Pemilik
Operator
Dari data diagram pareto diatas dapat diketahui bahwa volume air
perendaman 1 menjadi 8 kelompok dengan volume air yang berbeda-beda.
Kelompok yang terbanyak berjumah 9 dengan volume air 445,58 liter. Kelompok
terbanyak kedua berjumlah 5 dengan volume air 443,12 liter. Kelompok
terbanyak ketiga berjumlah 4 dengan volume air 450,50 liter. Kelompok
terbanyak keempat berjumlah 3 dengan volume air 440,65 liter. Sisanya 4
kelompok masing-masing berjumlah satu dengan volume air 433,27 liter, 435,73
liter, 438,19 liter.
Gambar IV.3 Diagram pareto jumlah kapur
Dapat diketahui dari diagram pareto bahwa terdapat jumlah produk yang
cacat berjumlah 2 dengan berat yang sama yaitu 55 Kg.
IV.3.3 Histogram
Histogram adalah tampilan grafis dari tabulasi frekuensi yang
digambarkan dengan grafis batangan sebagai manifestasi data binning. Dibawah
ini adalah diagram pareto hasil dari data yang telah diperoleh :
Dari data histogram volume air perendaman 1, bahwa dari jumlah rentang
436 liter sampai dengan 452 liter dapat diketahui bahwa volume air yang tidak
ada diangka jumlah antara 440 liter s/d 444 liter. Kedua diangka jumlah volume
air 448 liter.
Gambar IV.9 Histogram jumlah kapur
Pada gambar histogra jumlah kapur, terdapat jumlah kapur yang tidak ada
yaitu direntang jumlah 6,15 liter
Sig. ,776
Pada tabel KMO and Bartlett’s Test menunjukkan bahwa sig < dimana
nilai sig pada tabel 0,000 < 0,05. Sehingga variabel-variabel berkorelasi dan
dapat diproses lebih lanjut.
IV.4.2.2 Uji Measure of Sampling Adequancy (MSA)
Uji MSA adalah uji yang digunakan untuk mengukur homogenitas
antar variabel dan melakukan penyaringan antar variabel sehingga hanya
variabel yang memenuhi syarat dapat diproses lebih lanjut. Dimana nilai MSA
sebesar 0,5 – 1,0. Dengan kriteria sebagai berikut :
a. MSA = 1 variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel lain.
b. MSA = 0,5 variabel dapat diprediksi dan bisa dianalisis lebih lanjut.
c. MSA = variabel tidak dapat diprediksi dan tidak dianalisis lebih
lanjut serta dikeluarkan dari variabel lainnya.
Terlihat pada Tabel IV.3 nilai KMO dan Bartleet’s Test of Sphericity = 0,616
sehingga proses analisis faktor dapat dilanjut karena memenuhi syarat dimana
nilai KMO hitung > KMO tabel yaitu 0,625 > 0,5. Hipotesa varibel dapat
dikatakan layak dan dapat diproses.
Ho = Variabel tidak layak dan tidak dapat diproses lebih lanju.
H 1 = Variabel layak dan dapat diproses lebih lanjut.
Pada image matrices bagian anti image correlation dapat dilihat pada tabel
IV.4 variabel-variabel yang terbentuk setelah uji MSA adalah sebagai
berikut:
Tabel IV.4 Anti-image Matrices Measures of Sampling Adequacy (MSA)
Pada tabel IV.4 Anti-image Matrices Measures of Sampling Adequacy (MSA) menunjukan nilai diatas 0,5 maka terbentuklah
suatu variabel yang memilki nilai loading > 0,5.
IV.4.3 Proses faktoring atau ekstraksi
Pada Tabel IV.6 Hasil Ekstraksi PCA merupakan tabel hasil ekstraksi dari sejumlah variabel yang mempengaruhi permasalahan
terhadap kualitas produk kulit kikil. Dari 5 variabel hasil ekstraksi, terbentuk 2 faktor terlihat pada Tabel IV.6 Jumlah faktor hasil
Ekstraksi (PCA), dari 5 faktor yang terbentuk terlihat semua faktor memilki nilai eigen > 1, misalkan pada kolom total faktor 1 = 1,683 >1.
Selain dari tabel total varian, terdapat pula grafik yang menjelaskan dasar perhitungan dalam menentukan jumlah faktor, terlihat pada
grafik Scree Plot. Bentuk grafik Scree Plot yang bersesuaian dengan tabel Tabel IV.6 dapat dilihat pada gambar IV14 Scree Plot sebagai
berikut :
Gambar IV.14 Scree Plot
Pada Gambar IV.14 Scree Plot terlihat bahwa dari titik satu ke titik dua
menurun sangat tajam, titik dua masih terlihat tajam dan pada titik tiga sampai
dengan lima terlihat sedikit landai tidak seperti titik satu dan dua.
IV.4.4 Rotasi Faktor
Variabel-variabel yang telah diekstraksi akan dilakukan proses rotasi
karena biasanya dalam penempatan variabel belum tepat atau masih ada variabel
yang tidak sesuai dengan faktor. Proses rotasi dilakukan pada variabel yang lolos
dalam uji MSA. Component matrix dapat menentukan konstribusi variabel
terhadap faktor yang terbentuk. Distribusi variabel terlihat pada Tabel IV.7
Component Matrix. Hasil Tabel IV.7 Component Matrix sebelum rotasi Variamx
menunjukkan bahwa tiap-tiap variabel berada pada masing-masing kelompok
faktor.
1 2
Rotasi faktor akan memperjelas posisi sebuah variabel tanpa dengan melihat
nilai loading terbesar tanpa melihat (+) dan (-). Setelah diketahui bahwa
faktor yang terbentuk adalah 2 maka Tabel IV.7 Component Matrix setelah
Rotasi menunjukan distribusi 5 variabel terhadap 2 faktor yang terbentuk.
Hasil rotasi dapat dilihat pada Tabel IV.8 Component Matrix sebagai berikut :
Tabel IV.8 Component Matrix setelah Rotasi
Component
1 2