RSS

Main Dimensions


Menurut Kamus Besar Bahasa Indonesia, kapal merupakan kendaraan pengangkut penumpang dan barang di laut (sungai dan sebagainya). Kapal memiliki beberapa fungsi, diantaranya adalah sebagai penghubung dalam sistem transportasi laut, sebagai kendaraan perang, dan sebagai kendaraan special-purpose atau platform. Karena memiliki banyak fungsi maka perancangan kapal merupakan suatu hal yang istimewa.  Keistimewaan dalam hal merancang kapal terletak pada owner requirements yang mesti dipenuhi. Kapal berbeda dengan alat transportasi lainnya seperti kendaraan bermotor (misal : Mobil dan sepeda motor) yang dapat didesain untuk lebih dari satu wilayah operasi, sebagai contoh, mobil yang diproduksi di Indonesia dapat digunakan di jalanan Malaysia dan Singapura. Namun lain halnya dengan kapal. Kapal didesain untuk wilayah operasi tertentu dengan kecepatan tertentu dan sebagainya yang pada umumnya tidak dapat dioperasikan pada sembarang wilayah operasi.

Adapun lingkup pekerjaan yang akan dilakukan untuk mendapatkan ukuran utama kapal yang diinginkan owner adalah sebagai berikut :

  1. Mencari kurang lebih 25 (dua puluh lima) kapal pembanding dengan deadweight yang hampir serupa.

  2. Membuat Concept Design atau penentuan ukuran utama dari kapal pembanding yang didapat sesuai jenis kapal yang diminta oleh owner.

  3. Mengambil kesimpulan dari tugas yang telah diselesaikan serta dianalisis sesuai kesulitan yang terjadi

Proses Penentuan Ukuran Utama Kapal
Metodologi yang dilakukan selama proses penentuan ukuran utama kapal berupa :

  1. Penentuan ukuran utama dilakukan dengan metode “ Trend Curve Approach” yaitu penentuan ukuran utama kapal dengan analisis statistic yang bereferensikan dari data kapal pembanding dengan cara mencari korelasi antara kapal yang sudah ada dengan kapal yang akan didesain.

  2. Penyelesaian metode tersebut dibantu dengan dua program berupa Microsoft excel dan Minitab 11.0. Hal ini dikarenakan software tersebut dirancang khusus untuk penyelesaian analisis statistic. Sehingga metode “ Trend Curve Approach” sangat cocok diselesaikan dengan Microsoft Excel dan Minitab 16.0. Pada Microsoft Excel terdapat menu solver dimana dengan fasilitas tersebut dapat menyelesaikan analisis statistic dengan baik, sedangkan pada Minitab 16. Dilengkapi dengan otomisasi grafik regresi yang dapat digunakan untuk memudahkan mencari data yang optimum lebih lagi dengan cara menormalisasi data yang ada agar terdistribusi merata dengan tujuan mendapatkan nilai derajat kepercayaan yang baik

Konsep Analisis Data Statistik untuk Pemilihan Ukuran Utama

a)      Regresi data

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan menggunakan variabel bebas. Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda. Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel tergantung.

b)      Tujuan menggunakan regresi

Adapun tujuan menggunakan analisis regresi ialah

  • Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas.

  •  Menguji hipotesis karakteristik dependensi

  • Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample

c)      Model kelayakan  regresi linear

Adapun model kelayakan penggunaan regresi linear didasarkan pada hal-hal berikut:

  • Model regresi dikatakan layak  jika angka signifikansi pada ANOVA sebesar < 0.05

  • Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation

  • Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika T hitung > T table (nilai kritis)

  • Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu.

  • Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB) sebesar < 1 dan > 3

  • Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r2mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r2maksimal sebesar 1. Jika Nilai r2sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r2sama dengan 0, maka tidak ada hubungan linier antara X dan Y.

  • Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)

  •  Data harus berdistribusi normal

  • Data berskala interval atau rasio

  • Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga sebagai variabel response)

Proses Pemilihan dan Pengolahan Data

Data hasil regresi akan diperoleh dari software Minitab 16. Hal ini agar memudahkan pemilihan data dengan melihat uji layak regresi linier seperti yang dipaparkan sebelumnya. Dalam Minitab 16 akan diperoleh grafik uji data. Grafik tersebut menentukan baik buruknya suatu model regresi yang meliputi :

  • Probability Plot of the Residuals

  • Histogram of Residuals

  • Residuals Versus the Fitted Values

  • Residuals Versus the Order of the Data

Normal Probability Plot of the Residuals, yang bertujuan untuk mendeteksi kenormalan residual. Nilai titik-titik residual yang menempel atau sangat dekat dengan garis biru menunjukkan residual tersebut berdistribusi normal, berarti telah memenuhi asumsi dn(0,s2), Histogram of Residuals yang secara visual histogram ini kurang menunjukkan residual berdistribusi normal, tetapi kondisi ini masih dapat dikatakan memenuhi distribusi normal. Pada plot ini ditunjukkan P-value DWT bernilai > 0,102 yang lebih besar dari 0,05, Residuals Versus the Fitted Values, terletak di kanan atas. Titik-titik residual tak ada yang bernilai di atas 2 atau di bawah -2, serta tampak random. Ini menunjukkan bertambah besar-nya nilai Fitted yang merupakan prediksi nilai Y (dinotasikan ) tidak diikuti oleh makin kecil atau makin besarnya nilai residual. Kondisi ini merupakan gambaran residual bersifat identik, dan Residuals Versus the Order of the Data dan terletak di kanan bawah. Titik-titik residual tampak random, tidak membentuk pola apapun; ini berarti urutan pelaksanaan eksperimen atau urutan data tidak ada hubungannya dengan  nilai residual. Ini berarti residual independen Keempat plot yang telah diuraikan merupakan persyaratan minimal kebaikan model regresi

Pengerjaan dan Proses Regressi

Continue….

 

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

 
%d blogger menyukai ini: