Tugas Akhir - MN091387

Transkripsi

1 Tugas Akhir - MN Oleh : Dosen Pembimbing : Nomo Prihasta 1. Sri Rejeki Wahyu Pribadi, ST, MT Ir. Soejitno

2 Pemodelan Matematis Berat Baja Badan Kapal sebagai fungsi dari DWT Pendahuluan Latar Belakang belakang Tinjauan j Mtdl Metodologi i Pengolahan l h Pustaka pustaka Penelitian penelitian data data Metode estimasi Metode pers. estimasi Variabel pers. berat berat baja baja Mapping Analisa Analisa Data data Kesimpulan dan Kesimpulan dan dan saran Pembahasan dan saran pembahasan Analisa Analisa regresi regresi Perumusan Rumusan Masalah Analisa regresi Analisa linear regresi linear Uji Normalitas Uji perbandingan model Batasan Masalah Masalah Analisa Multikolineari Analisa Multikolinearitas tas Uji korelasi uji Uji validasi Tujuan Manfaat Hipotesis

3 Metode pendekatan dk rumus estimasi i berat bj baja kurang sesuai jika diterapkan untuk jenis kapal sekarang. Hal ini dapat dilihat dari perhitungan untuk kapal Caraka jaya Wst real =1034,97 ton, sedangkan jika menggunakan pendekatan watson = 1376,437 ton. Metode pendekatan rumus yang ada menghasilkan perhitungan yang overweight dikarenakan menggunakan data data kapal tahun n. Metode pendekatan yang ada kurang sesuai jika diterapkan untuk tkkapaldengan ukuran dibawah 1000 DWT.

4 a) Faktor-faktor apa saja yang mempengaruhi perhitungan berat baja badan kapal? b) Bagaimana membuat sebuah model matematis mengenai perhitungan berat baja badan kapal sebagai fungsi dari DWT kapal? c) Bagaimanakah perhitungan berat baja yang dihasilkan dengan metode Watson dan metode Schneekluth jika dibandingkan dengan metode perhitungan yang baru?

5 a) Kapal yang digunakan dalam study penelitian ini jenis Ferry dengan ukuran sampai 5000 GT. b) Perhitungan meliputi konstruksi badan kapal yang dilakukan secara aktual. c) Data kapal yang dibangun di atas tahun d) Metode yang digunakan sebagai referensi adalah metode Watson dan metode Schneekluth. e) Tidak membahas mengenai implikasi biaya.

6 a) Mendapatkan fkt faktor / variabel ibl yang berpengaruh terhadap besarnya berat baja badan kapal. b) Merencanakan suatu pemodelan dl matematis ti yang dapat digunakan sebagai acuan dalam perhitungan berat baja badan kapal secara real. c) Mendapatkan hasil perbandingan perhitungan berat bj baja dengan memakai ki metode td Wt Watson dan metode td Schneekluth dengan metode perhitungan yang baru. Home

7 a) Sebagai bahan pertimbangan dalam melakukan estimasi perhitungan berat baja badan kapal untuk kapal baru. a) Sebagai pengetahuan penulis mengenai perhitungan empiris berat baja badan kapal.

8 Hasil pemodelan rumus matematis ini akan menghasilkan perhitungan estimasi berat baja badan kapal yang lebih tepat digunakan untuk jenis kapal yang sesuai dengan keadaan perairan di indonesia jika dibandingkan dengan menggunakan metode sebelumnya yang sudah ada. Home

9 1. Metode DGM Watson Wst = KE K.E 1,36 with, E = L (B+T) + 0,85L ( D - T ) ( l 1. h 2 ) ( l 2. h 1 ) ( Practical Ship desaign, 1998 ) 2. Metode Schneekluth W Str = u. C T D L D B n D 4 D C BD D (Ship Design Efficiency and Economy, 1998 ) C C 2 BD BD M 0.98

10 Digunakan untuk mengetahui antara satu variabel independent dengan satu variabel dependent yang ditampilkan dalam bentuk persamaan regresi. Variabel independent dilambangkan dengan X sedangkan variabel dependent dilambangkan dengan Y. Secara umum ditulis Y = a +bx

