Nama: David Yosef Genaro Sitanggang

NIM: 20190122032

ACARA 5 :

APLIKASI MODEL ANALISIS NILAI KONSTANTA K (=/WAKTU)

A. Tujuan :
Memahami cara analisis aplikasi model nilai konstanta K dan analisis model
persamaannya.

B. Teori :
Setelah mengetahui nilai konstanta K dari suatu hasil analisis, maka dapat
melakukan analisis untuk memperoleh nilai prediksinya. Sekaligus nilai tersebut dapat
dianalisis lebih lanjut untuk memperoleh persamaan model regresi non liniernya yang
juga dapat digunakan untuk mendapatkan nilai prediksinya, demikian juga gambar
kurva-kurvanya.
Seperti telah kita ketahui bahwa nilai konstanta laju pertumbuhan atau laju
penurunan ini dikembangkan dari analogi hukum Newton untuk proses pendinginan
(Lewis (1921) dalam Brooker, D.B. et.al, 1992)), tetapi model yang dikembangkan
merupakan kebalikannya, yakni berupa laju pertumbuhan. Asumsi yang digunakan
berupa laju pertumbuhan tanaman yang akan proporsional terhadap waktu tanam
dengan kondisi pertumbuhan setimbang. Persamaan tersebut adalah :

(1)

Dengan pemisahan variabel dan pengintegralan diperoleh persamaan :

(2)

Selanjutnya diperoleh :

(3)

Dengan :

(4)

Dengan pemisahan variabel dan pengintegralan diperoleh persamaan :

 H t .=H e − [ ( H o−H e )
exp ⁡(−Kp∗t) ] (5)

Sehingga didapatkan nilai prediksinya sebagai :

H tPred .=H e− [ ( H o−H e )

exp ⁡(−Kp∗t) ] (6)

Selanjutnya Analisis prediksi terhadap pertumbuhan atau laju penurunan

akan dikembangkan dari persamaan (6), selain mengembangkan model
pendekatan prediksi untuk nilai konstanta K yang lain dengan
memanfaatkan analisis prediksinya dengan persamaan regresi non linier
yang sesuai atau yang memiliki nilai koefisien yang maksimal (R2 tertinggi).

C. Alat dan Bahan yang Digunakan :

1. Alat :
a. Komputer / Laptop
b. Alat tulis.
2. Bahan : Data hasil pengamatan.

D. Pelaksanaan Praktikum :
1. Pertumbuhan Diameter Batang (Prodi Agroteknologi)
a. Persiapkan data pengamatan berupa data diameter batang tanaman.
b. Lakukan analisis dengan program aplikasi Microsoft Excel untuk memperoleh
nilai Ln(DR).
c. Lakukan analisis dengan SigmaPlot untuk memperoleh nilai konstanta
pertumbuhan tinggi tanaman K p (=/minggu) serta catat nilai R 2-nya yang
menunjukkan tingkat validitasnya.
d. Selanjutnya kita buat data hasil analisis regresi dari berbagai konsentrasi pupuk
untuk beberapa ulangan.
(Catatan : Praktikan menyusun data hasil analisis (data dibuat sendiri
untuk melengkapi satu data K p (=/minggu) hasil analisis pada
bagian c) diatas)
e. Lakukan analisis regresi non linier pada data bagian d) diatas dengan persamaan
regresi yang sesuai, yang ditandai dengan nilai koefisen R2 yang maksimum.
f. Selanjutnya persamaan regresi nilai konstanta Kpred. yang diperoleh dari analisis
diatas digunakan untuk menganalisis nilai prediksi terhadap waktu
pengamatannya dan selanjutnya dapat pula digambarkan kurva prediksinya
selain kurva pengamatannya.
g. Penggambaran kurva selengkapnya dilakukan dengan empat kolom data dan
hasil analisis yakni : 1) waktu pengamatan; 2) data pengamatan; 3) data hasil
prediksi dan 4) data nilai setimbangnya.
 h. Analisis selanjutnya adalah uji validitas yang dilakukan dengan membandingkan
antara nilai pengamatan dan nilai prediksinya dengan analisis regresi linier
(persamaan Polynomial Linear).
i. Amati dan catat besar nilai koefisien R2-nya, semakin BESAR nilai R2-nya berarti
menunjukkan hasil analisis validitas yang semakin VALID.
j. Selanjutnya hasil analisis validitas dapat diwujudkan dalam bentuk KURVA LINIER
uji validitas antara data hasil prediksi terhadap data pengamatannya.

2. Laju Penurunan Kadar HCN (Prodi THP)

a. Persiapkan data pengamatan berupa data kadar HCN.
b. Lakukan analisis dengan program aplikasi Microsoft Excel untuk memperoleh
nilai Ln(CR).
c. Lakukan analisis dengan SigmaPlot untuk memperoleh nilai konstanta laju
penurunan HCN K p (=/minggu) serta catat nilai R 2-nya yang menunjukkan tingkat
validitasnya.
d. Selanjutnya kita buat data hasil analisis regresi dari berbagai konsentrasi asam
sitrat untuk beberapa ulangan.
(Catatan : Praktikan menyusun data hasil analisis (data dibuat sendiri
untuk melengkapi satu data K p (=/minggu) hasil analisis pada
bagian c) diatas)
e. Lakukan analisis regresi non linier pada data bagian d) diatas dengan persamaan
regresi yang sesuai, yang ditandai dengan nilai koefisen R2 yang maksimum.
f. Selanjutnya persamaan regresi nilai konstanta Kpred. yang diperoleh dari analisis
diatas digunakan untuk menganalisis nilai prediksi terhadap waktu
pengamatannya dan selanjutnya dapat pula digambarkan kurva prediksinya
selain kurva pengamatannya.
g. Penggambaran kurva selengkapnya dilakukan dengan empat kolom data dan
hasil analisis yakni : 1) waktu pengamatan; 2) data pengamatan; 3) data hasil
prediksi dan 4) data nilai setimbangnya.
h. Analisis selanjutnya adalah uji validitas yang dilakukan dengan membandingkan
antara nilai pengamatan dan nilai prediksinya dengan analisis regresi linier
(persamaan Polynomial Linear).
i. Amati dan catat besar nilai koefisien R2-nya, semakin BESAR nilai R2-nya berarti
menunjukkan hasil analisis validitas yang semakin VALID.
j. Selanjutnya hasil analisis validitas dapat diwujudkan dalam bentuk KURVA LINIER
uji validitas antara data hasil prediksi terhadap data pengamatannya.
 E. HASIL

t (minggu) Diameter batang = Dt

(mm)
0 0,7
1 1,6
2 3,1
3 4,5
6 8,9
18 15,4
25 28,4

t (minggu) Do (mm) Dt De DR = (Dt - De)/(Do - De) Ln(DR)

(mm) (mm)
0 0,7 0,7 40 1 0
1 0,7 1,6 40 0,977099237 -0,02317
2 0,7 3,1 40 0,938931298 -0,06301
3 0,7 4,5 40 0,903307888 -0,10169
6 0,7 8,9 40 0,791348601 -0,23402
18 0,7 15,4 40 0,625954198 -0,46848
25 0,7 28,4 40 0,295165394 -1,22022

R Rsqr Adj Rsqr Standard Error of Estimate

0,9499 0,9022 0,8827 0,1494

Coefficient Std. Error t P

y0 0,0468 0,0763 0,6139 0,5661

a -0,0428 0,0063 -6,7929 0,0011

Nilai R2 0,9499 sangat valid