BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Transkripsi

1 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bab ini akan diuraikan proses pengumpulan dan pengolahan data hasil eksperimen. Data yang dikumpulkan meliputi langkah-langkah serta hasil pengumpulan dan pengolahan data. 4. DATA HASIL EKSPERIMEN Data hasil eksperimen yang disajikan merupakan hasil pengukuran nilai MOR menggunakan UTM dalam satuan N/mm. Data hasil uji ketahanan lentur masing-masing spesimen dapat dilihat pada Tabel 4.. Tabel 4.. Hasil pengukuran nilai MOR tiap spesimen (N/mm ) Penekanan Replikasi (C) Ukuran Partikel (A) 0 mesh (a) 0 mesh (a) 40 mesh (a) 5% 0% 5% 5% (b) (b) (b) (b) 0% 5% 5% 0% (b) (b) (b) (b) 5% (b),5,64,80,7,65 4,78,079,45,6 : (c),97,50,68,874,70 4,845,459,455 5,9,069,5,99,6,68 4,805,80,40,7,646 4,586 7,86 4,8 4,88 6,458 5,578 6,97 6,540 : (c),859 4,568 6,5,644 5,57 6,06 4,9 6,96 6,546,754 4,580 6,989,86 5,497 6,5 4,976 6,97 6, UJI DATA HASIL PENGUKURAN Setelah mendapatkan data nilai MOR dari eksperimen, langkah selanjutnya yaitu pengujian data yang berupa uji moralitas dan uji independensi. Penjelasan tahap-tahapnya yaitu:. Uji normalitas Uji normalitas dilakukan terhadap nilai MOR semua perlakuan untuk mengetahui distribusi datanya. Perlakuan pada eksperimen ini berjumlah 54 perlakuan. Perhitungan uji normalitas dilakukan dengan metode lilliefors. Data yang diuji yaitu data pada Tabel 4.. Langkah-langkah perhitungan uji lilliefors adalah sebagai berikut: a. Urutkan data eksperimen dari yang terkecil sampai yang terbesar,,874;,97;,069; ; 7,86 IV-

2 b. Hitung rata-rata ( x ) dan standar deviasi ( s) data tersebut, n æ ö çåxi è i= x= ø n,874+,97+, ,86 x= = 4,5 54 s = s= å X (,874 s =,646 - ( å X) n- n +,97 +, ,86 )- 54- c. Transformasikan data (x) tersebut menjadi nilai baku ( z ), z z ( x - x) s i = i / (,874-4,5 )/,646 -,444 = = (,874 +,97 +, ,86) Dengan cara yang sama diperoleh seluruh nilai baku sampai z 54. d. Berdasarkan nilai baku ( z ), kemudian dihitung peluang F(z i ) = P(z z i ). Gunakan tabel standar luas wilayah di bawah kurva normal, atau dengan bantuan Microsoft Excel dengan function NORMSDIST. e. Selanjutnya menghitung proporsi z, z,...,z n yang lebih kecil atau sama dengan z i. Jika ini dinyatakan dengan S(z i ), maka : S(z i ) =(banyaknya z, z,...z n yang zi)/n S(z ) = /54 = 0,09 f. Menghitung selisih F(z i ) S(z i ) kemudian tentukan harga mutlaknya. F(z ) S(z ) = 0,074-0,09 = 0,056 g. Tentukan nilai maksimum dari selisih absolut F(z i ) S(z i ) dan hasilnya disebut L 0 yaitu: maks (z i ) S(z i ), sebagai nilai L 0. maks (z i ) S(z i ) = 0,6 h. Tahap berikutnya adalah menganalisis apakah semua sampel data observasi berdistribusi normal. Hipotesis yang diajukan adalah: 54 IV-