11 Digunakan untuk mengetahui pengaruh antara dua atau lebih variabel independent dengan satu variabel dependent yang ditampilkan dalam bentuk regresi. Perbedaan dengan regresi linear sederhana yaitu terletak pada jumlah variabel independentnya. Variabel independent dilambangkan dengan X1, X2,X3,...Xn Home

12 Adalah adanya hubungan linear antar variabel independent. Hal ini dapat dideteksi sebagai berikut : Nilai Variance Inflation Factor yang tinggi, biasanya > 10. Korelasi antarvariabel independent yang tinggi. R 2 tinggi tetapi tidak ada variabel independent yang significant. Koefiesien korelasi dan koefisien regresi berbeda tanda. Mengatasi masalah multikolinearitas : Mengeluarkan salah satu variabel independent yang berkorelasi tinggi dengan variabel independent lainnya. Pengeluaran ini dapat dilakukan dengan menggunakan metode stepwise. Dengan menggunakan analisa faktor dengan metode Principal component analysis Home

13 Beberapa kriteria untuk mendapatkan model terbaik yaitu sebagai berikut : Menghasilkan R 2 ( R Square ) yang tinggi Mempunyai nilai i Adjusted d R 2 yang maksimum ki Dalam uji validasi harus memenuhi - Memiliki nilai simpangan rata rata tidak melebihi 10 % ( Spurr 1952 ) - Memiliki standart deviasi yang minimum - Memiliki nilai variansi yang minimum

14 START Studi Literatur Data kapal dari galangan. Buku,artikel dan internet. Diagram alir metodologi penelitian Estimasi berat baja badan kapal Software SPSS Regresi Statistik Pengumpulan Data (L,B,H,T,Cb,Lwt/Berat Lwt/Berat Baja) Data kapal dari Galangan Pengolahan Data Variabel Mapping (Pemetaan Variabel) Pengujian Kontribusi Variabel Pemodelan Persamaan (Fungsi Variabel teruji) Software SPSS Analisa Data TIDAK Metode DGM. Watson Metode Schneekluth Membandingkan Persamaan Wst (Berat Baja badan kapal) Uji Kebenaran Persamaan Pembahasan Kesimpulan dan Saran END Home

15 Tabel 4.1 Daftar Ukuran utama kapal ferry No. Nama Kapal Loa Lpp D Vs (m) (m) B (m) (m) T (m) Cb (knots) L/H L/B T/H B/H Wst (ton) 1 Ferry 300 GT 40,00 34,50 10,50 2,80 2,00 0, ,321 3,286 0,714 3, Ferry 500 GT 40,30 33,00 11,60 3,10 1,85 0, ,645 2,845 0,597 3, ,834 3 Ferry 500 GT 45,50 40,15 12,00 3,20 2,15 0, ,547 3,346 0,672 3, ,16 4 Ferry 500 GT 50,00 41,00 13,50 3,00 2,00 0, ,667 3,037 0,667 4, ,412 5 Ferry 500 GT 46,00 40,60 12, , ,15 0, ,097 3, ,694 3, ,531 6 Ferry 600 GT 55,50 47,25 13,00 3,45 2,45 0, ,696 3,635 0,710 3, Ferry 600 GT 53,50 47,25 14,00 3,40 2,45 0, ,897 3,375 0,721 4, Ferry 750 GT 56,02 48, , , ,70 0, ,847 3,487 0,711 3, , Ferry 1000 GT 61,30 55,00 13,20 3,90 2,50 0, ,103 4,167 0,641 3, Ferry 1500 GT 65,50 61,67 14,00 4,10 2,80 0, ,041 4,405 0,683 3, ,09 11 Ferry 2000 GT 80,30 70,80 15,00 5,10 3,60 0, ,882 4,720 0,706 2, ,58 12 Ferry 3000 GT 94,68 85,20 16,40 5,40 3,80 0, ,778 5,195 0,704 3, Ferry 5000 GT 109,4 99,20 19,60 5,60 4,00 0, ,714 5,061 0,714 3, ,89

