Pengaruh Kecepatan Spindel terhadap Viskositas Produk PT. Mata Pelangi- ANOVA ONEWAY

Diyan Milla Hanifah

2023-05-29

1 PENDAHULUAN

1.1 Latar Belakang

Pada zaman yang semakin maju ini memberikan perkembangan terhadap banyak bidang salah satunya bidang industri kimia yang saat ini banyak menerapkan ilmu komputasi untuk kemajuan industrinya. Penerapan tersebut khususnya dalam pembuatan pasta warna, salah satunya dalam mengembangkan keragaman dan kualitas produk.Kualitas bisa diukur melalui pengujian baik secara fisik maupun kimia serta analisa yang tepat dan akurat. Pengukuran kualitas secara fisik dari pasta warna dapat dilakukan dengan mengukur viskositasnya. Viskositas adalah sifat fisik fluida yang menggambarkan ketahanannya terhadap aliran. Pengukuran viskositas penting dalam berbagai bidang, termasuk industri minyak dan gas, industri farmasi, industri makanan, dan banyak lagi. Salah satu faktor yang dapat mempengaruhi viskositas fluida adalah kecepatan spindel pada alat ukur viskositas yaitu viscometer.(Maulidina dan Rani, 2010)

Dalam hal ini, PT. Mata Pelangi Chemindo merupakan salah satu pabrik produsen pasta warna dengan jenis solventbase dan waterbase. Produk PT. Mata Pelangi merupakan jenis ini sangat mementingkan visual atau tingkat kekentalan (viskositas) pasta karna bisa memudahkan pencampuran dan mencegah terjadinya sadling atau pemisahan antara pelarut dan zat terlarutnya. Untuk mendapatkan proporsi pasta warna yang terbaik, PT. Mata Pelangi melakukan pengujian terhadap ada tidaknya pengaruh terhadap beberapa jenis kecepatan spindel viscometer terhadap viskositas pasta warna produksi pabrik ini.

1.2 TINJAUAN PUSTAKA

1.2.1 ASUMSI ANOVA

1.2.2 ASUMSI NORMALITAS (Shapiro Wilk)

Analisi varians memiliki beberapa asumsi penting yang harus dipenuhi sebelum melakukan uji lebih lanjut, salah satunya uji normalitas. Terdapat beberapa metode pengujian normalitas residual data salah satunya adalah uji normalitas shapiro wilk. Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan kurva normal.(Putra, 2015)

1.2.3 ASUMSI HOMOSKEDASTISITAS

Pengujian asumsi homogenitas varian dilakukan untuk menguji uji Levene. Uji ini dilakukan dengan membandingkan variansi absolut antara kelompok-kelompok yang dibandingkan. Hipotesis nol dalam uji Levene adalah variansi antara kelompok adalah sama. Dalam pengambilan keputusan didasarkan jika nilai p-value lebih besar dari tingkat signifikansi yang telah ditentukan sebelumnya, maka hipotesis nol gagal ditolak dan dapat disimpulkan bahwa terdapat homoskedastisitas dalam data.(Hartati dkk, 2013)

1.2.4 ANOVA ONE WAY

Metode statistik yang banyak digunakan untuk menganalisis data dari suatu percobaan yang terancang adalah teknik analisis ragam atau sering disebut dengan ANOVA. Anava atau Anova adalah sinonim dari analisis varians. Anova merupakan bagian dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata (Riduwan dalam Setiawan, 2019).Analisis ini adalah teknik analisis statistik yang dikembangkan dan diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush dalam Setiawan, 2019). Analisis ragam adalah sebuah metode untuk memeriksa hubungan antara dua atau lebih set data. Dengan kata lain ada hubungan antara set data dengan melakukan analisis varians. Analisis varian kadang- kadang disebut sebagai F-test. Suatu ciri analisis ragam adalah model ini terparameterisasikan secara berlebih, artinya model ini mengandung lebih banyak parameter dari pada yang dibutuhkan untuk mempresentasikan pengaruh-pengaruh yang diinginkan. Salah satu tipe dari analisis ragam adalah analisis varians satu jalur atau juga dikenal dengan istilah one-way ANOVA.(Pratama dkk, 2016).