3 H 0 : Sampel data eksperimen berasal dari populasi yang berdistribusi normal. H : Sampel data eksperimen berasal dari populasi yang tidak berdistribusi normal. Untuk menyimpulkan hipotesis nol diterima atau ditolak, langkah selanjutnya dengan membandingkan L 0 dengan nilai kritis L untuk taraf nyata 0,05. Dari tabel diperoleh L tabel adalah sebesar 0,85 sehingga diketahui bahwa L 0 (0,6) < L tabel (0,85). Dari perbandingan tersebut dapat ditarik kesimpulan terima H 0 yang menyatakan bahwa seluruh data eksperimen berasal dari populasi yang berdistribusi normal. Distribusi normal data eksperimen juga terlihat dari probability plot dan histogram hasil pengolahan data menggunakan MINITAB pada Gambar 4.4. (a) Gambar 4.. Normal probability plot (a) dan histogram data normal (b) (b). Uji Independensi Langkah pengujian independensi yaitu membuat plot residual data untuk masing-masing perlakuan berdasarkan urutan pengambilan data pada eksperimen. Nilai residual merupakan selisih data eksperimen dengan rata-rata tiap perlakuan. Hasil perhitungan dapat dilihat pada Tabel 4.. Tabel 4.. Residual data nilai MOR No Iterasi Nilai MOR Rata-rata Residual abc,5,97,069, 0, -0,59-0,06 abc,646,859,754,75-0,07 0,06 0,00 IV-

4 abc,64,50,5,07 0,9-0,570 0,79 4 abc 4,586 4,568 4,580 4,578 0,008-0,00 0,00 5 abc,80,68,99,80 0,000-0,8 0,8 6 abc 7,86 6,5 6,989 6,989 0,874-0,874 0,000 7 abc,7,874,6,094 0,77-0,0 0,04 8 abc 4,8,644,86,878 0,50-0,4-0,06 9 abc,65,70,68,04-0,6 0,696-0, 0 abc 4,88 5,57 5,497 5,0-0,464 0,69 0,95 abc 4,78 4,845 4,805 4,796-0,058 0,049 0,009 abc 6,458 6,06 6,5 6,49 0,09-0,86-0,04 abc,079,459,80,7-0,94 0,86 0,007 4 abc 5,578 4,9 4,976 5,6 0,46-0,0-0,86 5 abc,45,455,40,40-0,05 0,05-0,00 6 abc 6,97 6,96 6,97 6,70 0,70-0,505 0,6 7 abc,6 5,9,7,759 -,46,54-0,88 8 abc 6,540 6,546 6,540 6,54-0,00 0,004-0,00 Data residual tersebut dapat dikatakan independen jika sebarannya acak dan tidak membentuk pola tertentu. Hasil plot residual dapat dilihat pada Gambar 4. dan Gambar 4..,000,500,000 0,500 0,000-0,500 Replikasi Replikasi Replikasi -,000 -,500 Gambar 4.. Hasil plot residual nilai MOR IV-4

5 Versus Fits,5,0 Residual 0,5 0,0-0,5 -, Fitted Value Gambar 4.. Hasil plot residual nilai MOR menggunakan MINITAB 4. ANALISIS DATA STATISTIK Pada tahap ini dilakukan uji ANOVA dan uji pembanding untuk mengetahui tingkat signifikansi variabel respon. Selanjutnya dilakukan pemilihan spesimen berdasarkan nilai MOR spesimen. 4.. Uji ANOVA Uji ANOVA dilakukan terhadap nilai MOR untuk mengetahui signifikansi pengaruh faktor-faktor terhadap variabel respon. Data yang digunakan yaitu data eksperimen nilai MOR yang dapat dilihat pada Tabel 4.. Langkah-langkah dalam perhitungan ANOVA dijelaskan pada pembahasan di bawah ini. Pengolahan data eksperimen dapat dilihat pada Tabel 4.. IV-5

