 data yang dilihat dari indicator
Valid.Kemudian ada data lain yang tercantum diantaranya mean,median,modus,standar
deviasi,variasi,range,nilai minimum,nilai maximum,dan data percentile.
Didapat nilai Mean sebanyak 3,8143,Median atau nilai tengah 4,modus 1,standar deviasi 2,58231,nilai
variasi 6,668 dengan range 10,9,minimum 0,1,Maximum 11,dan nilai percentile 25,50,dan 75 berturut-
turut 1,7,4dan 6

10
1.5 Statistik Sisa Makanan

Statistics
SISA_MAKANAN
N Valid 35
Missing 0
Mean 40.3200
Std. Error of Mean 3.26328
Median 41.8000
Mode 50.00
Std. Deviation 19.30580
Variance 372.714
Range 75.00
Minimum 5.00
Maximum 80.00
Sum 1411.20
Percentiles 25 25.0000
50 41.8000
75 51.5000
QUARTILE
Q0 5
Q1 26,5
Q2 41,8
Q3 50,75
Q4 80

Dari tabel statistika deskriptif dari Table Komposisi dan Nilai Kalor Berbagai Jenis Sampah di
Berbagai Negara dengan indicator sisa makanan tersebut didapatkan banyak data,data tersebut
diperoleh dari software pengolah data yaitu SPSS.Diketahui table tersebut memuat 35 data yang dilihat
dari indicator Valid.Kemudian ada data lain yang tercantum diantaranya mean,median,modus,standar
deviasi,variasi,range,nilai minimum,nilai maximum,dan data percentile.
Didapat nilai Mean sebanyak 40,32,Median atau nilai tengah 41,8,modus 50,standar deviasi
19,30580,nilai variasi 372,714 dengan range 75,minimum 5,Maximum 80,dan nilai percentile
25,50,dan 75 berturut-turut 25,41,8 dan 51,5

11
1.6 Statistik Nilai Kalor

Statistics
NILAI_KALOR
N Valid 35
Missing 0
Mean 7.8151
Std. Error of Mean .47241
Median 7.8100
Mode 2.88a
Std. Deviation 2.79481
Variance 7.811
Range 11.02
Minimum 2.88
Maximum 13.90
Sum 273.53
Percentiles 25 5.9600
50 7.8100
75 9.7800
a. Multiple modes exist. The smallest
value is shown

QUARTILE
Q0 2,88
Q1 6,075
Q2 7,81
Q3 9,575
Q4 13,9

12
Dari tabel statistika deskriptif dari Table Komposisi dan Nilai Kalor Berbagai Jenis Sampah di
Berbagai Negara dengan indicator nilai kalor tersebut didapatkan banyak data,data tersebut diperoleh
dari software pengolah data yaitu SPSS.Diketahui table tersebut memuat 35 data yang dilihat dari
indicator Valid.Kemudian ada data lain yang tercantum diantaranya mean,median,modus,standar
deviasi,variasi,range,nilai minimum,nilai maximum,dan data percentile.
Didapat nilai Mean sebanyak 7.8151,Median atau nilai tengah 7,81,modus 2,88,standar deviasi
2,79481,nilai variasi 7,81 dengan range 11,02,minimum 2,88,Maximum 13,90,dan nilai percentile
25,50,dan 75 berturut-turut 5,96,7,81 dan 9,78

2.Cari dan interpretasikan kemungkinan adanya asosiasi antar variable-variabel


tersebut)kertas,logam,kaca,plastic,sisa makanan,dan nilai kalor!

2.Nilai Perbandingan antar variable


2.1 Perbandingan persebaran/pemusatan data antara logam dan kaca

Hubungan antara Logam dan Kaca


20
15 y = 0.6519x + 3.2445
R² = 0.2366
10
5
0
0 2 4 6 8 10 12

Dari hasil grafik diatas didapatkan persamaan linear yaitu y= 0.6519x + 3.2445, dimana R2= 0.2366. Dari
nilai R2 tersebut dapat menghasilkan nilai koefisien korelasi antara logam dan kaca dengan cara, koef
korelasi = √0.2366 = 0.4864155 dari hasil tersebut nilai koef korelasinya mendekati dengan satu itu

13
tandanya antara variabel logam dan kaca memiliki asosiasi, dan terlihat juga dari grafik apabila banyak
data yang berada didekat dengan garis linear yang berada dalam grafik.

