Anda di halaman 1dari 15

RANCANGAN FAKTORIAL

MAKALAH

Oleh 1. 2. 3. 4. 5. Putu Indah Saraswati Reza Yudha Pratama Adi Aliyudin Hanna Sofyana Lyanlie Winarto

: 260110100054 260110100055 260110100056 260110100057 260110100058

RANCANGAN FAKTORIAL

Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai faktor secara simultan. Hal ini menunjukkan bahwa percobaan satu faktor akan menjadi sangat tidak efektif mengingat respon yang muncul akan berbeda jika kondisi faktor-faktor lain berubah. Oleh karena itu banyak bidang terapan memerlukan rancangan percobaan yang menggunakan beberapa faktor sebagai perlakuan pada saat yang bersamaan. Percobaan dengan rancangan faktorial digunakan jika faktor yang digunakan dalam percobaan lebih dari satu. Rancangan ini memungkinkan kita melakukan kombinasi antar level faktor. Ada 2 macam rancangan faktorial, yaitu Tersilang dan Tersarang. Tetapi Faktorial tersilang lebih banyak digunakan. Model dengan interaksi Untuk menyatakan interaksi dalam model faktorial, gabungkan pengaruh-pengaruh utama dengan lambang asterik. Case 2 Factors A, B crossed in RCD Factorial 2 Factors A, B in RCBD Factorial 3 Factors A, yijkl = m + ai + bj + ck + abij + acik A B C A*B A* C B*C B, C in RCD + bcjk + abcijk + el(ijk) A* B*C yijk = m + Kk + ai + bj + abij + eijk K A B A* B Statistical model Terms in model A B A* B

yijk = m + ai + bj + abij + eijk

Factorial 3 Factors A, yijkl = m + Kl + ai + bj + ck + abij + K A B C A*B A* C B, C in RCBD acik + bcjk + abcijk + eijkl B*C A* B*C

selanjutnya tahap pemilihan rancangan lingkungannya yaitu yang menyangkut bentuk desain percobaan seperti RAL, RAKL, RBSL, Split-plot, Split-Blok.

RANCANGAN ACAK LENGKAP RAL merupakan rancangan yang paling sederhana diantara rancangan-rancangan percobaan yang baku.Jika kita ingin mempelajari p buah perlakuan danmenggunakan r ulangan setiap perlakuan, maka kitamemerlukan pr unit percoban. RAL lebih

cocokdigunakan dalam percobaan laboratorium, percobaanrumah kaca, atau percobaan dengan bahan percobaanyang homogen. Beberapa keuntungan menggunakan RAL 1. Denah rancangan lebih mudah / sederhana 2. Analisis statistika terhadap subyek percobaan sangat sederhana 3. Fleksibel dalam penggunaan jumlah perlakuan dan jumlah ulangan 4. Kehilangan informasi relatif sedikit dalam hal data hilang dibanding rancangan lain ENGKAP ( RAL ) Penggunaan RAL akan tepat dalam kasus

1. Bila bahan percobaan homogen atau relatif homogen 2.Bila banyaknya perlakuan terbatas

PENGACAKAN DAN D ENAH RANCANGAN Misalkan akan diteliti perbedaan tiga perlakuan, sebut saja A, B, dan C. Masing- masing harus tersedia 15 satuan percobaan. Untuk menjamin kerandoman digunakan angka acak sebanyak 15 angka, misalkan 118 701 789 965 886 638 901 841 396 802 687 938 377 392 848 1 8 9 15 7 5 13 11 4 10 6 14 2 3 12

1 4 7

A B A

2 5 8 11

C B A B

3 6 9

C C A

10 B 13 B

12 C 15 A

14 C

Analisis Deskriptif. Analisis deskriptif diperlukan untuk melihat ukuran pemusatan dan ukuran penyebaran data, dalam hal ini ukuran pemusatan datanya adalah mean (Rataan) dan ukuran penyebarannya adalah Std Deviation (Standar Deviasi). Dan hasil penelitian diharapkan rataannya berbeda antar perlakuan (meningkat atau menurun) sedangkan standar deviasinya diharapkan tidak begitu berbeda antar perlakuan (homogen).