6 Replikasi Tabel 4.. Uji ANOVA terhadap nilai MOR (MPa) 5% (b) 0% (b) 5% (b) 5% (b) 0% (b) 5% (b) 5% (b) 0% (b) 5% (b),5,64,80,7,65 4,78,079,45,6 : (c),97,50,68,874,70 4,845,459,455 5,9,069,5,99,6,68 4,805,80,40,7 rata-rata jumlah,,07,80,094,04 4,796,7,40,759,04 6,9 9,7,40 6,8 9,04 4,88 6,88 7,90,77 8,6,646 4,586 7,86 4,8 4,88 6,458 5,578 6,97 6,540 : (c),859 4,568 6,5,644 5,57 6,06 4,9 6,96 6,546,754 4,580 6,989,86 5,497 6,5 4,976 6,97 6,540 rata-rata jumlah Total Penekanan (C) Ukuran Partikel (A) 0 mesh (a) 0 mesh (a) 40 mesh (a),75 4,578 6,989,878 5,0 6,49 5,6 6,70 6,54 5,46,59,74 0,967,64 5,906 8,746 5,486 0,04 9,66 47,46 Jumlah Ratarata 7,65,95,97 7,95 4,948,4,04 7,94 0,90 9,597 7,999 75,997 80,600 Langkah selanjutnya yaitu melakukan perhitungan jumlah kuadrat/sum of square (SS) dari masing-masing faktor dan interaksinya:. FK (Faktor Koreksi): FK =( å å å åy i= j= k= l= = 9,597 /54 = 976,96 ijkl. Jumlah kuadrat total (SS total ): SS total = åååå i j k l Y ijkl - FK ) / (abcn) SS total = (,5 +, ,540 )- 976,96 = 4,65. Jumlah kuadrat faktor ukuran partikel (SS A ): æ ö SS A = ç åai - FK è bcn i = ø = /xx (7, , ,6 ) - 976,96 =,69 4. Jumlah kuadrat faktor persentase perekat (SS B ): æ ö SS B = ç å Bi - FK è acn i = ø IV-6

7 = /xx (57, ,9 +96,4 ) - 976,96 = 4,47 5. Jumlah kuadrat faktor penekanan (SS C ): æ ö SS C = ç åci - FK è abn i = ø = /xx (8,6 + 47,46 ) - 976,96 = 79,05 6. Jumlah kuadrat interaksi antara faktor A dan B (SS AxB ): æ ö SS AxB = ç AiBj å å ( ) - FK - SS A - SS B cn è i= j= ø = (7,65 +, ,90 )- 976,96 -,69-4,47 6 =,79 7. Jumlah kuadrat interaksi antara faktor A dan C (SS AxC ): SS AxC = æ ç è bn å i= å k= ( AiCk) ö ø - FK - SS A - SS C = (7,040 +9, ,6 ) - 976,96 -,69-79,05 9 = 5,56 8. Jumlah kuadrat interaksi antara faktor B dan C (SS BxC ): æ SS BxC = ç è an å j= å k= ( BjCk ) ö - FK - SS ø = (6,9 +9,7 +, ,66 ) 976,96,69-4,47 79,05,79 5,56 0,80 = 4,47 0. Jumlah kuadrat error (SS E ): B - SS = (9,49 +5, ,9 ) - 976,96 4,47 79,05 9 = 0,80 9. Jumlah kuadrat interaksi antara faktor A, B, dan C (SS AxBxC ): æ SS AxBxc = ç è n i= j= å å å k= ( AiBjCk ) ö - FK- SS ø A - SS C B - SS C - SS AxB - SS AxC - SS BxC IV-7

8 SS E = SS total - SS A - SS B SS C - SS AB SS AC SS BC - SS ABC = 4,65,69 4,47 79,05,79 5,56 0,80 4,47 = 8,05 Mean of square (MS) atau disebut juga kuadrat tengah (KT), dihitung dengan cara membagi jumlah kuadrat (SS) dengan derajat bebasnya (df). Contoh perhitungan MS, sebagai berikut: MS A SS = A ( a -),69 = = 0,84 Besarnya F hitung didapat dari pembagian antara MS faktor dengan MS error dari eksperimen. Contoh perhitungannya adalah sebagai berikut: F hitung MS = MS A E 0,84 = 0,4 =,64 F tabel diperoleh dari tabel distribusi F kumulatif, dengan df = df yang bersangkutan dan df = df error. Perhitungan F tabel dengan menggunakan Microsoft Excel dengan rumus: = FINV(probability, df, df) Contoh perhitungannya yaitu F tabel untuk ukuran partikel, df = dan df = 6. Berdasarkan hasil perhitungan Microsoft Excel diperoleh F tabel = FINV (0.05,, 6) =,6. Keputusan terhadap hipotesis nol didasarkan pada nilai F hitung. H 0 ditolak jika F hitung > F tabel dan diterima jika F hitung < F tabel. F hitung untuk semua faktor selanjutnya dihitung dengan menggunakan software MINITAB. Hasil uji ANOVA dengan MINITAB dapat dilihat pada Gambar 4.4. IV-8