2 SOURCE CODE

2.1 DATA

Keterangan Perlakuan

P1 : Kecepatan putar spindel 60 rpm

P2 : Kecepatan putar spindel 30 rpm

P3 : Kecepatan putar spindel 12 rpm

P4 : Kecepatan putar spindel 6 rpm

P5 : Kecepatan putar spindel 3 rpm

Perlakuan  = factor(rep(c("P1","P2","P3","P4","P5"),each=5))
Viskositas = c(6.9,7.5,5.2,4.1,6.65,9.9,11,7,5.4,12.6,16,19,10,7.5,18,
              23,29,13,9.5,24.5, 33,42,16,12,32)
Data1<-data.frame(Perlakuan,Viskositas)
Data1
##    Perlakuan Viskositas
## 1         P1       6.90
## 2         P1       7.50
## 3         P1       5.20
## 4         P1       4.10
## 5         P1       6.65
## 6         P2       9.90
## 7         P2      11.00
## 8         P2       7.00
## 9         P2       5.40
## 10        P2      12.60
## 11        P3      16.00
## 12        P3      19.00
## 13        P3      10.00
## 14        P3       7.50
## 15        P3      18.00
## 16        P4      23.00
## 17        P4      29.00
## 18        P4      13.00
## 19        P4       9.50
## 20        P4      24.50
## 21        P5      33.00
## 22        P5      42.00
## 23        P5      16.00
## 24        P5      12.00
## 25        P5      32.00

sumber : Caesaron dan Nintyas, 2017

##Uji Asumsi

###Uji Normalitas

  model<-lm(Viskositas ~ Perlakuan, data=Data1)
  shapiro.test(residuals(model))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.97269, p-value = 0.7137

2.2 Uji Homoskedastisitas

   library(car)
## Warning: package 'car' was built under R version 4.2.3
## Loading required package: carData
## Warning: package 'carData' was built under R version 4.2.3
   leveneTest(Viskositas ~ Perlakuan, data = Data1)
## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  4  2.2014 0.1056
##       20

2.3 ANOVA ONE WAY

   model<-lm(Viskositas ~ Perlakuan, data=Data1)
   anova(model)
## Analysis of Variance Table
## 
## Response: Viskositas
##           Df Sum Sq Mean Sq F value   Pr(>F)   
## Perlakuan  4 1406.0  351.50  6.7159 0.001349 **
## Residuals 20 1046.8   52.34                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
   summary(model)
## 
## Call:
## lm(formula = Viskositas ~ Perlakuan, data = Data1)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -15.00  -3.78   0.83   3.90  15.00 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    6.070      3.235   1.876 0.075310 .  
## PerlakuanP2    3.110      4.576   0.680 0.504485    
## PerlakuanP3    8.030      4.576   1.755 0.094570 .  
## PerlakuanP4   13.730      4.576   3.001 0.007064 ** 
## PerlakuanP5   20.930      4.576   4.574 0.000184 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7.235 on 20 degrees of freedom
## Multiple R-squared:  0.5732, Adjusted R-squared:  0.4879 
## F-statistic: 6.716 on 4 and 20 DF,  p-value: 0.001349

2.4 Uji Lanjut

2.4.1 BNT

library(agricolae)
## Warning: package 'agricolae' was built under R version 4.2.3
BNT1<-LSD.test(model, "Perlakuan", alpha = 0.05)
BNT1
## $statistics
##   MSerror Df  Mean       CV  t.value      LSD
##   52.3388 20 15.23 47.50201 2.085963 9.544399
## 
## $parameters
##         test p.ajusted    name.t ntr alpha
##   Fisher-LSD      none Perlakuan   5  0.05
## 
## $means
##    Viskositas       std r       LCL      UCL  Min  Max  Q25   Q50  Q75
## P1       6.07  1.388164 5 -0.678909 12.81891  4.1  7.5  5.2  6.65  6.9
## P2       9.18  2.939728 5  2.431091 15.92891  5.4 12.6  7.0  9.90 11.0
## P3      14.10  5.079370 5  7.351091 20.84891  7.5 19.0 10.0 16.00 18.0
## P4      19.80  8.205181 5 13.051091 26.54891  9.5 29.0 13.0 23.00 24.5
## P5      27.00 12.569805 5 20.251091 33.74891 12.0 42.0 16.0 32.00 33.0
## 
## $comparison
## NULL
## 
## $groups
##    Viskositas groups
## P5      27.00      a
## P4      19.80     ab
## P3      14.10     bc
## P2       9.18      c
## P1       6.07      c
## 
## attr(,"class")
## [1] "group"

Interpretasi : Dengan taraf nyara 5% dapat disimpulkan bahwa perlakuan 2 dan perlakuan 1 memiliki notasi yang sama, maka tidak terdapat perbedaan antara kedua perlakuan.

Dengan taraf nyara 5% dapat disimpulkan bahwa perlakuan 2 dan perlakuan 3 memiliki notasi yang sama, maka tidak terdapat perbedaan antara kedua perlakuan.

Dengan taraf nyara 5% dapat disimpulkan bahwa perlakuan 3 dan perlakuan 4 memiliki notasi yang sama, maka tidak terdapat perbedaan antara kedua perlakuan.

