DAFTAR PUSTAKA Christensen, R., 1991. Linier Models for Multivariate, Time Series, and Spatial Data. Springer –Verlag, New York Draper, N. Dan Smith, H., 1992. Analisis Regresi Terapan, edisi kedua. Diterjemahkan oleh Bambang Sumantri. PT. Gramedia, Jakarta. Dwi, A. W., 2000. Laporan Skripsi. Analisis Pengendalian Kualitas Multivariate Proses Produksi Gula dan Pemodelan Hasil Produksi Gula di PG Candi Baru Sidoarjo. Jurusan Metematika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya. Johson, R.A. dan Wichern, D.W.1992. Applied Multivariate Statistical Analysis, Prentice Hall, New Jersey, Third Edition. Saputri, A. C. Dan Susilowati E. A., 2006. Laporan Kerja Praktek. Analisis Pengendalian Kualitas Statistika Terhadap Ampas, Blotong, dan Tetes di PG Djombang Baru. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya. Saputri, A. C., 2008. Tugas Akhir. Model Linier Multivariat pada Produksi Gula dan Tetes Tebu di PG Djombang Baru Jombang. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya. Wallpole, R.E, (1995), Pengantar Statistika, edisi ketiga, Gramedia Pustaka Tama, Jakarta. [www.sugarresearch.org] dikunjungi hari selasa, 23 Juni 2009
(Halaman ini sengaja dikosongkan)
LAMPIRAN 2 Tanggal
Ampas
Nira
Tanggal
Ampas
Nira
1
2401,56
960,13
29
1079,11
334,56
1155,53
361,05
1278,42
398,33
2
1954,41
804,88
30
3
2202,53
853,48
31
4
1364,69
554,29
5
2346,63
967,43
6
2304,03
981,41
7
2388,75
973,75
8
2598,59
988,76
9
2130,19
1000,42
10
2484,78
988,08
11
2451,93
998,46
12
2033,29
837,9
13
2539,55
993,16
14
2323,11
947,06
15
2547
995,63
16
2567,16
984,23
17
1444
447,88
18
1255,87
388,8
19
1441,49
447,37
20
1281,81
401,47
21
1104,88
342,2
22
934,51
287,99
23
1198,01
373,83
24
1373,22
421,83
25
1399,08
428,5
26
1016,43
315,54
27
1007,43
314,31
28
847,7
262,61
LAMPIRAN 3 28
Residual 1 -27,2188
Residual 2 -12,5771
29
-4,3809
3,8703
6,2305
30
14,2926
10,1117
-13,3581
-15,4558
31
-33,8464
-8,6390
5
23,5506
0,7054
6
-92,9778
-5,8668
7
-0,5976
-5,8247
8
7,3546
8,4767
9
-72,0874
31,3781
10
32,4693
-1,3398
11
18,9918
-9,3786
12
54,5692
1,4392
13
-23,9825
-10,9928
14
35,3016
0,5746
15
-20,2015
-5,8262
16
36,5761
3,3284
17
-39,5392
-6,3218
18
64,1472
17,9949
19
14,2558
11,3956
20
7,6646
5,7803
21
-12,5708
-3,6668
22
8,9648
-3,7454
23
28,6198
7,8642
24
-11,8520
-9,8606
25
-30,7329
-2,9356
26
6,8721
-0,8883
27
-3,1107
1,3017
1
Residual 1 15,0819
Residual 2 0,2000
2
13,5339
-7,3324
3
4,2106
4
Tanggal
Tanggal
Lampiran 4 Statistik Deskriptif Total Variable Count Mean StDev Minimum AP 24 31 70.1 73.3 0.000000000 AP 74 31 62.9 129.2 0.000000000 Bulu lawang 31 5610 5372 57.0 BZ 148 31 1813 1013 487 Kidang Kencana 31 1724.7 404.2 612.0 PS 851 31 1420 611 454 PS 864 31 4253 1793 1688 PS 921 31 459.7 185.1 46.0 PS 951 31 114.1 158.2 0.000000000 PS JT 941 31 974 678 70.0 imbibisi 31 93.82 10.21 80.27 Ampas 31 1757 615 848 nira kw 31 6.566 2.981 2.626
Maximum 346.0 455.0 13090 3548 2432.0 3158 7771 844.0 647.0 2742 111.04 2599 10.004
Lampiran 5 Korelasi antara Y1 dan Y2 Correlations: Ampas, nira kw Pearson correlation of Ampas and nira kw = 0.986 P-Value = 0.000 Ampas Nira Mentah Ampas 1.00000 0.98571 Nira Mentah 0.98571 1.00000 Lampiran 6 Pengolahan Data Regresi Linier Multivariat Factor
Type
Analysis of Tests Source Bulu L. BZ 148 Kidang K.
