5

BAB 2
LANDASAN TEORI

2.1 Deskripsi Teori Statistik
2.1.1 Perancangan Percobaan
Definisi perancangan percobaan menurut Nazir (1988, p267) adalah
semua proses yang diperlukan dalam merencanakan dan melaksanakan suatu
percobaan. Perancangan percobaan bukan hanya memberikan proses perencanaan
saja, namun mencakup langkah-langkah yang berurutan yang komplit dan
menyeluruh.
Manfaat dari suatu perancangan percobaan ialah untuk mendapatkan suatu
keterangan bagaimana cara membuat percobaan dan bagaimana proses
perencanaan serta pelaksanaan percobaan akan dilakukan.
2.1.2 Percobaan faktorial
Menurut Gasperz (1991, p181), percobaan faktorial adalah suatu
percobaan mengenai sekumpulan perlakuan yang terdiri atas semua kombinasi
yang mungkin dari taraf beberapa faktor. Sekumpulan kombinasi perlakuan
tersebut yang dinyatakan dengan kata faktorial.
Menurut Sunyoto (1990, p125), percobaan faktorial adalah percobaan
dengan lebih dari satu faktor, dengan perlakuan yang merupakan komnbinasi dari
lebih level-level satu faktor dengan level-level faktor yang lain.


6

Secara umum, bisa dikatakan percobaan Faktorial adalah suatu percobaan
untuk meneliti suatu hal yang dipengaruhi oleh beberapa Faktor. Contoh yang
sederhana, bila kita ingin meneliti pembuatan kue tart, maka kita memerlukan
beberapa faktor, diantaranya Faktor jenis bahan, Suhu pemanggangan kue, dsb.
Menurut Montgomery (2001, p175), percobaan faktorial memiliki
beberapa keuntungan karena percobaan ini lebih efisien dibandingkan percobaan
faktor tunggal. Hal terpenting dari percobaan faktorial bahwa percobaan ini bisa
mencegah kesimpulan yang salah ketika terjadi interaksi.
Keuntungan dari percobaan faktorial :
Lebih efisien.
Informasi yang digunakan lebih padat dan jelas, karena kita
mempelajari berbagai interaksi yang ada.
Hasil percobaan dapat diterapkan dalam kondisi lebih luas,
karena kita mempelajari kombinasi berbagai faktor.
Dalam melakukan suatu percobaan faktorial, kita mengenal dua rancangan
dasar, RAL (Rancangan Acak Lengkap) dan RAK (Rancangan Acak Kelompok),
namun untuk perancangan ini, kita akan menggunakan RAK.

2.1.3 Faktor kuantitatif dan faktor Kualitatif.
Suatu Faktor dikatakan kuantitatif apabila taraf-taraf faktor itu dapat
dinyatakan dalam nilai-nilai numerik yang sesuai pada taraf tersebut.
Suiatu taraf dikatakan kualitatif jika taraf-taraf faktor tersebut tak dapat
dinyatakan dalam nilai numerik pada setiap titik taraf itu.


7


Contoh :
Faktor temperatur terdiri dari 4 taraf, yaitu 0 F , 25 F, 50 F, 100 F,
maka tiap taraf faktor temperatur dapat dinyatakan dengan nilai-
nilai numerik, maka dikatakan taraf tersebut bertaraf kuantitatif.
Ada percobaan makan, katakanlah A, B, C, D. Karena setiap taraf
faktor makanan tak dapat dinyatakan dalam nilai-nilai numerik,
maka dikatakan bertaraf kualitatif. Contoh lain ialah Jenis mesin,
jenis kelamin, operator
2.1.4 Persamaan Regresi
Menurut Gasperz (1992, p40), secara umum bila ada satu variabel tak
bebas tergantung pada satu atau beberapa variabel bebas, maka hubungan antara
variabel ini disebut model regresi/persamaan regresi.
Pemodelan persamaan regresi bisa dibedakan menjadi dua, yaitu :
Persamaan regresi dengan 1 variabel bebas (sering disebut
dengan Regresi Linear Sederhana).
Model Umum :
y

=
o
+
1
X+
dimana adalah error random dengan rata-rata nol.
Persamaan regresi dengan variabel bebas >1 (sering disebut
Regresi Berganda).
Model Umum :