16 Variabel - variabel yang dipakai dalam perhitungan estimasi pada kapal baja menurut beberapa orang yang pernah merumuskannya - Roester,Raben, Sturtzel Wst = f ( L, B, D, L/D, L/B, Cb dan n ) - Puchstein Wst = f ( Lpp, L/D, L/B, T/D, Cb ) - Carsten Wst = f ( L, B, D, L/D, T/D ) - Schnekluth Wst = f ( L, B, D, L/D, L/B, T/D, Cb, Cm, n) - Watson Wst = f ( Lpp, B, D, T, Ls, Hs, Cb ) - Sato s Wst = f ( L, B, D, Cb dan B/D ) - Chapman/Muller Wst = f ( Lpp, B, D, Cb dan L/D ) - Watson dan Gilfillan Wst = f ( L, B, D, Cb dan L/D ) - Wehkamp/kerlen Wst = f ( Lpp, B dan Cb ) - Murray, J.M Wst = f ( L, B, Cb dan B/D ) Maka Wst = f ( L, B, D,T, Cb, L/D, L/B, T/D, B/D, Ls dan Hs ) Home

17

18

19 Home

20 Loa Lpp B D T Cb L/D L/B T/D B/D Wst P e a r s o n Loa 1 0,997 0,953 0,974 0,973 0,507 0,895 0,935 0,370-0,616 0,990 Lpp 0, ,945 0,973 0,972 0,530 0,906 0,949 0,376-0,634 0,991 B 0,953 0, ,895 0,903 0,410 0,893 0,804 0,374-0,393 0,945 D 0,974 0,973 0, ,987 0,455 0,798 0,953 0,318-0,753 0,956 C o r r e l a t i o T 0,973 0,972 0,903 0, ,518 0,824 0,946 0,462-0,714 0,963 Cb 0,507 0,530 0,410 0,455 0, ,589 0, ,355 0,519 L/D 0,894 0,906 0,893 0,798 0,824 0, ,841 0,488-0,355 0,896 L/B 0,935 0,949 0,804 0,953 0,946 0,570 0, ,365-0,797 0,921 T/D 0,370 0,376 0,374 0,318 0,462 0,595 0,488 0, ,103 0,404 B/D -0,616-0,634-0,393-0,753-0,714-0,355-0,355-0,797-0, n Wt Wst 0,990 0,991 0,945 0,956 0,963 0,519 0,896 0,921 0, Home

21 Tabel 5.13 Koefisien persamaan regresi linear dengan metode stepwise Standardize Unstandardized d Model Coefficients i Coefficients i Collinearity Statisticsti ti B Std. Error Beta t Sig. Tolerance 1 (Constant) -531,268 51,411-10,334,000 Panjang 21,991,894,991 24,604,000 1,000 Garis Tegak a. Dependent Variable: Berat Konstruksi Kapal Wst = Lpp Model Std. Error Adjusted of the R RS Square RS Square Eti Estimatet 1,991 a,982,981 62,16732 a. Predictors: (Constant), Panjang Garis Tegak b. Dependent Variable: Berat Konstruksi Kapal

22 Tabel 5.15 Pengujian Varians ( Anova ) persamaan regresi linear dengan stepwise Model Sum of Squares df Mean Square F Sig. 1 Regression , , ,355,000 a Residual 42512, ,776 Total , a. Predictors: (Constant), Panjang Garis Tegak bd b. Dependent tvariable: ibl Berat tkonstruksi kikapal Hasil uji Anova didapatkan nilai F = 605,355, maka uji hipotesisnya adalah H 0 : β 1 = 0 H 1 : Minimal satu dari 6 variabel tidak sama dengan nol ( 0 ) Dengan menentukan α = 5 % dan df1 = 1 dan df2=11 maka dari tabel F didapat harga 4,844 Oleh karena F hitung ( 605,355 ) > F tabel ( α 0,05 ) = 4,844 maka H0 ditolak dan H1 diterima.

23 Grafik 5.2 Hubungan variabel Lpp dengan berat konstruksi kapal ( Wst ).

24 Tabel 5.1 Tabel uji test KMO dan Bartlett Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity,564 Approx. Chi-Square 216,806 df 21 Sig.,000 Pada tabel diatas terlihat angka KMO sebesar 0,564. maka analisa fk faktor dapat dilakukan k untuk Bartlett test nilai chi-square adalah 216,806 dengan p- value 0, Karena p-value < 0,0505 maka Ho ditolak, kesimpulan benar terdapat korelasi antarvariabel bebas.