Levels
Values
Variance for Ampas, using Adjusted SS for DF 1 1 1
Seq SS Adj SS Adj MS F 9758315 170208 170208 191.30 435658 53954 53954 60.64 591621 33451 33451 37.60
P 0.000 0.000 0.000
PS 851 PS 864 PS 921 PS JT 941 Error Total
1 1 1 1 23 30
297335 119816 3772 127227 20464 11354207
77888 221019 12803 127227 20464
S = 29.8284
R-Sq = 99.82%
Term Constant Bulu lawang BZ 148 Kidang Kenca PS 851 PS 864 PS 921 PS JT 941
Coef 9.05 0.055272 0.12841 0.11409 0.14013 0.139627 0.17530 0.13822
77888 221019 12803 127227 890
87.54 248.41 14.39 143.00
0.000 0.000 0.001 0.000
R-Sq(adj) = 99.76%
SE Coef 32.28 0.003996 0.01649 0.01861 0.01498 0.008859 0.04621 0.01156
T 0.28 13.83 7.79 6.13 9.36 15.76 3.79 11.96
P 0.782 0.000 0.000 0.000 0.000 0.000 0.001 0.000
Unusual Observations for Ampas Obs 6 9 23
Ampas 2304.03 2130.19 1198.01
Fit 2371.92 2204.27 1138.38
SE Fit 12.38 16.18 12.02
Residual -67.89 -74.07 59.62
St Resid -2.50 R -2.96 R 2.18 R
R denotes an observation with a large standardized residual. Analysis of Variance for nira kw, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Bulu L 1 253.391 9.291 9.291 1096.29 0.000 BZ 148 1 3.641 0.462 0.462 54.47 0.000 Kidang K. 1 4.670 0.243 0.243 28.73 0.000 PS 851 1 2.993 0.962 0.962 113.46 0.000 PS 864 1 1.009 1.596 1.596 188.32 0.000 PS 921 1 0.017 0.084 0.084 9.92 0.004 PS JT 941 1 0.742 0.742 0.742 87.56 0.000 Error 23 0.195 0.195 0.008 Total 30 266.658 S = 0.0920593 Term Constant
R-Sq = 99.93% R-Sq(adj) = 99.90% Coef SE Coef T P 0.23725 0.09963 2.38 0.026
Bulu lawang 0.000408 0.000012 BZ 148 0.000376 0.000051 Kidang Kenca 0.000308 0.000057 PS 851 0.000492 0.000046 PS 864 0.000375 0.000027 PS 921 0.000449 0.000143 PS JT 941 0.000334 0.000036 Unusual Observations for nira kw Obs 9
nira kw 10.0042
Fit 9.6955
SE Fit 0.0499
33.11 7.38 5.36 10.65 13.72 3.15 9.36
Residual 0.3087
0.000 0.000 0.000 0.000 0.000 0.004 0.000 St Resid 3.99 R
R denotes an observation with a large standardized residual. MANOVA for Bulu lawang s = 1 m = 0.0 n = 10.0 Criterion Wilks' LawleyHotelling Pillai's Roy's
Test Statistic F Num 0.01399 775.139 2 70.46717 775.13 0.98601 775.139 70.46717
MANOVA for BZ 148 s = 1 m = 0.0 Criterion Wilks' Lawley-Hotelling Pillai's Roy's
2 2
DF Denom P 22 0.000 22 22
0.000 0.000
n = 10.0 Test Statistic 0.13011 6.68594 0.86989 6.68594
F 73.545 73.545 73.545
Num 2 2 2
DF Denom 22 22 22
P 0.000 0.000 0.000
Test Statistic F 0.20633 42.312
Num 2
DF Denom 22
P 0.000
MANOVA for Kidang Kencana s = 1 m = 0.0 n = 10.0
Criterion Wilks'
Lawley-Hotelling Pillai's Roy's
3.84658 0.79367 3.84658
MANOVA for PS 851 s = 1 m = 0.0
n = 10.0
Criterion Wilks' Lawley-Hotelling Pillai's Roy's MANOVA for PS 864 s = 1 m = 0.0 Criterion Wilks' Lawley-Hotelling Pillai's Roy's MANOVA for PS 921 s = 1 m = 0.0 Criterion Wilks' Lawley-Hotelling Pillai's Roy's
Test Statistic 0.07900 11.65870 0.92100 11.65870
42.312 42.312
2 2
22 22
0.000 0.000
DF F Num Denom 128.246 2 22 128.246 2 22 128.246 2 22
P 0.00 0.00 0.00
DF F Num Denom 278.582 2 22 278.582 2 22 278.582 2 22
P 0.00 0.00 0.00
