PROBLEM SET 1 MENGENALI KARAKTER DATA

Terlampir tabel komposisi limbah padat dari 35 negara (data dikutip dari: M.Z.Ali Khan
dan Ziad H.Abu-Ghararah, J.Enviro.eng., ASCE, 1991) terdiri dari kertas, logam, kaca,
plastik, sisa makanan yang disertai dengan nilai kalor rata-rata limbah di masing-masing
Negara tersebut.
Tugas:
1. Kenali karakter masing-masing variabel dalam data set pada tabel tersebut
2. Selidiki kemungkinan adanya asosiasi di antara variabel-variabel di atas
Lakukan tugas no.1 dan no. 2 dengan cara memplot data dengan program Microsoft
Excel, lalu berikan analisis dengan penjelasan naratif berdasarkan plot data yang
dihasilkan. Pada Problem Set 1 ini analisis dilakukan hanya dengan hasil memplot data
(tidak perlu disertai dengan analisis statistik apapun).
Tabel 1.1 Komposisi Limbah Padat
Negara
Amerika
Serikat
Australia
Austria
Bangladesh
Belanda
Belgia
Bulgaria
Burma
Cekoslowakia
Denmark
Filipina
Finlandia
Gabon
Hongkong
Jerman
India
Indonesia
Inggris
Italia
Jepang
Kenya
Kolombia

Kertas
(%)

Logam
(%)

Kaca
(%)

Plastik
(%)

Sisa
Makanan
(%)

Nilai kalor
(MJ/kg)

28,9
38
35
2
22,2
30
10
1
13,4
32,9
17
55
6
32
20
3
10
37
31
21
12,2
22

9,3
11
10
1
3,2
5,3
1,7
3
6,2
4,1
2
5
5
2
5
1
2
8
7
5,7
2,7
1

10,4
18
9
9
11,9
8
1,6
6
6,6
6,1
5
6
9
10
10
8
1
8
3
3,9
1,3
2

3,4
0,1
6
1
6,2
5
1,7
4
4,2
6,8
4
6
3
11
2
1
6
2
7
6,2
1
5

17,8
13
24
40
50
40
54
80
41,8
44
43
20
77
9
21
36
72
28
36
50
42,6
56

7,78
8,05
10,26
2,9
9,26
9,78
5,45
5,96
6,38
11,22
7,06
13,9
6,39
10,74
5,72
2,88
8,01
9,37
10,5
9,03
5
9,09

Negara
Perancis
Nigeria
Norwegia
Pakistan
Saudi Arabia
Selandia Baru
Singapura
Spanyol
Srilanka
Swedia
Taiwan
Negara X

Kertas
(%)

Logam
(%)

Kaca
(%)

Plastik
(%)

30
15,5
38,2
2,2
24
28
43
18
8
50
8
4

4
4,5
2
2,2
9
6
3
4
1
7
1
3

4
2,5
7,5
1,75
8
7
1
3
6
8
3

1
2
6,5
1,2
2
0,1
6
4
1
8
2
2,6

Sisa
Makanan
(%)
30
51,5
30,4
52,5
53
48
5
50
80
15
25
30

Nilai kalor
(MJ/kg)
7,76
6,49
11,4
3,68
8,31
8
10,78
7,63
6,19
13,41
3,62
3,72

1. Analisis Karakteristik Data

Berdasarkan data pada Tabel 1.1 yang diplotkan pada grafik scatter, dapat dianalisis
beberapa karakteristik data seperti nilai minimum, maksimum, median, rata-rata, modus
(data yang sering muncul), kuartil 1 dan 3, nilai outlier, standar deviasi dan
kemencengan. Berikut analisis karakteristik data berdasarkan variabel komposisi
sampah.
a. Variabel Kertas
Ke rtas
60