25 Tabel 5.2 Anti image matrics Panjang Garis Tegak Lebar Tinggi Sarat L / D L / B B / T Anti-image Panjang Garis,004,000,000,002 -,001,000,003 Covariance Tegak Anti-image Correlation Lebar,000,000,000,001,000,000,001 Tinggi,000,000,000 -,001,000,000 -,001 Sarat,002,001 -,001,010 -,001,001,006 L / D -,001,000,000 -,001,000,000 -,002 L / B,000,000,000,001,000,000,001 B/T,003,001 -,001,006 -,002,001,012 Panjang Garis,837 a,320 -,448,364 -,454,376,414 Tegak Lebar,320,509 a -,987,709 -,979,986,679 Tinggi -,448 -,987,535 a -,769,989 -,985 -,705 Sarat,364,709 -,769,656 a -,727,713,519 L / D -,454 -,979,989 -,727,468 a -,995 -,791 L / B,376,986 -,985,713 -,995,528 a,787 B / T,414,679 -,705,519 -,791,787,475 a a. Measures of Sampling Adequacy(MSA)

26 Tabel 5.3 Nilai Communalities Initial Extraction ti Panjang Garis 1,000,986 Tegak Lebar 1,000,836 Tinggi 1,000,973 Sarat 1,000,972 L / D 1,000,774 L / B 1,000,947 B / T 1,000,499 Extraction Method: Principal Component Analysis. Hasil analisa faktor dengan membuang variabel rasio B/T Tabel 5.4 Uji test KMO dan Bartlett Ki Kaiser-Meyer-Olkin Measure of Sampling,624 Adequacy. Bartlett's Test of Approx. Chi-Square 184,283 Sphericity df 15 Sig.,000

27 Tabel 5.5 Anti-Image Matrices Anti-image Covariance Panjang Garis Tegak Lebar Tinggi Sarat L / D L / B Panjang Garis Tegak,005,000,000,002 -,001,000 Lebar,000,001,000,002 -,001,001 Tinggi,000,000,000 -,001,000,000 Sarat,002,002 -,001,014 -,002,001 L/D -,001 -,001,000 -,002,001 -,001 L / B,000,001,000,001 -,001,000 Anti-image Correlation Panjang Garis Tegak,966 a,059 -,242,192 -,228,090 Lebar,059,550 a -,976,569 -,983,997 Tinggi -,242 -,976,556 a -,666,994 -,983 Sarat,192,569 -,666,741 a -,606,577 L / D -,228 -,983,994 -,606,521 a -,987 L / B,090,997 -,983,577 -,987,553 a a. Measures of fsampling Adequacy(MSA)

28 Tabel 5.6 Nilai Communalities dengan principal Component Analysis Initial Extraction Panjang Garis Tegak 1,000,995 Lebar 1,000,891 Tinggi 1,000,950 Sarat 1,000,958 L / D 1,000,831 L / B 1,000,911 Extraction Method: Principal Component Analysis. Tabel 5.7 Total Varians Explained Component Extraction Sums of Squared Nilai Initial Eigenvalues Loadings Eigenvalue di atas 1 Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % 1 5,536 92,262 92,262 5,536 92,262 92,262 dimens ion0 2,285 4,749 97,012 3,158 2,632 99,644 4,017,289 99,933 5,004,065 99,998 6,000, ,000 Extraction Method: Principal Component Analysis.

29 Tabel 5.9 Component Store Coefficient Matrics Component 1 Panjang Garis Tegak,180 Lebar,171 Tinggi,176 Sarat,177 L / D,165 L / B,172 Extraction Method: Principal Component Analysis. Maka didapatkan persamaan untuk faktor baru sebagai berikut : X = 0.18 L B D T ( L/D ) ( L/B )

30 Y = β 0 + β 1 X dimana, Y = Berat konstruksi kapal ( Wst ) X = variabel bebas baru = 0.18 L B D T ( L/D ) ( L/B ) Tabel 5.10 Koefisien persmaan regresi linear Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta t Sig. Tolerance 1 (Constant) -870,338 67,261-12,940,000 X 94,567 4,005,990 23,615,000 1,000 a. Dependent Variable: Berat Konstruksi Kapal