2.2 Perbandingan persebaran/pemusatan data antara plastik dan nilai kalor

15 Hubungan antara Plastik


dengan Nilai Kalor
10

y = 0.7865x + 4.8153
5 R² = 0.5281

0
0 2 4 6 8 10 12

Dari hasil grafik diatas didapatkan persamaan linear yaitu y= 0.7865x + 4.8152, dimana R2= 0.5281. Dari
nilai R2 tersebut dapat menghasilkan nilai koefisien korelasi antara logam dan kaca dengan cara, koef
korelasi = √0.5281 = 0.7266843 dari hasil tersebut nilai koef korelasinya mendekati dengan satu itu
tandanya antara variabel plastik dan nilai kalor berasosiasi, dan terlihat juga dari grafik apabila banyak
data yang berada didekat dengan garis linear yang berada dalam grafik.

2.3 Perbandingan persebaran/pemusatan data antara plastik dan sisa makanan

Hubungan antara Plastik dan Sisa


Makanan
100 y = -1.7649x + 47.052
80 R² = 0.0557
60
40
20
0
0 2 4 6 8 10 12

Dari hasil grafik diatas didapatkan persamaan linear yaitu y= -1.7649x + 47.052, dimana R2= 0.0557.
Dari nilai R2 tersebut dapat menghasilkan nilai koefisien korelasi antara logam dan kaca dengan cara,
koef korelasi = √0.0557 = 0.236072023 dari hasil tersebutnilai koef korelasinya mendekati dengan nol
itu tandanya antara variabel plastik dan sisa makanan tidak berasosiasi, dan terlihat juga dari grafik
apabila data tersebar dan tidak banyak yang berada didekat dengan garis linear yang berada dalam grafik.

2.4 Perbandingan persebaran/pemusatan data antara kertas dan logam

14
hubungan antara kertas dan
logam
y = 0.1019x + 2.1482
12
R² = 0.2721
10
8
6
4
2
0
0 10 20 30 40 50 60

Dari hasil grafik diatas didapatkan persamaan linear yaitu y= 0.1019x + 2.1482, dimana R2= 0.2721. Dari
nilai R2 tersebut dapat menghasilkan nilai koefisien korelasi antara logam dan kaca dengan cara, koef
korelasi = √0.2721 = 0.521679979 dari hasil tersebut nilai koef korelasinya mendekati dengan satu itu
tandanya antara variabel logam dan kaca memiliki asosiasi antara kertas dan logam, dan terlihat juga
dari grafik apabila banyak data yang berada didekat dengan garis linear yang berada dalam grafik.

2.5 Perbandingan persebaran/pemusatan data antara sisa makanan dan nilai kalor

hubungan antara sisa makanan


dan nilai kalor
15

10
y = -0.0499x + 9.8253
5 R² = 0.1186

0
0 20 40 60 80 100

Dari hasil grafik diatas didapatkan persamaan linear yaitu y= -0.0499x + 9.8253, dimana R2= 0.1186.
Dari nilai R2 tersebut dapat menghasilkan nilai koefisien korelasi antara logam dan kaca dengan cara,
koef korelasi = √0.1186 = 0.344398026 dari hasil tersebutnilai koef korelasinya mendekati dengan nol
itu tandanya antara variabel sisa makanan dan nilai kalor tidak memiliki asosiasi, dan terlihat juga dari
grafik apabila banyak data yang tidak berada didekat dengan garis linear yang berada dalam grafik, atau
bisa dibilang menyebar datanya.

2.6 Perbandingan persebaran/pemusatan data antara kertas dan plastic

15
Hubungan antara Kertas dengan
Plastik
12
10 y = 0.0882x + 1.8732
R² = 0.235
8
6
4
2
0
0 10 20 30 40 50 60

Dari hasil grafik diatas didapatkan persamaan linear yaitu y= 0.0882x + 1.8732, dimana R2= 0.235. Dari
nilai R2 tersebut dapat menghasilkan nilai koefisien korelasi antara logam dan kaca dengan cara, koef
korelasi = √0.235 = 0.484788614 dari hasil tersebut nilai koef korelasinya mendekati dengan satu itu
tandanya antara variabel kertas dan plastik memiliki asosiasi, dan terlihat juga dari grafik apabila banyak
data yang berada didekat dengan garis linear yang berada dalam grafik.