55

50
40
% Kertas

3835
28.9

30
10
0

32.9

30
22.2

20

13.4

10
0

2
5

50

38.2
31

17

30
21 22
15.5
12.2

20
10

6
10

37

32

3
15

43
28

24

18
8

2.2
20

25

30

4
35

Negara Ke

Gambar 1.1 Grafik Komposisi Kertas

Berdasarkan Gambar 1.1, dapat dilihat nilai minimum persentase kertas berada pada
data negara ke 8 dengan nilai 1 % dan nilai maksimumnya berada pada data negara ke
12 dengan nilai 55%. Nilai yang sering muncul dari data persentase kertas ini adalah

nilai 8 %, 10% dan 30% yang masing-masing memiliki frekuensi 2 data. Dari grafik
pada Gambar 1.1 dapat dilihat nilai rata-rata dari persentase kertas berkisar 22% dengan
nilai mediannya berkisar pada nilai 21% dan nilai kuartil 1 dan 3 adalah 10% dan
31,5%.
Berdasarkan pengamatan pada grafik, diperkirakan terdapat beberapa titik yang
menyimpang dari kumpulan data yang lain (outlier) yaitu nilai 50% dan 55%. Dari
grafik juga dapat dilihat bahwa persebaran data persentase kertas memiliki rentang yang
relatif sedang sehingga dapat dikatakan nilai varians dan deviasi standar dari grafik
tersebut juga relatif sedang. Selain itu dapat dilihat bahwa selisih nilai mean terhadap
median persentase kertas tidak terlalu besar selisihnya, sehingga dapat dikatakan bahwa
data tersebut cenderung memiliki kemencengan nol atau simetris.
b. Variabel Logam
Berdasarkan Gambar 1.2 grafik komposisi logam di 34 negara dapat dilihat bahwa nilai
yang sering muncul adalah nilai 1% dengan frekuensi sebanyak 5 data, nilai maksimum
dari data tersebut adalah negara ke 2 dengan nilai 11% sedangkan nilai minimumnya
berada pada data negara ke 4, 16, 22, 31 dan 33 yaitu 1%. Nilai median dari data
persentase logam di 34 negara berkisar pada nilai 4% sedangkan nilai rata-ratanya
berkisar 5%, dan untuk kuartil 1 bernilai 2 % sedangkan kuartil 3 berkisar nilai 6%.
Logam
12

11
10
9.3

10
8
% Logam

5.3

3.2

2
0

1
0

6.2
4.1

3
1.7

2
10

5 5

9
7

5
2

2.7
1

15

5.7

20

6
4 4.5
2 2.2
25

3
1

30

1
35

Negara Ke

Gambar 1.2 Grafik Komposisi Logam

Berdasarkan pengamatan pada grafik, diperkirakan terdapat titik outlier yaitu nilai 9%,
9,3%, 10% dan 11%. Dari grafik dapat dilihat bahwa persebaran data persentase logam
memiliki rentang yang cukup kecil sehingga dapat dikatakan nilai deviasi standar dan
varians dari data tersebut juga cukup kecil. Nilai mean yang diamati pada grafik

memiliki selisih nilai yang kecil terhadap nilai median sehingga dapat diartikan bahwa
grafik tersebut cenderung memiliki kemencengan nol atau relatif simetris.
c. Variabel Kaca
Berdasarkan pengamatan pada Gambar 1.3, dapat dilihat nilai minimum persentase
komposisi kaca berada pada data negara ke 17 dan 29 dengan nilai 1 % dan nilai
maksimumnya berada pada data negara ke 2 dengan nilai 18%. Nilai yang sering
muncul dari data komposisi kaca ini adalah nilai 8 % yang memiliki frekuensi 5 data.
Dari grafik pada Gambar 1.3 juga dapat dilihat nilai rata-rata dan median dari persentase
kaca berkisar 6% dengan nilai nilai kuartil 1 sebesar 3% dan kuartil 3 berkisar 8%.
Berdasarkan Gambar 1.3, diperkirakan terdapat 1 titik outlier yaitu pada data negara ke
2 dengan nilai 18%. Dari gambar tersebut dapat dilihat bahwa nilai rata-rata persentase
kaca relatif sama dengan nilai median, sehingga dapat dikatakan bahwa grafik tersebut
merupakan grafik dengan kemencengan nol atau simetris. Selain itu juga dapat dilihat
bahwa persebaran data persentase kaca memiliki rentang yang cukup kecil sehingga
dapat dikatakan nilai varians dan deviasi standar dari data tersebut juga cukup kecil.
Kaca
12
10
8
% Kaca