31 Wst = X dengan, X = 0.18 L B D T ( L/D ) ( L/B ) Tabel 5.11 Nilai determinasi R 2 ( R Square ) persamaan regresi linear Model R Adjusted R Square R Square Std. Error of the Estimate 1,990 a,981,979 64,72265 a. Predictors: (Constant), X

32 Tabel 5.11 Pengujian Varians ( Anova ) persamaan regresi linear Model Sum of Squares df Mean Square F Sig. 1 Regression Residual , , , , ,022,000 a Total , a. Predictors: (Constant), X b. Dependent Variable: Berat Konstruksi Kapal Hasil uji Anova didapatkan nilai F = 557,647, maka uji hipotesisnya adalah H 0 : β 1 = 0 H 1 : Minimal satu dari 6 variabel tidak sama dengan nol ( 0 ) Dengan menentukan α = 5 % dan df1 = 1 dan df2=11 maka dari tabel F didapat harga 4,844 Oleh karena F hitung ( 557,647 ) > F tabel ( α 0,05 ) = 4,844 maka H0 ditolak dan H1 diterima.

33 Grafik 5.1 Hubungan variabel X dengan berat konstruksi kapal ( Wst ).

34 Perluasan variabel pada model 1. Dengan menggunakan analisa yang sama didapatkan model persamaan kedua untuk faktor baru sebagai berikut : X 1 = L B D T ( L/D) ( L/B ) ( 099( l 1.h 1 ) ( l 2.h 2 ) (B+T) ( D-T ) ( B+D ) 2 dengan, l 1 = panjang bangunan diatas main deck (geladak passanger) h 1 = tinggi bangunan pada geladak kendaraan l 2 = panjang bangunan atas kedua ( geladak navigasi ) h = panjang bangunan pada geladak passanger h 2

35 Wst = β 0 + β 1 X 1 Tabel 5.23 Koefisien persmaan regresi linear Unstandardized Standardized Collinearity Coefficients e Coefficients e Statistics Model Std. B Error Beta t Sig. Tolerance 1 (Constan) 6, ,750,256,802 X 1 1,437,047,994 30,294,000 1,000 a. Dependent Variable: Berat Konstruksi Kapal Maka, Wst = X 1 dengan X = L B D T ( L/D) ( L/B ) ( l 1.h 1 ) ( l 2.h 2 ) (B+T) ( D-T ) ( B+D ) 2

36 Tabel 5.24 Nilai determinasi R 2 ( R Square ) persamaan regresi linear Model Adjusted R R R Square Square Std. Error of the Estimate 1,994 a,988,987 50,64429 a. Predictors: (Constant), X 1 b. Dependent Variable: Berat Konstruksi Kapal Tabel 5.25 Pengujian gj Varians persamaan regresi linear Model Sum of 1 Regression Squares ,366 df Mean Square ,366 F 917,740 Sig.,000 a Residual 28213, ,844 Total , a. Predictors: (Constant), X 1 bd b. Dependent Variable: ibl Berat Konstruksi kikapal Hasil uji Anova didapatkan nilai F = 917,740 Dengan menentukan α = 5 % dan df1 = 1 dan df2=11 maka dari tabel F didapat harga 4,844 Oleh karena F hitung ( 917,740 ) > F tabel ( α 0,05 ) = 4,844 maka H0 ditolak dan H1 diterima.

37 Grafik 5.3 Hubungan variabel X 1 dengan berat konstruksi kapal ( Wst ).

38 Variabel yang dibuang nantinya adalah sebagai berikut (tabel 5.18): Bentuk model variabel B 2 yang mempunyai nilai MSA = 0,597 Bentuk model variabel ( L/D ) 2 yang mempunyai nilai MSA = 0,578 Bentuk model variabel L/B yang mempunyai nilai MSA = 0,578 Tabel 5.26 Tabel uji test KMO dan Bartlett Kaiser-Meyer-Olkin Measure of Sampling Adequacy.,806 Bartlett's Test of Sphericity Approx. Chi-Square 320,110 df 28 Sig.,000