MODEL LINIER Model Matematisnya :

Yijk = + Ai + Bj + ABij + ijk i = 1, 2, 3,,a j = 1,2,3..,b dan k =1.2.3,.u

Yijk : Pengamatan pada satuan percobaan ke-i yang memperoleh kombinasi perlakuan taraf ke-j dari faktor A : Mean populasi k : Pengaruh taraf ke-k dari faktor kelompok i : Pengaruh taraf ke-i dari faktor A j : Pengaruh taraf ke-j dari faktor B ()ij : Pengaruh taraf ke-i dari faktor A dan taraf ke-j dari faktor B dan taraf ke-k dari faktor B

ijk : Pengaruh acak dari satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij

Hipotesis dengan pengaruh interaksi: model tetap : H0 : ()ij = 0 (tidak ada pengaruh interaksi terhadap respon yang diamati) H1 : minimal ada satu (i,j) sehingga () 0 model acak : H0 : = 0 (tidak ada keragaman dalam populasi kombinasi perlakuan) H1 : > 0 (terdapat keragaman dalam populasi kombinasi perlakuan)

Pengaruh utama faktor A : model tetap : H0 : 1=2=...=a= 0 (tidak ada perbedaan respon di antara taraf faktor A yang dicobakan) H1 : minimal ada satu i sehingga i0 (ada perbedaan respondi antara taraf faktor A yang dicobakan) model acak : H0 : =0 (tidak ada keragaman dalam populasi taraf faktor A) H1 : >0 (terdapat keragaman dalam populasi taraf faktor A)

Pengaruh utama faktor B :

model tetap : H0 : 1=2=...=b=0 (tidak ada perbedaan respon diantara taraf fraktor B yang dicobakan) H1 : minimal ada satu j sehingga j0 (ada perbedaan respon diantara taraf faktor B yang dicobakan) model acak : H0 : =0 (tidak ada keragaman dalam populasi taraf raktor B) H1 : >0 (terdapat keragaman dalam populasi taraf faktor B) UJI LANJUT Uji wilayah berganda Duncan Uji Duncan didasarkan pada sekumpulan nilai beda nyata yang ukurannya semakin besar, tergantung pada jarak di antara pangkat-pangkat dari dua nilai tengah yang dibandingkan. Dapat digunakan untuk menguji perbedaan diantara semua pasangan perlakuan yang mungkin tanpa memperhatikan jumlah perlakuan.

Uji Tukey HSD (Beda Nyata Jujur) Uji Tukey sering juga disebut dengan uji beda nyata jujur, diperkenalkan oleh Tukey (1953). Prosedur pengujiannya mirip dengan LSD, yaitu mempunyai satu pembanding dan digunakan sebagai alternatif pengganti LSD apabila kita ingin menguji seluruh pasangan rata-rata perlakuan tanpa rencana. Uji Tukey digunakan untuk membandingkan seluruh pasangan ratarata perlakuan setelah uji Analisis Ragam di lakukan.

Uji LSD (BNT) Uji BNT merupakan prosedur pengujian perbedaan diantara rata-rata perlakuan yang paling sederhana dan paling umum digunakan. Metode ini diperkenalkan oleh Fisher (1935), sehingga dikenal pula dengan Metoda Fishers LSD [Least Significant Difference]. Untuk menggunakan uji BNT, atribut yang kita perlukan adalah nilai kuadrat tengah galat (KTG),

taraf nyata, derajat bebas (db) galat, dan tabel t-student untuk menentukan nilai kritis uji perbandingan. Dalam penggunaan uji ini, ada beberapa hal yang perlu diperhatikan: 1. Gunakan uji LSD apabila uji F dalam Analisis Ragam signifikan 2. Prosedur LSD akan mempertahankan taraf nyata 0.05 hanya jika pembandingan semua kombinasi pasangan nilaitengah perlakuan 3 perlakuan 3. Gunakan uji LSD untuk pembandingan terencana tanpa memperhatikan banyaknya perlakuan. Misalnya apabila kita ingin membandingkan semua rata-rata perlakuan dengan kontrol, uji LSD dapat digunakan meskipun lebih dari 3 perlakuan.

Perbandingan rata-rata

Perbandingan terencana (Planned comparison)

Telah direncanakan sebelum data (hasil percobaan) diperoleh


Linear Contrasts (Complex Comparisons) Scheffs Test Bonferroni Perbandingan dengan kontrol :

Dunnet

Perbandingan tidak terencana (Unplanned comparison) Post-Hoc test

Perbandingan berpasangan (Pair-wise comparisons) atau Perbandingan berganda (Multiple Comparisons):


LSD/BNT (tidak disarankan) Tukey HSD (disarankan) Scheff Bonferroni Sidak Gabriel Hochberg

Multistage test (Multiple Range Test) : Perbandingan bertahap dari semua kombinasi pasangan rata-rata yang ditentukan setelah hasil percobaan diperoleh (Post-Hoc Comparison)

SNK (Student Newman Keul) Duncan

Tukey HSD Tukey B Scheff Gabriel REGWQ (Ryan, Einot, Gabriel and Welsh. Q = the studentized range statistic) disarankan apabila software pendukung tersedia)

Contoh kasus : a. Uji Keempukan Daging Pengukuran keempukan daging dilakukan dengan metode Person and Dutson yaitu memotong daging berbentuk balok dengan ukuran sampel tebal 1 cm, panjang 2 cm dan lebar 2 cm. Sampel daging diletakkan dibawah jarum penekan sehingga arah penekan tegak lurus dengan arah serat daging dan Lioyd instrument diaktifkan, jarum akan menekan daging. Keempukan daging diekspresikan dengan penurunan gaya maksimal yang diperlukan dengan satuan Newton (Murtini dan Qomarudin, 2003).