6
4
2
0
0

10

15

20

25

30

35

Negara Ke

Gambar 1.3 Grafik Komposisi Kaca

d. Variabel Plastik
Berdasarkan Gambar 1.4 grafik komposisi plastik di 34 negara dapat dilihat bahwa nilai
yang sering muncul adalah nilai 1% dan 2% dengan frekuensi 5 data. Nilai rata-rata dan
median dari data persentase plastik berkisar pada nilai 4%, dan untuk kuartil 1 berkisar
nilai 1,7 % sedangkan kuartil 3 bernilai 6%. Selain itu juga dapat dilihat bahwa data
memiliki rentang data yang besar dengan nilai maksimum berada pada data negara ke

14 dengan nilai 11% dan nilai minimumnya berada pada data negara ke 2 dan 28 yaitu
0,1%.
Plastik
12

11

10
8
% Plastik

0.1

4 4.2 4

3.4

2
0

6.2
5

6.8

1.7

1
5

10

6
3

8
6.2

15

6.5
5

6
4

20

2
1.2

25

0.1
30

2 2.6

35

Negara Ke

Gambar 1.4 Grafik Komposisi Plastik

Dari grafik dapat diperkirakan terdapat 1 titik outlier yaitu nilai 11% pada data negara
ke 14. Dari grafik juga dapat dilihat bahwa persebaran data persentase plastik memiliki
rentang yang cukup kecil sehingga dapat dikatakan nilai deviasi standar dan varians dari
data tersebut juga cukup kecil. Grafik persentase plastik dapat dikatakan memiliki
kemencengan nol atau simetris dikarenakan nilai mean relatif sama dengan nilai median
data komposisi plastik.
e. Variabel Sisa Makanan
Sisa Makanan
100
80

80

60
% Sisa Makanan

24
17.8
13

20
0

20
5

10

80

72

56 51.5 52.5
5348 50
50
42.6
36
36
30 30.4
28
21

50 54
4443
41.8
40 40

40

77

9
15

20

25

5
30

2530
15
35

Negara Ke

Gambar 1.5 Grafik Komposisi Sisa Makanan

Berdasarkan Gambar 1.5, dapat dilihat nilai minimum persentase sisa makanan berada
pada data negara ke 29 dengan nilai 5% dan nilai maksimumnya berada pada data

negara ke 8 dan 31 dengan nilai 80%. Nilai yang sering muncul dari data persentase
sisa makanan ini adalah nilai 50% yang masing-masing memiliki frekuensi 2 data. Dari
grafik pada Gambar 1.5 juga dapat dilihat nilai rata-rata dan median dari persentase sisa
makanan berkisar 40% dan nilai kuartil 1 dan 3 adalah berkisar 25% dan 50%.
Berdasarkan pengamatan pada Gambar 1.5 dapat dilihat terdapat beberapa titik yang
diperkirakan sebagai titik outlier yaitu titik dengan nilai 72%, 77% dan 80%. Dari
grafik juga dapat dilihat bahwa persebaran data persentase sisa makanan memiliki
rentang yang besar sehingga dapat dikatakan nilai varians dan deviasi standar dari grafik
tersebut juga besar. Selain itu dapat dilihat bahwa nilai rata-rata persentase sisa
makanan relatif sama dengan nilai median, sehingga dapat dikatakan bahwa data
tersebut cenderung memiliki kemencengan nol atau simetris.
f. Variabel Nilai Kalor
Nilai Kalor
15

13.9

NIlai Kalor (MJ/kg)

5

2.9
0

13.41
11.4

10.78
10.5
9.37 9.03 9.09
8.31
8.01
8 7.63
7.76
7.06 6.39
6.49
6.38
6.19
5.96
5.72
5.45
5
3.72
3.68
3.62
2.88