3.Lakukan uji normalitas dan interpretasikan hasilnya.Apabila ditemukan data yang tidak terdistribusi
normal,lakukan transformasi.Gunakan semua metode yang pernah diajarkan.Semakin lengkap analisis
yang dilakukan,semakin tinggi nilai yang didapatkan!

3.Uji Normalitas Data

3.1 Uji Normalitas Data Kertas

3.1.1 Metode Kolmogorov-Sminov dan Shapiro-Wilk

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
KERTAS .087 35 .200* .964 35 .310
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Diketahui data Uji Normalitas dengan metode Kolmogorov-Smirnov dan Shapiro-Wilk.Penerapan Uji
shapiro-wilk adalah bahwa jika signifikasi di bawah 0,05 berarti terdapat perbedaan yang
16
signifikan,dan jika signifikasi di atas 0,05 maka tidak terjadi perbedaan signifikan.Di table yang sudah
diketahui,terdapat signifikasi 0,310 yang berarti di atas 0,05 sehingga data tersebut bias dikatakan
teruji data normal.
3.1.2 Metode Stem and Leaf Plot
KERTAS Stem-and-Leaf Plot

Frequency Stem & Leaf

8.00 0 . 12234688
7.00 1 . 0023578
8.00 2 . 01222488
9.00 3 . 001225788
1.00 4 . 3
2.00 5 . 05

Stem width: 10.00


Each leaf: 1 case(s)

Diketahui uji normalitas dengan metode stem and leaf plot,di data tersebut terdapat tiga bagian yaitu
frekuensi,stem,dan leaf dimana f diletakkan paling kiri,stem di tengah,dan leaf paling kanan. Stem di sini
diartikan puluhan dan leaf diartikan satuan. Dalam data tersebut pemusatan data terjadi di stem 3 sekitar
, angka 43 merupakan outlier

3.1.3 Metode Normal Q-Q Plot

17
Diketahui garis grafik metode normal Q-Q Plot dimana grafik ini menggambarkan keadaan ideal dari
data yang mengikuti distribusi normal.titik pada garis adalah keadaan yang sedang diuji.data dikatakan
terdistribusi normal apabila titik-titik tersebut dekat dengan garis atau menempel pada garis. Dalam
grafik tersebut ada banyak titik yang diluar garis normal Q-Q Plot maka dapat disimpulkan data tidak
terdistribusi normal.

3.1.4 Metode Detrended Q-Q Plot

Dari data tersebut metode detrended Q-Q Plot ini menggambarkan selisih antara titik-titik dengan garis diagonal
pada grafik sebelumnya.apabila data yang dimiliki terdistribusi normal maka titik-titik tersebut satu jalur dengan
garis 0,0,semakin banyak titik yang menyebar menjauhi garis maka data tersebut semakin tidak normal.dalam
grafik tersebut terlihat banyak titik-titik yang menjauh dari grafik 0,0 sehingga dapat disimpulkan data yang
dimiliki tidak terdistribusi dengan normal.

3.1.5 Metode Box Plot

18
Dalam metode Box Plot terdapat 5 indikator yaitu nilai minimum,Q1,nilai tengah,Q3 kuarti,nilai
outlier,dan nilai ekstrim.dari metode tersebut diketahui perkiraan nilai median ≈ 22,nilai Q1≈ 10,nilai
Q3≈31,nilai maksimum≈55,dan nilai minimum≈1.
Dari data yang dihasilkan Panjang whisker tidak sama antar whisker atas dan bawah,garis median tidak
berada di tengah box hal ini dapat disimpulkan data tidak simetris.

3.2 Uji Normalitas Data Logam

3.2.1 Metode Kolmogorov-Smirnof dan Shapiro-Wilk

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LOGAM .123 35 .197 .928 35 .025
a. Lilliefors Significance Correction

Diketahui data Uji Normalitas dengan metode Kolmogorov-Smirnov dan Shapiro-Wilk.Penerapan Uji
shapiro-wilk adalah bahwa jika signifikasi di bawah 0,05 berarti terdapat perbedaan yang
signifikan,dan jika signifikasi di atas 0,05 maka tidak terjadi perbedaan signifikan.Di table yang sudah
diketahui,terdapat signifikasi 0,025 yang berarti dibawah 0,05 sehingga data tersebut bias dikatakan
data yang teruji tidak normal.