39 Dengan menggunakan analisa yang sama didapatkan model dlpersamaan ketiga kti untuk tkfkt faktor baru sebagai berikut : X 2 = L D T ( l 1.h 1 ) ( l 2.h 2 ) ( B+T ) ( D-T ) ( B+D) 2 dengan, l 1 = panjang bangunan diatas main deck (geladak passanger) h 1 = tinggi bangunan pada geladak kendaraan l 2 = panjang bangunan atas kedua ( geladak navigasi ) h = panjang bangunan pada geladak passanger h 2

40 Wst = β 0 + β 1 X 1 Tabel 5.32 Koefisien persamaan regresi Unstandardized Model Coefficients Standardized Coefficients Collinearit y Statistics B Std. Error Beta t Sig. Tolerance 1 (Constant) 36,907 24,844 1,486,165 X 2 1,116,037,994 30,383,000 1,000 a. Dependent Variable: Berat Konstruksi Kapal Maka, Wst = X 2 dengan X 2 = L D T ( l 1.h 1 ) ( l 2.h 2 ) ( B+T ) ( D-T ) ( B+D) 2

41 Tabel 5.33 Nilai determinasi R 2 ( R Square ) persamaan regresi linear Model Std. Error Adjusted R of the R R Square Square Estimate dimension0 1,994a,988,987 50,49759 a. Predictors: (Constant), X 2 bd b. Dependent Variable: ibl Berat Konstruksi kikapal Tabel 5.34 Pengujian varians Model Sum of Squares df Mean Square F Sig. 1 Regression , , ,144,000 a Residual 28050, ,007 Total , a. Predictors: (Constant), X 2 b. Dependent tvariable: Berat tkonstruksi ikapal Hasil uji Anova didapatkan nilai F = 923,144 Dengan menentukan α = 5 % dan df1 = 1 dan df2=11 maka dari tabel F didapat harga 4,844 Oleh karena F hitung ( 923,144 ) > F tabel ( α 0,05 ) = 4,844 maka H0 ditolak dan H1 diterima.

42 Grafik 5.4 Hubungan variabel X 2 dengan berat konstruksi kapal ( Wst ). Home

43 Tabel 5.35 Uji perbandingan model No. Nama Kapal Berat Konstruksi Kapal ( ton ) real Model 1 Model 2 Model 3 Model 4 Watson Schneekluth 1 Ferry 300 GT 291,00 211,36 227,42 276,20 270,95 215,68 194,50 2 Ferry 500 GT 230,83 172,86 194,44 267,65 264,93 224,66 187,57 3 Ferry 500 GT 357,16 345,37 351,67 360,95 350,62 224,66 272,30 4 Ferry 500 GT 352,00 390,80 370,36 391,00 372,60 357,52 301,95 5 Ferry 500 GT 378,53 360,56 361,57 367,70 355,58 317,20 272,30 6 Ferry 600 GT 557,00 514,04 507,81 471,17 456,16 431,42 365,11 7 Ferry 600 GT 527,00 528,30 507,81 484,69 465,38 320,51 272,91 8 Ferry 750 GT 489,49 551,17 542,33 504,24 491,02 485,32 430,11 9 Ferry 1000 GT 592,00 672,49 678,24 587,85 576,08 523,27 459,89 10 Ferry 1500 GT 768,09 825,67 824,92 720, ,90 641,99 618,24 11 Ferry 2000 GT 1047, , ,69 925,79 908,45 937,80 988,73 12 Ferry 3000 GT 1257, , , , , , ,26 13 Ferry 5000 GT 1756, , , , , , ,1717

44 Tabel 5.37 Uji Validasi model dengan berat konstruksi real ( Wst ) Real vs model 1 Real vs model 2 Real vs model 3 Real vs model 4 N Valid Missingi Mean 9,8454 8,3885 6,5523 7,2777 Std. Error of Mean 2, , , ,57932 Median 7,5000 6,7900 5,0900 6,0600 Mode,25 a 1,54 a,70 a,31 a Std. Deviation 8, , , ,69431 Variance 67,596 35,272 29,051 32,425 Skewness 1,288 1,084,695,565 Std. Error of Skewness,616,616,616,616 Kurtosis,973,722 -,938 -,739 Std. Error of Kurtosis 1,191 1,191 1,191 1,191 Range 27,12 20,31 15,25 17,79 Minimum,25 1,54,70,31 Maximum 27,37 21,85 15,95 18,10 Sum 127,99 109,05 85,18 94,61 a. Multiple modes exist. The smallest value is shown