10.26 9.78
9.26
8.05
7.78

10

11.22

10

10.74

15

20

25

30

35

Negara Ke

Gambar 1.6 Grafik Nilai Kalor

Berdasarkan Gambar 1.6 grafik nilai kalor di 34 negara dapat dilihat bahwa nilai
maksimum dari data tersebut adalah negara ke 32 dengan nilai 13,41% sedangkan nilai
minimumnya berada pada data negara ke 16 yaitu 2,88%. Nilai median dan rata-rata
dari data nilai kalor di 34 negara berkisar pada nilai 7%, dan untuk kuartil 1 berkisar 6%
sedangkan kuartil 3 berkisar pada nilai 9%. Dari grafik pada Gambar 1.6 diperkirakan
bahwa titik dengan nilai 13,41% dan 13,9% adalah titik outlier dari data-data tersebut.
Selain itu juga dapat dilihat bahwa persebaran data nilai kalor memiliki rentang yang
relatif sedang sehingga dapat dikatakan nilai deviasi standar dan varians dari data

tersebut juga relatif sedang. Kemencengan dari grafik tersebut dapat dikatakan nol
karena dari grafik dapat dilihat bahwa nilai mean relatif sama dengan nilai mediannya.
2. Analisis Asosiasi antar Variabel Data
a. Analisis Asosiasi Antar Variabel Berdasarkan Regresi Linier
Analisis asosiasi antar variabel berdasarkan regresi linier ini berdasarkan perubahan
nilai suatu variabel terhadap variabel yang lain. Data dari nilai variabel-variabel yang
akan dianalisis kemudian diplotkan ke grafik scatter. Berikut pembahasan mengenai
analisis asosiasi antar variabel berdasarkan regresi linier
1) Analisis Asosiasi Variabel Kertas terhadap Variabel Logam
Asosiasi Variabe l Ke rtas Terhadap Variabe l Logam
12
10
8
% Logam

f(x) = 0.1x + 2.11

R = 0.27

6
4
2
0
0

10

20

30

40

50

60

% Kertas

Gambar 2.1 Grafik Asosiasi Variabel Kertas terhadap Variabel Logam

Berdasarkan Gambar 2.1 dapat dilihat bahwa pola dari data variabel kertas dan logam
berpencar dan tidak membentuk pola yang menyerupai garis lurus. Hal ini menandakan
tidak terdapat hubungan yang erat antara variabel kertas dan variabel logam berdasarkan
regresi liniernya, sehingga jika terjadi perubahan % kertas belum tentu diikuti oleh
perubahan % logam.

2) Analisis Asosiasi Variabel Kertas terhadap Variabel Kaca

Asosiasi Variabe l Ke rtas te rhadap Variabe l Kaca

12
10
8
% Kaca

6
4
2
0

f(x) =
R = 0

10

20

30

40

50

60

% Kertas

Gambar 2.2 Grafik Asosiasi Variabel Kertas terhadap Variabel Kaca

Berdasarkan pengamatan grafik pada Gambar 2.2 dapat dilihat bahwa pola dari data
variabel kertas terhadap kaca tidak membentuk pola yang menyerupai garis lurus atau
berpencar. Dari nilai R2 yang tidak mendekati 1 dapat disimpulkan tidak terdapat
hubungan yang erat antara variabel kertas dan variabel kaca berdasarkan regresi
liniernya, sehingga jika terjadi pertambahan % kertas belum tentu diikuti oleh
pertambahan % kaca.
3) Analisis Asosiasi Variabel Kertas terhadap Variabel Plastik
Asosiasi Variabe l Ke rtas te rhadap Variabe l Plastik
12
10
8
% Plastik

f(x) = 0.09x + 1.85

R = 0.24

4
2
0
0

10

20

30

40

50

% Kertas

Gambar 2.3 Grafik Asosiasi Variabel Kertas terhadap Variabel Plastik

60

Berdasarkan grafik pada Gambar 2.3 dapat dilihat bahwa pola dari data variabel kertas
terhadap plastik membentuk pola berpencar atau tidak membentuk pola yang
menyerupai garis lurus. Hal ini menandakan tidak terdapat hubungan yang erat antara
variabel kertas dan variabel plastik berdasarkan regresi liniernya yang juga dapat dilihat
dari nilai R2 yang tidak mendekati 1.
4) Analisis Asosiasi Variabel Kertas terhadap Variabel Sisa Makanan
Asosiasi Variabe l Ke rtas te rhadap Variabe l Sisa Makanan
90
80
70
60
50
% Sisa Makana 40
30
20
10
0