3.2.2 Metode Stem and Leaf Plot

19
LOGAM Stem-and-Leaf Plot

Frequency Stem & Leaf

6.00 0 . 111111
10.00 0 . 2222223333
10.00 0 . 4444555555
4.00 0 . 6677
3.00 0 . 899
2.00 1 . 01

Stem width: 10.00


Each leaf: 1 case(s)

Diketahui uji normalitas dengan metode stem and leaf plot,di data tersebut terdapat tiga bagian yaitu
frekuensi,stem,dan leaf dimana f diletakkan paling kiri,stem di tengah,dan leaf paling kanan. Stem di sini
diartikan puluhan dan leaf diartikan satuan. Dalam data tersebut pemusatan data terjadi di stem 10

3.2.3 Metode Normal Q-Q Plot

Diketahui garis grafik metode normal Q-Q Plot dimana grafik ini menggambarkan keadaan ideal dari
data yang mengikuti distribusi normal.titik pada garis adalah keadaan yang sedang diuji.data dikatakan
terdistribusi normal apabila titik-titik tersebut dekat dengan garis atau menempel pada garis. Dalam
grafik tersebut ada banyak titik yang diluar garis normal Q-Q Plot maka dapat disimpulkan data tidak
terdistribusi normal.

3.2.4 Metode Detrended Q-Q Plot

20
Dari data tersebut metode detrended Q-Q Plot ini menggambarkan selisih antara titik-titik dengan garis diagonal
pada grafik sebelumnya.apabila data yang dimiliki terdistribusi normal maka titik-titik tersebut satu jalur dengan
garis 0,0,semakin banyak titik yang menyebar menjauhi garis maka data tersebut semakin tidak normal.dalam
grafik tersebut terlihat banyak titik-titik yang menjauh dari grafik 0,0 sehingga dapat disimpulkan data yang
dimiliki tidak terdistribusi dengan normal.

3.2.5 Metode Box Plot

Dalam metode Box Plot terdapat 5 indikator yaitu nilai minimum,Q1,nilai tengah,Q3 kuarti,nilai
outlier,dan nilai ekstrim.dari metode tersebut diketahui perkiraan nilai median ≈ 4,nilai Q1≈ 2,nilai
Q3≈5,9,nilai maksimum≈11,dan nilai minimum≈1.

21
Dari data yang dihasilkan Panjang whisker tidak sama antar whisker atas dan bawah,garis median tidak
berada di tengah box,hanya nyaris di tengah hal ini dapat disimpulkan data tidak simetris.

3.3 Uji Normalitas Data Kaca


3.3.1 Metode Kolmogorov-Sminov dan Shapiro-Wilk

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
KACA .113 35 .200 .929 35 .026
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Diketahui data Uji Normalitas dengan metode Kolmogorov-Smirnov dan Shapiro-Wilk.Penerapan Uji
shapiro-wilk adalah bahwa jika signifikasi di bawah 0,05 berarti terdapat perbedaan yang
signifikan,dan jika signifikasi di atas 0,05 maka tidak terjadi perbedaan signifikan.Di table yang sudah
diketahui,terdapat signifikasi 0,026 yang berarti dibawah 0,05 sehingga data tersebut bias dikatakan
data yang teruji tidak normal.

3.3.2 Metode Stem and Leaf Plot

KACA Stem-and-Leaf Plot

Frequency Stem & Leaf

5.00 0 . 11111
7.00 0 . 2223333
2.00 0 . 45
8.00 0 . 66666677
8.00 0 . 88888999
4.00 1 . 0001
1.00 Extremes (>=18)

Stem width: 10.00


Each leaf: 1 case(s)

Diketahui uji normalitas dengan metode stem and leaf plot,di data tersebut terdapat tiga bagian yaitu
frekuensi,stem,dan leaf dimana f diletakkan paling kiri,stem di tengah,dan leaf paling kanan. Stem di sini
diartikan puluhan dan leaf diartikan satuan. Dalam data tersebut pemusatan data terjadi di stem 8

22
3.3.3 Metode
Normal Q-Q Plot

Diketahui garis grafik metode normal Q-Q Plot dimana grafik ini menggambarkan keadaan ideal dari
data yang mengikuti distribusi normal.titik pada garis adalah keadaan yang sedang diuji.data dikatakan
terdistribusi normal apabila titik-titik tersebut dekat dengan garis atau menempel pada garis. Dalam
grafik tersebut ada banyak titik yang diluar garis normal Q-Q Plot maka dapat disimpulkan data tidak
terdistribusi normal.