n = 10.0 Test Statistic 0.03799 25.32564 0.96201 25.32564
n = 10.0 Test Statistic 0.41541 1.40728 0.58459 1.40728
F 15.480 15.480 15.480
Num 2 2 2
DF Denom 22 22 22
P 0.000 0.000 0.000
MANOVA for PS JT 941 s = 1 m = 0.0 n = 10.0
Criterion Wilks'
Test Statistic 0.06985
DF F Num Denom 146.481 2 22
P 0.00
Lawley-Hotelling Pillai's Roy's
13.31642 0.93015 13.31642
146.481 146.481
2 2
Lampiran 7 Uji Distribusi Normal Multivariat MTB > %Normal Multivariat.txt c14-c15 Answer = 0.2087 Answer = 1.5643 Answer = 0.8789 Answer = 0.4177 Answer = 2.5839 Answer = 0.5028 Answer = 7.8104 Answer = 0.3729 Answer = 0.7773 Answer = 18.3113 Answer = 1.0499 Answer = 1.5125 Answer = 2.7051 Answer = 1.5787 Answer = 1.1403 Answer = 0.6236 Answer = 1.2304 Answer = 1.6162 Answer = 6.1200 Answer = 1.4468 Answer = 0.3754 Answer = 0.2442 Answer = 0.2683 Answer = 1.1945 Answer = 1.0778 Answer = 0.8727 Answer = 0.0596 Answer = 0.0324
Answer = 2.0585 Answer = 0.2032 Answer = 1.1616
22 22
0.00 0.00
Data Display t 0.645161 Residual berdistribusi Normal Multivariat Lampiran 8 Makro MINITAB Untuk Uji Distribusi Normal Multivariat macro qq x.1-x.p mconstant i n p t chis mcolumn d x.1-x.p dd pi q ss tt mmatrix s sinv ma mb mc md let n=count(x.1) cova x.1-x.p s invert s sinv do i=1:p let x.i=x.i-mean(x.i) enddo do i=1:n copy x.1-x.p ma; use i. transpose ma mb multiply ma sinv mc multiply mc mb md copy md tt let t=tt(1) let d(i)=t enddo set pi 1:n end let pi=(pi-0.5)/n sort d dd invcdf pi q; chis p. plot q*dd
invcdf 0.5 chis; chis p. let ss=dd
0.5 note distribusi residual Normal Multivariat endif if t<=0.5 note distribusi residual bukan Normal Multivariat endif endmacro Lampiran 9 Uji Barlet’s MTB > %barlets.txt c1-c11
Data Display chis pvalue
294.793 0
Lampiran 10 Makro MINITAB Untuk Uji Barlet’s macro bart x.1-x.p mconstant i n p d chis pp pvalue v mcolumn x.1-x.p eigen mmatrix r let n=count(x.1) corr x.1-x.p r eigenvalues r eigen let d=0 do i=1:p let d=d+loge(eigen(i))
enddo let chis=-(n-1-(2*p+5)/6)*d let v=p*(p-1)/2 cdf chis pp; chis v. let pvalue=1-pp print chis pvalue endmacro
BIODATA PENULIS Penulis dilahirkan di kota Blora, 22 Agustus 1987, merupakan anak pertama dari tiga bersaudara. Penulis telah menempuh pendidikan formal yaitu di TK Hang Tuah 9 Surabaya, SLTP N 11 Surabaya, dan SMA N 19 Surabaya. Setelah lulus dari SMAN pada tahun 2005, penulis mengikuti tes jalur Non-SPMB dan diterima di jurusan D3 Statistika FMIPA ITS pada tahun 2006 dan terdaftar dengan NRP 1306 030 010. Di Jurusan Statistika ini penulis aktif berorganisasi di Himpunan Mahasiswa Statistika dan bergabung di departemen KEILKA sebagai staf periode 2007-2008. Penulis yang mempunyai hobi renang dan bermain game sangat menyukai udara yang sejuk dan pemandangan pedesaan. Motto hidup sang penulis tidak hanya satu yaitu senyum selalu karena senyum adalah ibadah, melakukan yang terbaik disetiap detik dalam hidup dan berpikir sebelum mengambil tindakan karena hidup ini penuh dengan pilihan yang membingungkan. Teknologi semakin canggih, ayo semangat untuk Indonesia Maju!!!