9 Gambar 4.4. Uji ANOVA menggunakan MINITAB Kesimpulan yang diambil terhadap data eksperimen untuk nilai MOR dapat dilihat pada Tabel 4.4. Tabel 4.4. Kesimpulan hasil uji ANOVA Sumber Variasi F hitung F tabel H0 Faktor Ukuran Partikel (A),64,6 tolak Faktor Persentase (B) 9,6,6 tolak Faktor Penekanan (C) 5,6 4, tolak A x B,05,6 tolak A x C,4,6 tolak B x C,79,6 terima A x B x C 4,94,6 tolak. Faktor ukuran partikel (faktor A), nilai F hitung > F tabel, sehingga tolak H 0 dan simpulkan bahwa ukuran partikel berpengaruh secara signifikan terhadap nilai MOR.. Faktor persentase perekat (faktor B), nilai F hitung > F tabel, sehingga tolak H 0 dan simpulkan bahwa persentase perekat berpengaruh secara signifikan terhadap MOR. IV-9

10 . Faktor penekanan (faktor C), nilai F hitung > F tabel, sehingga tolak H 0 dan simpulkan bahwa penekanan berpengaruh secara signifikan terhadap nilai MOR. 4. Ditinjau dari interaksi antara faktor ukuran partikel (faktor A) dan persentase perekat (faktor B), nilai F hitung > F tabel, sehingga tolak H 0 dan simpulkan bahwa interaksi antara faktor ukuran partikel (faktor A) dan persentase perekat (faktor B) berpengaruh secara signifikan terhadap nilai MOR. 5. Ditinjau dari interaksi antara faktor ukuran partikel (faktor A) dan penekanan (faktor C), nilai F hitung > F tabel, sehingga tolak H 0 dan simpulkan bahwa interaksi antara faktor ukuran partikel (faktor A) dan penekanan (faktor C) berpengaruh secara signifikan terhadap nilai MOR. 6. Ditinjau dari interaksi antara faktor persentase perekat (faktor B) dan penekanan (faktor C), nilai F hitung < F tabel, sehingga terima H 0 dan simpulkan bahwa interaksi antara persentase perekat (faktor B) dan penekanan (faktor C) tidak berpengaruh secara signifikan terhadap nilai MOR. 7. Ditinjau dari interaksi antara faktor ukuran partikel (faktor A), persentase perekat (faktor B), dan penekanan (faktor C), nilai F hitung > F tabel, sehingga tolak H 0 dan simpulkan bahwa interaksi antara ukuran partikel (faktor A), persentase perekat (faktor B), dan penekanan (faktor C) berpengaruh secara signifikan terhadap nilai MOR. 4.. Uji Pembanding Ganda Uji ANOVA hanya menjelaskan perbedaan antar perlakuan yang diuji dalam eksperimen. Namun, jika terdapat faktor yang dinyatakan berpengaruh signifikan terhadap variabel respon, ANOVA belum memberikan informasi tentang level dari faktor tersebut yang memberikan perbedaan. Maka dari itu, diperlukan uji setelah ANOVA, yaitu uji pembanding ganda Uji pembanding ganda yang digunakan dalam pengolahan data ini adalah uji Tukey. Uji Tukey dilakukan terhadap interaksi faktor yang berpengaruh signifikan terhadap nilai MOR untuk mengetahui level dari interaksi faktor yang memberikan perbedaan nilai MOR dan juga menentukan level yang terbaik dari IV-0