f(x) = - 0.88x + 59.43

R = 0.42

10

20

30

40

50

60

% Kertas

Gambar 2.4 Grafik Asosiasi Variabel Kertas terhadap Variabel Sisa Makanan

Berdasarkan pengamatan grafik pada Gambar 2.4 dapat dilihat bahwa pola dari data
variabel kertas terhadap sisa makanan membentuk pola berpencar dan tidak membentuk
pola yang menyerupai garis lurus dengan nilai R2 0,415. Hal ini menandakan bahwa
tidak terdapat hubungan yang erat antara variabel kertas dengan sisa makanan, sehingga
jika terjadi perubahan nilai % kertas belum tentu diikuti dengan perubahan nilai % sisa
makanan.
5) Analisis Asosiasi Variabel Kertas terhadap Variabel Nilai Kalor
Dari hasil pengamatan grafik pada Gambar 2.5 dapat dilihat bahwa R 2 bernilai 0,814.
Nilai R2 yang mendekati 1 menandakan terdapat hubungan yang cukup erat antara
variabel kertas terhadap nilai kalor. Hal ini juga ditandai dengan pola dari data variabel
kertas terhadap nilai kalor yang hampir membentuk pola menyerupai garis lurus.

Asosiasi Variabe l Ke rtas te rhadap Variabe l Nilai Kalor

16
14
f(x) = 0.18x + 3.9
R = 0.81

12
10
8

Nilai Kalor

6
4
2
0
0

10

20

30

40

50

60

% Kertas

Gambar 2.5 Grafik Asosiasi Variabel Kertas terhadap Variabel Nilai Kalor

6) Analisis Asosiasi Variabel Logam terhadap Variabel Kaca

Asosiasi Variabe l Logam te rhadap Variabe l Kaca
12
10
8
% Kaca

6
4
2
0
0

f(x) =2
R = 0

10

12

% Logam

Gambar 2.6 Grafik Asosiasi Variabel Logam terhadap Variabel Kaca

Berdasarkan pengamatan grafik pada Gambar 2.6 dapat dilihat bahwa pola dari data
variabel logam terhadap kaca membentuk pola berpencar atau tidak membentuk pola
yang menyerupai garis lurus. Dari nilai R 2 yang tidak mendekati 1 juga dapat
disimpulkan tidak terdapat hubungan yang erat antara variabel logam dan variabel kaca
berdasarkan regresi liniernya, sehingga jika terjadi pertambahan % logam belum tentu
diikuti oleh pertambahan % kaca.

7) Analisis Asosiasi Variabel Logam terhadap Variabel Plastik

Asosiasi Variabe l Logam te rhadap Variabe l Plastik
12
10
8
% Plastik

6
4

f(x) = 0.01x + 3.76

R = 0

2
0
0

10

12

% Logam

Gambar 2.7 Grafik Asosiasi Variabel Logam terhadap Variabel Plastik

Berdasarkan grafik pada Gambar 2.7 dapat dilihat bahwa pola dari data variabel logam
terhadap plastik tidak membentuk pola menyerupai garis lurus dan data-datanya
berpencar. Hal ini menandakan tidak terdapat hubungan yang erat antara variabel logam
dan variabel plastik berdasarkan regresi liniernya.
8) Analisis Asosiasi Variabel Logam terhadap Variabel Sisa Makanan
Asosiasi Variabe l Logam te rhadap Variabe l Sisa Makanan
90
80
70
60
50
% Sisa Makana 40
30
20
10
0

f(x) = - 2.29x + 50.13

R = 0.11

10

% Logam

Gambar 2.8 Grafik Asosiasi Variabel Logam terhadap Variabel Sisa Makanan

12

Berdasarkan pengamatan grafik pada Gambar 2.8 dapat dilihat bahwa pola dari data
variabel logam terhadap sisa makanan memiliki pola berpencar yang tidak membentuk
pola yang menyerupai garis lurus dengan nilai R2 0,107. Hal ini menandakan bahwa
tidak terdapat hubungan yang erat antara variabel logam dengan sisa makanan, sehingga
jika terjadi peningkatan nilai % logam belum tentu diikuti dengan peningkatan nilai %
sisa makanan.
9) Analisis Asosiasi Variabel Logam terhadap Variabel Nilai Kalor
Asosiasi Variabe l Logam te rhadap Variabe l Nilai Kalor
16
14
12
10
Nilai Kalor