45 Tabel 5.38 Uji Validasi model dengan Watson Watson vs Watson vs Watson vs Watson vs model 1 model 2 model 3 model 4 N Valid Missing Mean 21, , , ,4900 Std. Error of Mean 5, , , ,64438 Median 19, , , ,0900 Mode 2,00 a,89 a 1,28 a 1,17 a Std. Deviation 18, , , ,74554 Variance 353, , , ,413 Skewness 1,328 1,293 1,605 1,586 Std. Error of Skewness,616,616,616,616 Kurtosis 1,360,867 1,840 1,816 Std. Error of Kurtosis 1,191 1,191 1,191 1,191 Range 62,83 57,54 59,38 54,89 Minimum 2,00,89 1,28 1,17 Maximum 64,83 58,43 60,66 56,06 Sum 285, ,34 243,99 214,37 a. Multiple modes exist. The smallest value is shown

46 Tabel 5.39 Uji Validasi model dengan Schneekluth Schneekluth vs Schneekluth vs Schneekluth Schneekluth model 1 model 2 vs model 3 vs model 4 N Valid Missingi Mean 29, , , ,6654 Std. Error of Mean 6, , , ,46046 Mdi Median 28, , , ,9400 Mode 2,54 a 3,66 a 6,37 a 8,12 a Std. Deviation 23, , , ,08241 Variance 540, , , ,644 Skewness 1,723 1,523 1,530 1,624 Std. Error of Skewness,616,616,616,616 Kurtosis 4, ,637 3,670 3,622 Std. Error of Kurtosis 1,191 1,191 1,191 1,191 Range 91,04 82,41 71,23 62,41 Minimumi 254 2, , , ,12 Maximum 93,58 86,07 77,60 70,53 Sum 387,41 377,55 393,35 359,65 a. Multiple li l modes exist. The smallest value is shown

47 1. Dari keempat model yang ada maka didapatkan model 4 yang paling layak dijadikan model utama dalam perhitungan berat baja badan kapal. 2. Persamaan watson dan schneekluth kurang cocok jika digunakan untuk kapal ferry dengan ukuran GT yang kecil dibawah Hal ini dapat ditunjukan pada hasil perbandingan antar model yang menghasilkan berat konstruksi yang kurang. 3. Persamaan schneekluth valid jika digunakan untuk kapal penumpangdenganl>80m,sedangkandata datayangada dalam pemodelan persamaan ini sebagian besar dengan L < 80 msehingga menyebabkan bbk hasil perhitungan yang kurang sesuai. Home

48 1. Fkt Faktor fkt faktor yang berpengaruh hdl dalam perhitungan berat baja badan kapal sebagai berikut : - Lpp dengan nilai korelasi 0,991 - B dengan nilai korelasi 0,945 - D dengan nilai korelasi 0,956 - T dengan nilai korelasi 0, Hasil pemodelan yang layak dijadikan model utama yaitu Wst = X 2 dengan, X 2 = [ L 2 + D 2 + T 2 + ( l 1.h 1 ) ] ( l 2.h 2 ) ( B+T ) (D-T) ( B+D ) 2 Dengan tingkat kepercayaan sebesar R 2 = 0.988

49 3. Hasil perhitungan dengan menggunakan metode Watson dan Schneekluth kurang sugnificant jika digunakan untuk kapal ferry yang mempunyai ukuran yang relatif kecil, sehingga hasil perhitungan tidak cukup mewakili berat konstruksi baja secara real. SARAN 1. Persamaan yang dihasilkan hanya cocok jika digunakan untuk jenis kapal ferry di bawah 5000 GT, sedangkan untuk jenis kapal li lain perlu dilakukan k pengembangan terhadap dt data data kapal yang ada. 2. hendaknya hasil perhitungan berat baja pada pembangunan kapal baru di galangan, dilakukan rekap terhadap hasil perhitungannya agar nantinya mempermudah dalam pemodelan untuk tiap jenis kapal yang ada di Indonesia.

50