11 interaksi faktor yang memberikan nilai MOR yang optimal. Berikut ini adalah contoh perhitungan untuk keperluan uji Tukey pada faktor ukuran partikel:. Menghitung nilai Tukey HSD: a. Menentukan nilai MS error dan derajat bebasnya yang diperoleh dari Tabel ANOVA. MS error = 0,4 df = 6 b. Menentukan nilai kritis dari tabel Studentized Range. Ada tiga parameter yang dibutuhkan untuk menentukan nilai q, yaitu taraf nyata (α), p = banyaknya perlakuan yang akan dibandingkan, dan derajat bebas error (df). Pada contoh ini, p =, nilai df = 6, dan α = 0,05. Selanjutnya, menentukan nilai q 0.05(, 6). Dari tabel Studentized Range, diketahui nilai q 0.05(, 6) =,46 Menghitung nilai HSD dengan menggunakan formula berikut: ω = q α p,v MS error r =,46 0,4 8 = 0,86 c. Kriteria pengujian: Bandingkan nilai mutlak selisih kedua rata-rata yang akan kita lihat perbedaannya dengan nilai HSD dengan kriteria pengujian sebagai berikut: Jika µ i -µ j >0,86 Tolak H 0 (berbeda nyata) 0,86 Terima H 0 (tidak berbeda nyata). Mengurutkan nilai rata-rata perlakuan dari kecil ke besar atau sebaliknya. Pada contoh ini, rata-rata perlakuan diurutkan dari besar ke kecil. Tabel 4.5. Rata-rata nilai MOR berdasarkan ukuran partikel Perlakuan Rataan Notasi a 4,478 a 4, a commit 4,056 to user IV-

12 . Menghitung perbedaan di antara rata-rata perlakuan untuk menentukan ratarata perlakuan yang sama dan yang berbeda. Salah satu caranya adalah dengan memberikan notasi huruf pada nilai rata-rata tersebut. 4. Langkah maju: a. Memberikan huruf A pada nilai rata-rata perlakuan terbesar pertama, yaitu 4,478. b. Mengurangkan nilai 4,478 dengan nilai HSD: 4,478-0,86 = 4,09. c. Memberikan huruf yang sama untuk nilai rata-rata perlakuan yang lebih dari atau sama dengan nilai 4,09. Tabel 4.6. Langkah pemberian notasi pertama pada perlakuan ukuran partikel Perlakuan Rataan Notasi a 4,478 A a 4, A a 4,056 d. Terlihat bahwa a (4,478) tidak berbeda dengan a (4,), sedangkan a (4,056) sudah berbeda dengan a (4,) karena 4,056 < 4,09. e. Karena perlakuan a berbeda dengan a, maka berikan huruf B pada nilai rata-rata perlakuan tersebut. Tabel 4.7. Langkah pemberian notasi kedua pada perlakuan ukuran partikel Perlakuan Rataan Notasi a 4,478 A a 4, A a 4,056 B 5. Langkah mundur: a. Menambahkan nilai rata-rata a dengan nilai HSD: 4, ,86 = 4,44. b. Memberikan kode huruf yang sama dengan perlakuan a, yaitu B pada nilai rata-rata perlakuan yang nilainya kurang dari atau sama dengan nilai 4,44. Tabel 4.8. Langkah pemberian notasi ketiga pada perlakuan ukuran partikel Perlakuan Rataan Notasi a 4,478 A a 4, A B a commit 4,056 to user B IV-