f(x) = 0.4x + 6.08

R = 0.16

8
6
4
2
0
0

10

12

% Logam

Gambar 2.9 Grafik Asosiasi Variabel Logam terhadap Variabel Nilai Kalor

Berdasarkan Gambar 2.9 dapat dilihat bahwa pola dari data variabel logam terhadap
nilai kalor berpencar dan tidak membentuk pola yang menyerupai garis lurus. Hal ini
menandakan tidak terdapat hubungan yang erat antara variabel logam dan variabel nilai
kalor berdasarkan regresi liniernya, sehingga jika terjadi perubahan % logam belum
tentu diikuti oleh perubahan % nilai kalor.
10) Analisis Asosiasi Variabel Kaca terhadap Variabel Plastik
Berdasarkan pengamatan terhadap Gambar 2.10 dapat dilihat bahwa pola dari data
variabel kaca terhadap plastik membentuk pola berpencar yang tidak membentuk pola
yang menyerupai garis lurus. Dari nilai R 2 yang tidak mendekati 1 dapat dikatakan
bahwa variabel kaca tidak memiliki hubungan yang erat terhadap variabel plastik.

Asosiasi Variabel Kaca terhadap Variabel Plastik

12
10
8
% Plastik

6
4

f(x) = - 0.02x + 3.93

R = 0

2
0
0

10

12

14

16

18

20

% Kaca

Gambar 2.10 Grafik Asosiasi Variabel Kaca terhadap Variabel Plastik

11) Analisis Asosiasi Variabel Kaca terhadap Variabel Sisa Makanan

Asosiasi Variabel Kaca terhadap Variabel Sisa Makanan

% Sisa Makanan

90
80
70
60
50
40
30
20
10
0

f(x) = - 1.67x + 50.88

R = 0.1

10

12

14

16

18

20

% Kaca

Gambar 2.11 Grafik Asosiasi Variabel Kaca terhadap Variabel Sisa Makanan

Berdasarkan grafik pada Gambar 2.11 dapat dilihat bahwa nilai R 2 adalah 0,100 dan
pola dari kedua variabel tersebut tidak membentuk pola yang menyerupai garis lurus
dan cenderung berpencar. Nilai R2 yang tidak mendekati nilai 1 dan pola sebaran data
yang tidak membentuk pola yang menyerupai garis lurus menandakan tidak terdapat
hubungan yang erat antara variabel kaca terhadap variabel sisa makanan berdasarkan
regresi liniernya.

12) Analisis Asosiasi Variabel Kaca terhadap Variabel Nilai Kalor

Asosiasi Variabel Kaca terhadap Variabel Nilai Kalor
16
14
12
10
Nilai Kalor

f(x) = 0.1x + 7.33

R = 0.02

6
4
2
0
0

10

12

14

16

18

20

% Kaca

Gambar 2.12 Grafik Asosiasi Variabel Kaca terhadap Variabel Nilai Kalor

Dari hasil pengamatan grafik pada Gambar 2.12 dapat dilihat bahwa R2 bernilai 0,017.
Nilai R2 yang tidak mendekati 1 menandakan tidak terdapat hubungan yang erat antara
variabel kaca terhadap nilai kalor. Hal ini juga ditandai dengan pola dari data variabel
kaca terhadap nilai kalor yang berpencar.
13) Analisis Asosiasi Variabel Plastik terhadap Variabel Sisa Makanan
Asosiasi Variabel Plastik terhadap Variabel Sisa Makanan