3.3.4 Metode Detrended Q-Q Plot

Dari data tersebut metode detrended Q-Q Plot ini menggambarkan selisih antara titik-titik dengan garis diagonal
pada grafik sebelumnya.apabila data yang dimiliki terdistribusi normal maka titik-titik tersebut satu jalur dengan
garis 0,0,semakin banyak titik yang menyebar menjauhi garis maka data tersebut semakin tidak normal.dalam
23
grafik tersebut terlihat banyak titik-titik yang menjauh dari grafik 0,0 sehingga dapat disimpulkan data yang
dimiliki tidak terdistribusi dengan normal.

3.3.5 Metode Box Plot

Dalam metode Box Plot terdapat 5 indikator yaitu nilai minimum,Q1,nilai tengah,Q3 kuarti,nilai
outlier,dan nilai ekstrim.dari metode tersebut diketahui perkiraan nilai median ≈ 6,nilai Q1≈ 3,nilai
Q3≈8,nilai maksimum≈1,51,dan nilai minimum≈2. Terdapat outlier 2
Dari data yang dihasilkan Panjang whisker tidak sama antar whisker atas dan bawah,garis median tidak
berada di tengah box, hal ini dapat disimpulkan data tidak simetris.

3.4 Uji Normalitas Data Plastik

3.4.1 Metode Kolmogorov-Smirnov Shapiro-Wilk

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
PLASTIC .159 35 .026 .939 35 .051

24
a. Lilliefors Significance Correction

Diketahui data Uji Normalitas dengan metode Kolmogorov-Smirnov dan Shapiro-Wilk.Penerapan Uji
shapiro-wilk adalah bahwa jika signifikasi di bawah 0,05 berarti terdapat perbedaan yang
signifikan,dan jika signifikasi di atas 0,05 maka tidak terjadi perbedaan signifikan.Di table yang sudah
diketahui,terdapat signifikasi 0,051 yang berarti diatas 0,05 sehingga data tersebut bias dikatakan data
yang teruji dengan normal.
3.4.2 Metode Stem and Leaf Plot
PLASTIC Stem-and-Leaf Plot

Frequency Stem & Leaf

9.00 0 . 001111111
8.00 0 . 22222233
7.00 0 . 4444455
9.00 0 . 666666667
1.00 0 . 8
1.00 1 . 1

Stem width: 10.00


Each leaf: 1 case(s)

Diketahui uji normalitas dengan metode stem and leaf plot,di data tersebut terdapat tiga bagian yaitu
frekuensi,stem,dan leaf dimana f diletakkan paling kiri,stem di tengah,dan leaf paling kanan. Stem di sini
diartikan puluhan dan leaf diartikan satuan. Dalam data tersebut pemusatan data terjadi di stem 9 ,8 dan
11 merupakan outlier

3.4.3 Metode Normal Q-Q Plot

Diketahui garis grafik metode normal Q-Q Plot dimana grafik ini menggambarkan keadaan ideal dari
data yang mengikuti distribusi normal.titik pada garis adalah keadaan yang sedang diuji.data dikatakan
terdistribusi normal apabila titik-titik tersebut dekat dengan garis atau menempel pada garis. Dalam
25
grafik tersebut ada banyak titik yang diluar garis normal Q-Q Plot maka dapat disimpulkan data tidak
terdistribusi normal.

3.4.4 Metode Detrended Normal Q-Q Plot

Dari data tersebut metode detrended Q-Q Plot ini menggambarkan selisih antara titik-titik dengan garis diagonal
pada grafik sebelumnya.apabila data yang dimiliki terdistribusi normal maka titik-titik tersebut satu jalur dengan
garis 0,0,semakin banyak titik yang menyebar menjauhi garis maka data tersebut semakin tidak normal.dalam
grafik tersebut terlihat banyak titik-titik yang menjauh dari grafik 0,0 sehingga dapat disimpulkan data yang
dimiliki tidak terdistribusi dengan normal.