13 6. Langkah mundur sudah dilakukan, berarti pemberian notasi huruf sudah selesai dan notasi akhirnya adalah sebagai berikut: Tabel 4.9. Langkah pemberian notasi akhir pada perlakuan ukuran partikel Perlakuan Rataan Notasi Notasi Akhir a 4,478 A A a 4, A B AB a 4,056 B B Dari hasil di atas, perlakuan yang mempunyai notasi yang sama tidak berbeda secara signifikan. Namun, dari hasil uji tersebut dapat dilihat bahwa ratarata nilai MOR yang paling tinggi adalah perlakuan a dengan ukuran partikel 40 mesh dan paling rendah adalah perlakuan a dengan ukuran partikel 0 mesh. Uji Tukey untuk interaksi faktor selanjutnya dilakukan dengan menggunakan software MINITAB. Hasil uji Tukey menggunakan MINITAB dapat dilihat pada Lampiran L-III. 4.4 KLASIFIKASI PAPAN PARTIKEL Untuk memenuhi standar papan partikel sebagai bahan konstruksi, diperlukan suatu acuan yang dapat mengklasifikasikan papan partikel berdasarkan nilai MOR. Standar yang digunakan mengacu pada ANSI A tentang papan partikel. Klasifikasi papan partikel masing-masing kombinasi dapat dilihat pada Tabel 4.0. Tabel 4.0. Klasifikasi papan partikel berdasarkan nilai MOR Kombinasi Nilai MOR (N/mm ) Kelas abc, - abc,07 LD- abc,80 LD- abc,094 - abc,04 LD- abc 4,796 LD- abc,7 - abc,40 - abc,759 LD- abc commit,75 to user LD- IV-

14 abc 4,578 LD- abc 6,989 LD- abc,878 LD- abc 5,0 LD- abc 6,49 LD- abc 5,6 LD- abc 6,70 LD- abc 6,54 LD- Pemilihan desain papan partikel dilakukan dengan mempertimbangkan nilai MOR yang optimal. Berdasarkan data hasil pengukuran nilai MOR, diketahui bahwa rata-rata nilai MOR yang optimal sebesar 6,989 MPa pada perlakuan abc, yaitu kombinasi ukuran partikel 0 mesh, persentase perekat 5%, dan penekanan :. Dengan mempertimbangkan besarnya rata-rata nilai MOR dari ketiga replikasi, maka desain papan partikel untuk perlakuan abc dapat dijadikan alternatif untuk pengembangan papan partikel berbahan dasar serat alam. 4.5 PERHITUNGAN MODULUS OF ELASTICITY (MOE) Perhitungan MOE dilakukan pada spesimen dengan nilai MOR terkecil yang masih memenuhi standar papan partikel yaitu kombinasi abc. Untuk kombinasi faktor ukuran partikel 0 mesh, persentase perekat 0%, dan penekanan : diketahui: S = 50 mm D = 4 mm L = 50 mm T = 6 mm B = 5, N Sehingga diperoleh: MOE = S B 4lt D = 50 5, = 689,45 N/mm IV-4

15 4.6 PERHITUNGAN NILAI DENSITAS Setelah melakukan beberapa perbandingan dari masing-masing perlakuan, didapatkan kombinasi level yang paling optimal, yaitu spesimen dengan ukuran partikel 0 mesh, persentase perekat 5%, dan penekanan sebesar :. Nilai MOR yang didapatkan sebesar 6,989 MPa. Selanjutnya yaitu melakukan perhitungan nilai densitas dari spesimen tersebut. Perhitungan nilai densitas dilakukan untuk mengetahui kerapatan dari spesimen dengan nilai MOR yang paling optimal. Perhitungan dilakukan dengan cara merendam potongan spesimen pada korosin. Kemudian dari langkah tersebut dapat diketahui volume dan berat dari potongan spesimen. Contoh perhitungannya sebagai berikut: ρ korosin = 0,75 Gaya apung = ρ korosin volume spesimen = 0,75 x, =,4 ρ spesimen = W spesimen ρ korosin W spesimen - W korosin ρ spesimen = W spesimen ρ korosin Gaya apung =,7 0,75,4 = 0,844 gram/ml Data hasil perhitungan densitas dapat dilihat pada Tabel 4.. Nilai densitas yang diperoleh dari spesimen ini yaitu 0,80 ± 0,05 gram/ml. Tabel 4.. Perhitungan densitas pada spesimen dengan nilai MOR yang optimal Sample Volume Berat Densitas,,7 0,844,0,5 0,8 4,0,0 0, ,, 0,767 5,8, 0,8 Rata-rata 0,80 IV-5