Dengan taraf nyara 5% dapat disimpulkan bahwa perlakuan 4 dan perlakuan 5 memiliki notasi yang sama, maka tidak terdapat perbedaan antara kedua perlakuan.

3 HASIL DAN PEMBAHASAN

3.1 Uji Normalitas

Hipotesis

H0: Residual model berdistribusi secara normal

H1: Residual model tidak berdistribusi secara normal Hasil Output \[ p-value = 0.7137 \] Keputusan : p-value > alpha, maka terima H0

Kesimpulan : Dengan taraf nyata 5%, telah cukup bukti bahwa residual model berdistribusi normal.

3.2 Uji Homoskedastisitas

Hipotesis H0: Ragam antar perlakuan sama

H1: Ragam antar perlakuan tidak sama

Hasil Output \[ p-value = 0.1056 \] Keputusan : p-value > alpha, maka terima H0

Kesimpulan : Dengan taraf nyata 5%, telah cukup bukti bahwa ragam antar perlakuan sama.

3.3 ANOVA ONE WAY

Hipotesis

H0: Tidak terdapat pengaruh antara beberapa perlakuan kecepatan spindel terhadap viskositas produk.

H1: Terdapat pengaruh antara perlakuan kecepatan spindel terhadap viskositas produk.

Hasil Output \[ p-value = 0.001349 \] Keputusan : p-value < alpha, maka tolak H0

Kesimpulan : Dengan taraf nyata 5%, telah cukup bukti bahwa terdapat pengaruh antara beberapa perlakuan kecepatan spindel terhadap viskositas produk.

3.4 Uji Lanjut (BNT)

Hipotesis

H0: Tidak terdapat perbedaan perlakuan ke-i dengan perlakuan ke-j

H1: Minimal terdapat satu Hasil Output \[ p-value = 0.001349 \] Keputusan : p-value < alpha, maka tolak H0

Kesimpulan : Dengan taraf nyata 5%, telah cukup bukti bahwa terdapat pengaruh antara beberapa perlakuan kecepatan spindel terhadap viskositas produk.

4 KESIMPULAN

Berdasarkan hasil pengujian dengan menggunakan software Rstudio mendapatkan hasil bahwa kecepatan spindel berpengaruh secara signifikan terhadap viskositas pasta warna produksi dari PT. Mata Pelangi.

Kemudian, pada uji lanjut BNT dapat disimpulkan bahwa perlakuan 2 yaitu perlakuan kecepatan spindel 30 rpm tidak signifikan dengan perlakuan 1 yaitu perlakuan kecepatan spindel 60 rpm. Hal tersebut karena kedua perlakuan memiliki notasi yang sama. Perlakuan yang memiliki notasi yang berbeda berarti antar perlakuan tersebut memiliki perbedaan dalam memberikan pengaruh terhadap viskositas produk.

5 PLOTS

library(ggplot2)
p1 <- ggplot(Data1) + 
  aes(x = Perlakuan, y = Viskositas, fill = Perlakuan) +
  geom_boxplot() +
  scale_fill_hue(direction = 1) +
  theme_minimal() +
  theme(legend.position = "none")
p1

6 DAFTAR PUSTAKA

Caesaron, D., & Nintyas, S. S. A. (2017). Pengaruh Kecepatan Putar Spindel dalam Pengujian Viskositas Produk UQ. Black QHS dengan Metode ANOVA (Studi Kasus PT. Mata Pelangi Chemindo). JIEMS (Journal of Industrial Engineering and Management Systems), 8(1).

Fajrin, J., Pathurahman, P., & Pratama, L. G. (2016). Aplikasi metode analysis of variance (anova) untuk mengkaji pengaruh penambahan silica fume terhadap sifat fisik dan mekanik mortar. Jurnal Rekayasa Sipil, 12(1), 11-24.

Hartati, A., Wuryandari, T., & Wilandari, Y. (2013). Analisis varian dua faktor dalam rancangan pengamatan berulang (repeated measures). Jurnal Gaussian, 2(4), 279-288.

Maulida, H., & Rani, E. (2010). Analisis Karakteristik Pengaruh Suhu dan Kontaminan terhadap Viskositas Oli Menggunakan Rotary Viscometer. Jurnal NEUTRINO: Jurnal Fisika dan Aplikasinya. Setiawan, K. (2019). Buku ajar metodologi penelitian (anova satu arah).

Quraisy, A. (2020). Normalitas Data Menggunakan Uji Kolmogorov-Smirnov dan Saphiro-Wilk: Studi kasus penghasilan orang tua mahasiswa Prodi Pendidikan Matematika Unismuh Makassar. J-HEST Journal of Health Education Economics Science and Technology, 3(1), 7-11.