3.4.5 Metode Box Plot

Dalam metode Box Plot terdapat 5 indikator yaitu nilai minimum,Q1,nilai tengah,Q3 kuarti,nilai
outlier,dan nilai ekstrim.dari metode tersebut diketahui perkiraan nilai median ≈ 4,nilai Q1≈ 1,9,nilai
Q3≈6,nilai maksimum≈11,dan nilai minimum≈1,9.

26
Dari data yang dihasilkan Panjang whisker tidak sama antar whisker atas dan bawah, hal ini dapat
disimpulkan data tidak simetris.

3.5 Uji Normalitas Data Sisa Makanan


3.5.1 Metode Kolmogorov-Smirnov dan Shapiro-Wilk

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
SISA_MAKANAN .096 35 .200* .966 35 .340
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Diketahui data Uji Normalitas dengan metode Kolmogorov-Smirnov dan Shapiro-Wilk.Penerapan Uji
shapiro-wilk adalah bahwa jika signifikasi di bawah 0,05 berarti terdapat perbedaan yang
signifikan,dan jika signifikasi di atas 0,05 maka tidak terjadi perbedaan signifikan.Di table yang sudah
diketahui,terdapat signifikasi 0,051 yang berarti diatas 0,05 sehingga data tersebut bias dikatakan data
yang teruji dengan normal.

3.5.2 Metode Stem and Leaf Plot


SISA_MAKANAN Stem-and-Leaf Plot

Frequency Stem & Leaf

2.00 0 . 59
3.00 1 . 357
5.00 2 . 01458
5.00 3 . 00066
8.00 4 . 00123458
8.00 5 . 00012346
.00 6 .
2.00 7 . 27
2.00 8 . 00

Stem width: 10.00


Each leaf: 1 case(s)

Diketahui uji normalitas dengan metode stem and leaf plot,di data tersebut terdapat tiga bagian yaitu
frekuensi,stem,dan leaf dimana f diletakkan paling kiri,stem di tengah,dan leaf paling kanan. Stem di sini
diartikan puluhan dan leaf diartikan satuan. Dalam data tersebut pemusatan data terjadi di stem 8 ,8 dan
terdapat gap atau kesenjangan data terdapat pada stem 6.

27
3.5.3 Metode Normal Q-Q Plot

Diketahui garis grafik metode normal Q-Q Plot dimana grafik ini menggambarkan keadaan ideal dari
data yang mengikuti distribusi normal.titik pada garis adalah keadaan yang sedang diuji.data dikatakan
terdistribusi normal apabila titik-titik tersebut dekat dengan garis atau menempel pada garis. Dalam
grafik tersebut ada banyak titik yang diluar garis normal Q-Q Plot maka dapat disimpulkan data tidak
terdistribusi normal.

3.5.4 Metode Detrended Normal Q-Q Plot

28
Dari data tersebut metode detrended Q-Q Plot ini menggambarkan selisih antara titik-titik dengan garis diagonal
pada grafik sebelumnya.apabila data yang dimiliki terdistribusi normal maka titik-titik tersebut satu jalur dengan
garis 0,0,semakin banyak titik yang menyebar menjauhi garis maka data tersebut semakin tidak normal.dalam
grafik tersebut terlihat banyak titik-titik yang menjauh dari grafik 0,0 sehingga dapat disimpulkan data yang
dimiliki tidak terdistribusi dengan normal.

3.5.5 Metode Box Plot

Dalam metode Box Plot terdapat 5 indikator yaitu nilai minimum,Q1,nilai tengah,Q3 kuarti,nilai
outlier,dan nilai ekstrim.dari metode tersebut diketahui perkiraan nilai median ≈ 41,nilai Q1≈ 28,nilai
Q3≈50,nilai maksimum≈80,dan nilai minimum≈8.
Dari data yang dihasilkan Panjang whisker tidak sama antar whisker atas dan bawah, hal ini dapat
disimpulkan data tidak simetris.