Model linier Model Matematisnya :

Yijk = + Ai + Bj + ABij + ijk i = 1, 2, 3,,a Disini : Yijk : Pengamatan Faktor A taraf ke-i , Faktor B taraf kej dan Ulangan ke-k : Rataan Umum Ai : Pengaruh Faktor A pada taraf ke-i Bj : Pengaruh Faktor B pada taraf ke-j ABij : Interaksi antara Faktor A dengan Faktor B ijk : Pengaruh galat pada Faktor A taraf ke-i, Faktor B taraf ke-j dan ulangan ke-k Model Linier Yijk : pengamatan terhadap daging itik afkir pada penambahan konsentrasi ekstrak nanas ke i, waktu pemasakan ke j, dan ulangan ke- k : Rataan Umum Ai: pengaruh penambahan konsentrasi ekstrak nanas pada taraf ke-i Bj:pengaruh waktu pemasakan pada taraf ke-j Model Linier ABij : Interaksi antara penambahan konsentrasi ekstrak nanas dan waktu pemasakan ijk : Pengaruh galat pada penambahan konsentrasi ekstrak nanas taraf ke-i, waktu pemasakan taraf ke-j dan ulangan ke-k j = 1,2,3..,b dan k =1.2.3,.u

Hipotesis Pengaruh utama faktor A H0 : (tidak ada pengaruh penambahan konsentrasi ekstrak nanas terhadap daging itik afkir H1 : ada pengaruh penambahan konsentrasi ekstrak nanas terhadap daging itik afkir 2. Pengaruh utama faktor B H0 : (tidak ada pengaruh waktu pemasakan terhadap daging itik afkir H1 : ada pengaruh waktu pemasakan terhadap daging itik afkir 3. Pengaruh interaksi faktor A dengan faktor B H0 : (tidak ada pengaruh interaksi penambahan konsentrasi ekstrak nanas dan waktu pemasakan terhadap daging itik afkir H1 :interaksi penambahan konsentrasi ekstrak nanas dan waktu pemasakan terhadap daging itik afkir

FK =

= 1.174

JKT = 2.2244 + 0.462 + 0.2012 1.174 = 1.7136 JKP = - 1.174 = 0.7384

JK (waktu) = 1.5148 1.174 = 0.3408 KT (waktu) = = 0.1704

JK* = 1/3 x 8.1456 1.174 0.7384 0.3408 = 0.462 KT = = 0.077

JKG = JKT JKP JK(waktu) JK* = 0.1724 KTG = = 0.00718

Fhit perlakuan = KTP/KTG = 0.2461/0.00718 = 34.2758 Fhit waktu = 0.1704/0.00718 = 23.7326 Fhit* = 0.077/0.00718 = 10.724

ANOVA Tabel ANOVA RAL dua faktorial

Maka di dapat ANOVA nya : SK DB JK KT FHIT FTAB

Ekstrak nanas

0.7384

0.2461

34.2758

2.42

Waktu pemasakan

0.3408

0.1704

23.7326

2.62

Ekstrak nanas*waktu pemasakan

0.462

0.077

10.724

2.13

Galat

18

0.1724

0.00718

total

35

1.7136

Data yang diperoleh dianalisis dengan Analysis of Variance (ANOVA) untuk mengetahui ada tidaknya beda nyata pada tingkat = 0,01. Jika terdapat perbedaan tiap level perlakuan dilanjutkan dengan uji jarak berganda Duncans New Multiple Range Test (DMRT). TOLAK H karena Fhit > Ftab

Uji lanjut ( Duncen ) Urutkan rata rata 60 = 1.17 = Y1

30 = 1.76 = Y2 0 = 3.57 = Y3 Menghitung nilai Dunce Rp = r;p;dbg SY Rp =4.70 * 0.0489 = 0.23 Uji lanjut ( Duncan ) PERBANDINGAN 60:0 = y3- y1 = 2.4 > Duncan * 60:30= y2-y1 30:0= y3-y2 = 0.59 > Duncan * =1.81 > Duncan *

Kesimpulan Waktu pemasakan 60 menit memberikan pengaruh paling baik untuk meningkatkan kualitas daging itik arkif