16 4.7 PEMBUATAN PROTOTYPE Prototype merupakan pembuatan alat dengan ukuran kecil maupun ukuran sebenarnya sebelum produk diproduksi secara massal, yang bertujuan untuk mengetahui bentuk fisik produk, proses pembuatan produk, dan pengujian kinerja produk. Pada penelitian ini, prototype dibuat dengan ukuran 0 x 0 x, cm. Berikut merupakan hasil dari pembuatan prototype produk: Gambar 4.5. Prototype produk papan partikel 4.8 ESTIMASI BIAYA Estimasi biaya yang dihitung meliputi biaya bahan baku untuk pembuatan produk papan partikel dengan ukuran 44 x x, cm. Produk papan partikel yang dibuat yaitu kombinasi faktor ukuran partikel 0 mesh, persentase perekat 5%, dan penekanan :. Untuk ampas tebu, harga per kg dihitung dengan biaya transportasi per kapasitas untuk sekali angkut. Contoh perhitungannya sebagai berikut: Biaya transportasi = Rp ,00 ρ ampas = 0,6 Tabel 4.. Spesifikasi bak pick up Spesifikasi Dimensi (cm) Panjang 4,5 Lebar 60,0 Tinggi 0,0 IV-6

17 Volume ,0 m ampas = ρv = 0,6 x = gram = 49,04 kg / sekali angkut Biaya per kg = Biaya Transportasi Volume Bak = Rp ,00 / 49,04 = Rp 57,96 / kg Untuk harga PVAc dan borax diketahui berdasarkan harga yang terdapat di pasaran sehingga diperoleh harga untuk masing-masing bahan baku yang dirangkum pada Tabel 4.. Tabel 4.. Harga bahan baku untuk pembuatan produk papan partikel Bahan Baku Harga per kg Ampas tebu Rp 57,96 PVAc Rp 9.000,00 Borax Rp 6.50,00 Langkah selanjutnya yaitu menghitung kebutuhan masing-masing bahan baku untuk satu produk papan partikel berukuran 44 x x, cm. Volume produk = 44 x x, cm = 5.7,6 cm Massa ampas tebu = % bahan x volume produk x massa jenis x penekanan = 85% x 5.7,6 x 0,6 x =.86,6 gram =,86 kg Massa PVAc = % bahan x volume produk x massa jenis x penekanan = 5% x 5.7,6 x,5 x =.,95 gram IV-7

18 =, kg Massa Borax = 0% x massa ampas tebu = 0% x,86 = 4,7 kg Borax dapat digunakan untuk 5 kali perendaman ampas tebu sehingga pembebanannya sebesar /5 untuk produk. Biaya ampas tebu = harga per kg x massa ampas tebu = Rp 57,96 x,96 = Rp 7.95,6 Biaya PVAc = harga per kg x massa PVAc = Rp 9.000,00 x,75 = Rp 4.77,50 Biaya borax = harga per kg x massa borax = Rp 6.50 x 4,7 / 5 = Rp 5.465,40 Total biaya = biaya ampas tebu + biaya PVAc + biaya borax = Rp 8.064,5 Dengan cara yang sama maka diperoleh biaya bahan baku untuk masingmasing kombinasi yang tertera pada Tabel 4.4. Tabel 4.4. Biaya bahan baku untuk masing-masing kombinasi Kombinasi Nilai MOR Kelas Biaya Bahan Baku abc, - Rp 9.84,7 abc,07 LD- Rp 67.94,8 abc,8 LD- Rp ,9 abc,094 - Rp 9.84,7 abc,04 LD- Rp 67.94,8 abc 4,796 LD- Rp ,9 abc,7 - Rp 9.84,7 abc,4 - Rp 67.94,8 abc,759 commit LD- to user Rp ,9 IV-8

19 abc,75 LD- Rp 5.,50 abc 4,578 LD- Rp ,50 abc 6,989 LD- Rp 8.064,5 abc,878 LD- Rp 5.,50 abc 5,0 LD- Rp ,50 abc 6,49 LD- Rp 8.064,5 abc 5,6 LD- Rp 5.,50 abc 6,70 LD- Rp ,50 abc 6,54 LD- Rp 8.064,5 IV-9