3.6 Uji Normalitas Data Nilai Kalor

3.6.1 Metode Kolmogorov-Smirnof dan Shapiro-Wilk

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
NILAI_KALOR .074 35 .200* .978 35 .705
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Diketahui data Uji Normalitas dengan metode Kolmogorov-Smirnov dan Shapiro-Wilk.Penerapan Uji
shapiro-wilk adalah bahwa jika signifikasi di bawah 0,05 berarti terdapat perbedaan yang
29
signifikan,dan jika signifikasi di atas 0,05 maka tidak terjadi perbedaan signifikan.Di table yang sudah
diketahui,terdapat signifikasi 0,705 yang berarti diatas 0,05 sehingga data tersebut bias dikatakan data
yang teruji dengan normal.

3.6.2 Metode Stem and Leaf Plot


NILAI_KALOR Stem-and-Leaf Plot

Frequency Stem & Leaf

5.00 0 . 22333
4.00 0 . 5555
9.00 0 . 666677777
9.00 0 . 888899999
6.00 1 . 000011
2.00 1 . 33

Stem width: 10.00


Each leaf: 1 case(s)

Diketahui uji normalitas dengan metode stem and leaf plot,di data tersebut terdapat tiga bagian yaitu
frekuensi,stem,dan leaf dimana f diletakkan paling kiri,stem di tengah,dan leaf paling kanan. Stem di sini
diartikan puluhan dan leaf diartikan satuan. Dalam data tersebut pemusatan data terjadi di stem 9 ,9.

3.6.3 Metode Normal Q-Q Plot

Diketahui garis grafik metode normal Q-Q Plot dimana grafik ini menggambarkan keadaan ideal dari
data yang mengikuti distribusi normal.titik pada garis adalah keadaan yang sedang diuji.data dikatakan
terdistribusi normal apabila titik-titik tersebut dekat dengan garis atau menempel pada garis. Dalam
grafik tersebut ada banyak titik yang diluar garis normal Q-Q Plot maka dapat disimpulkan data tidak
terdistribusi normal.

30
3.6.4 Metode Detrended Normal Q-Q Plot

Dari data tersebut metode detrended Q-Q Plot ini menggambarkan selisih antara titik-titik dengan garis diagonal
pada grafik sebelumnya.apabila data yang dimiliki terdistribusi normal maka titik-titik tersebut satu jalur dengan
garis 0,0,semakin banyak titik yang menyebar menjauhi garis maka data tersebut semakin tidak normal.dalam
grafik tersebut terlihat banyak titik-titik yang menjauh dari grafik 0,0 sehingga dapat disimpulkan data yang
dimiliki tidak terdistribusi dengan normal.

3.6.5 Metode Box Plot

Dalam metode Box Plot terdapat 5 indikator yaitu nilai minimum,Q1,nilai tengah,Q3 kuartil,nilai
outlier,dan nilai ekstrim.dari metode tersebut diketahui perkiraan nilai median ≈ 8,nilai Q1≈ 6,25,nilai
Q3≈9,nilai maksimum≈13,dan nilai minimum≈3.

31
4.Transformasi Data
4.1 Transformasi Data Kertas
4.1.1 Sebelum dan Sesudah Transformasi

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
KERTAS .087 35 .200* .964 35 .310
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANSFORM_KERTAS .104 35 .200* .967 35 .367
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

KERTAS Stem-and-Leaf Plot

Frequency Stem & Leaf

8.00 0 . 12234688
7.00 1 . 0023578
8.00 2 . 01222488
9.00 3 . 001225788
1.00 4 . 3
2.00 5 . 05

Stem width: 10.00


Each leaf: 1 case(s)

TRANSFORM_KERTAS Stem-and-Leaf Plot

Frequency Stem & Leaf

4.00 1 . 0447
4.00 2 . 0488
5.00 3 . 11469
8.00 4 . 12456678
8.00 5 . 23445679
4.00 6 . 0115
2.00 7 . 04

Stem width: 1.00


Each leaf: 1 case(s)

32
33
4.2 Transformasi Data Logam
4.2.1 Sebelum dan Sesudah Transformasi

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LOGAM .123 35 .197 .928 35 .025
a. Lilliefors Significance Correction

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANSFORM_LOGAM .090 35 .200* .958 35 .203
*. This is a lower bound of the true significance.