% Sisa Makanan

90
80
70
60
50
40
30
20
10
0

f(x) = - 1.79x + 46.94

R = 0.06

10

12

% Plastik

Gambar 2.13 Grafik Asosiasi Variabel Plastik terhadap Variabel Sisa Makanan

Berdasarkan grafik pada Gambar 2.13 dapat dilihat bahwa pola dari data variabel plastik
terhadap sisa makanan membentuk pola yang relatif berpencar dan tidak membentuk

pola yang menyerupai garis lurus dengan nilai R 2 0,057. Nilai R2 yang sangat jauh dari
nilai 1 dan pola data yang tidak menyerupai garis lurus menandakan bahwa tidak
terdapat hubungan yang erat antara variabel plastik dengan sisa makanan.
14) Analisis Asosiasi Variabel Plastik terhadap Variabel Nilai Kalor
Asosiasi Variabel Plastik terhadap Variabel Nilai Kalor
16
14
f(x) = 0.79x + 4.82
R = 0.53

12
10
Nilai Kalor

8
6
4
2
0
0

10

12

% Plastik

Gambar 2.14 Grafik Asosiasi Variabel Plastik terhadap Variabel Nilai Kalor

Berdasarkan Gambar 2.14 dapat dilihat bahwa R2 bernilai 0,529. Nilai R2 yang cukup
mendekati 1 menandakan terdapat hubungan yang cukup erat antara variabel plastik
terhadap nilai kalor sehingga jika terjadi perubahan % plastik bisa saja diikuti oleh
perubahan nilai kalor. Hal ini juga ditandai dengan pola dari data variabel plastik
terhadap nilai kalor yang hampir membentuk pola menyerupai garis lurus.
15) Analisis Asosiasi Variabel Sisa Makanan terhadap Variabel Nilai Kalor
Dari pengamatan pada Gambar 2.15 dapat dilihat bahwa pola dari data variabel sisa
makanan terhadap nilai kalor tidak membentuk pola yang menyerupai garis lurus. Dari
nilai R2 yang tidak mendekati 1 juga dapat disimpulkan tidak terdapat hubungan yang
erat antara variabel sisa makanan dan variabel nilai kalor berdasarkan regresi liniernya,
sehingga jika terjadi pertambahan % sisa makanan belum tentu diikuti oleh
pertambahan nilai kalor.

Asosiasi Variabel Sisa Makanan terhadap Variabel Nilai Kalor

16
14
12
10
8
Nilai Kalor
6
4
2
0

f(x) = - 0.05x + 9.82

R = 0.12

10

20

30

40

50

60

70

80

90

% Sisa Makanan

Gambar 2.15 Grafik Asosiasi Variabel Sisa Makanan terhadap Variabel Nilai Kalor

b. Analisis Asosiasi Antar Variabel Berdasarkan Perkiraan Nilai Standar Deviasi

Analisis asosiasi ini didasarkan pada pembacaan nilai sebaran data yang dihubungkan
dengan nilai standar deviasi. Tabel 2.1 memperlihatkan hasil analisis nilai standar
deviasi dilihat dari grafik masing-masing komposisi sampah.
Tabel 2.1 Perkiraan Nilai Standar Deviasi Komposisi Sampah
No.
1.
2.
3.
4.
5.
6.

Variabel
Kertas
Logam
Kaca
Plastik
Sisa Makanan
Nilai Kalor

Nilai Standar Deviasi

Relatif sedang
Cukup kecil
Cukup kecil
Cukup kecil
Besar
Relatif sedang

Berdasarkan tabel tersebut dapat dilihat bahwa nilai standar deviasi sisa makanan
memiliki nilai standar deviasi yang besar dikarenakan persebaran data pada grafik yang
besar. Variabel sisa makanan ini dapat dikatakan tidak memiliki hubungan dengan
variabel yang lain dikarenakan nilai standar deviasinya yang relatif besar dibandingkan
variabel yang lain. Variabel kertas dan nilai kalor diperkirakan memiliki nilai standar
deviasi yang relatif sedang dilihat dari persebaran data pada grafik, sehingga dapat
dikatakan bahwa variabel kertas dan nilai kalor memiliki hubungan dikarenakan nilai
standar deviasi yang relatif sama. Sama halnya dengan variabel kertas dan nilai kalor,
variabel logam, kaca dan plastik dapat dikatakan memiliki hubungan dikarenakan nilai

standar deviasi yang dilihat dari persebaran data grafik cenderung sama yaitu cukup
kecil.