34
a. Lilliefors Significance Correction

LOGAM Stem-and-Leaf Plot

Frequency Stem & Leaf

6.00 0 . 111111
10.00 0 . 2222223333
10.00 0 . 4444555555
4.00 0 . 6677
3.00 0 . 899
2.00 1 . 01

Stem width: 10.00


Each leaf: 1 case(s)

TRANSFORM_LOGAM Stem-and-Leaf Plot

Frequency Stem & Leaf

11.00 1 . 00000344444
5.00 1 . 67777
12.00 2 . 000122233444
3.00 2 . 668
4.00 3 . 0013

Stem width: 1.00


Each leaf: 1 case(s)

35
36
4.3 Transformasi Data Kaca
4.3.1 Sebelum dan Sesudah Transformasi

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
KACA .113 35 .200* .929 35 .026
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANSFORM_KACA .151 35 .041 .958 35 .193
a. Lilliefors Significance Correction

KACA Stem-and-Leaf Plot

Frequency Stem & Leaf

5.00 0 . 11111
7.00 0 . 2223333
2.00 0 . 45
8.00 0 . 66666677
8.00 0 . 88888999
4.00 1 . 0001
1.00 Extremes (>=18)

Stem width: 10.00


Each leaf: 1 case(s)

TRANSFORM_KACA Stem-and-Leaf Plot

Frequency Stem & Leaf

37
7.00 1 . 0012344
5.00 1 . 57779
7.00 2 . 0244444
8.00 2 . 56788888
7.00 3 . 0001124
.00 3 .
1.00 4 . 2

Stem width: 1.00


Each leaf: 1 case(s)

38
4.4 Transformasi Data Plastik
4.4.1 Sebelum dan Sesudah Transformasi

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
PLASTIC .159 35 .026 .939 35 .051
a. Lilliefors Significance Correction

Tests of Normality
39
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANSFORM_PLASTIK .123 35 .199 .962 35 .259
a. Lilliefors Significance Correction

PLASTIC Stem-and-Leaf Plot

Frequency Stem & Leaf

9.00 0 . 001111111
8.00 0 . 22222233
7.00 0 . 4444455
9.00 0 . 666666667
1.00 0 . 8
1.00 1 . 1

Stem width: 10.00


Each leaf: 1 case(s)

TRANSFORM_PLASTIK Stem-and-Leaf Plot

Frequency Stem & Leaf

2.00 0 . 33
.00 0 .
12.00 1 . 000000344444
3.00 1 . 678
13.00 2 . 0000122444444
4.00 2 . 5668
1.00 3 . 3

Stem width: 1.00


Each leaf: 1 case(s)

40
41
4.5 Transformasi Data Sisa Makanan
4.5.1 Sebelum dan Sesudah Transformasi

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
SISA_MAKANAN .096 35 .200* .966 35 .340
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANSFORM_SISA_MAKA .116 35 .200* .970 35 .449
NAN
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

SISA_MAKANAN Stem-and-Leaf Plot

Frequency Stem & Leaf

2.00 0 . 59
3.00 1 . 357
5.00 2 . 01458
5.00 3 . 00066
8.00 4 . 00123458
8.00 5 . 00012346
.00 6 .
2.00 7 . 27
2.00 8 . 00

Stem width: 10.00


42
Each leaf: 1 case(s)

TRANSFORM_SISA_MAKANAN Stem-and-Leaf Plot

Frequency Stem & Leaf

1.00 2 . 2
3.00 3 . 068
4.00 4 . 2458
5.00 5 . 02445
10.00 6 . 0033455679
8.00 7 . 00012234
4.00 8 . 4799

Stem width: 1.00


Each leaf: 1 case(s)

43
44
4.6 Transformasi Data Nilai Kalor
4.6.1 Sebelum dan Sesudah Transformasi

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
NILAI_KALOR .074 35 .200* .978 35 .705
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANSFORM_NILAI_KALO .111 35 .200* .970 35 .432
R
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

NILAI_KALOR Stem-and-Leaf Plot

Frequency Stem & Leaf

5.00 0 . 22333
4.00 0 . 5555
9.00 0 . 666677777
9.00 0 . 888899999
6.00 1 . 000011
2.00 1 . 33

Stem width: 10.00


Each leaf: 1 case(s)

TRANSFORM_NILAI_KALOR Stem-and-Leaf Plot

Frequency Stem & Leaf

5.00 1 . 67999
5.00 2 . 23344
12.00 2 . 555677778888
11.00 3 . 00001222233
2.00 3 . 67
45
Stem width: 1.00
Each leaf: 1 case(s)

46
47
48