8

y
i
=
o
+

k
i

i
X
i
+
i
i=1,2,.......,n
Dalam analisis regresi pada penelitian ini, menggunakan persamaan
regresi berganda, karena memakai variabel bebas >1. Dalam regresi berganda,
kita mengenal beberapa model, diantaranya :
Regresi Kuadratik
Contoh model persamaan Regresi kuadratik ialah :
Y=
o
+
1
X+
2
X
2
+
Rgeresi Kubik
Contoh model persamaan Regresi kuadratik ialah :
Y=
o
+
1
X+
2
X
2
+
3
X
2
+

2.1.4.1 Persamaan Regresi untuk faktor Kuantitatif
Seperti telah dijelaskan diatas, dalam pengumpulan data, dibedakan
menjadi 2, yaitu Kuantitatif dan kualitatif. Pada faktor Kuantitatif percobaan 2
faktor, dengan variabel bebas terkontrol, maka penulis menggunakan salah satu
bentuk regresi berganda lainnya, yaitu Regresi ordo 2.
Regresi Ordo 2 ialah bentuk regresi berganda, dimana didalamnya akan
menghitung pengaruh variabel Linear, pengaruh variabel Kuadratik, dan pengaruh
interaksi antara variabel bebas.
Bentuk umum ialah :
Y

=
o
+
1
X
1+ ......... +

k
X
k
+


9

Misalkan faktor kuantitatif yang ingin dicobakan ialah faktor temperatur
(A) dengan 3 taraf (A
1
, A
2
, A
3
), dan faktor Tekanan (B) dengan 3 taraf
(B
1
,B
2
,B
3
) terhadap kualitas (mutu) dari suatu produk. Percobaan menggunakan
3 perulangan, maka satuan percobaan yang perlu disediakan sebanyak 3 X 3 X 3
= 27 satuan.
Asumsi model regresi yang digunakan ialah :
Y=
o
+
1
X
1
+
2
X
2
+
3
X
1
2
+
4
X
2
2
+
5
X
1
X
2
+
dimana :
Y = variabel respon mutu suatu produk
X
1
= pengaruh linear dari faktor A terhadap mutu produk
X
2
= pengaruh linear dari faktor B terhadap mutu produk
X
1
2

= pengaruh kuadratik dari faktor A terhadap mutu produk
X
2
2

= pengaruh kuadratik dari faktor B terhadap mutu produk
X
1
X
2
= pengaruh interaksi dari faktor A

dan faktor B terhadap
mutu produk
= Pengaruh galat (error)
Model penduga bagi model diatas ialah :
= b
o
+b
1
X
1
+b
2
X
2
+b
3
X
1
2
+b
4
X
2
2
+b
5
X
1
X
2

Karena percobaan menggunakan variabel bebas terkontrol, maka
dipastikan bahwa taraf-taraf yang ada pasti akan memiliki suatu pola jarak yang
sama. Maka dilakukan suatu sistem transformasi untuk memudahkan membentuk
persamaan normal.


10

X
1 =
a
D
A A

X
2 =
b
D
B B

dimana :

X
1
= Peubah kode 1
X
2
= Peubah kode 2

D
a
= Jarak untuk faktor 1
D
b
= Jarak untuk faktor 2
Dalam pendugaan regresi berganda, untuk menentukan koofisien regresi,
kita bisa menggunakan fungsi kuadrat terkecil (Least Squared Method).
Fungsi Kuadrat terkecil ialah :
L = (y
i
-
o
-
j
X
ij
)
2
Dari fungsi kuadrat terkecil diatas, bisa disederhanakan menjadi
persamaan normal kuadrat terkecil :
n
0
+
1
x
i1
+
2
x
12
+............+
k
x
ik
= y
i

0
x
i1
+
1

x
2
i1
+
2
x
i1
x
12
+........+
k
x
i1
x
ik
= x
i1
y
i
. . . . .
. . . . .
. . . . .

0
x
ik
+
1

x
ik
x
i1
+
2
x
ik
x
12
+........+
k

x
2
ik
= x
ik
y
i


11

Model diatas bisa disederhanakan dengan menggunakan matriks
persamaan normal, yaitu :
y=X+

Untuk mengestimasi vektor kuadrat terkecil , yang minimum, maka persamaan
kuadrat terkecil bisa ditulis :
L=
2
= (y-X)(y-X)
atau
(XX) = XY
Untuk contoh kasus diatas, maka menggunakan model penduga :
= b
o
+b
1
X
1
+b
2
X
2
+b
3
X
1
2
+b
4
X
2
2
+b
5
X
1
X
2

maka dengan menggunakan persamaan normal, bisa dibuat matriks :

Tabel 2.1 Persamaan Normal untuk Data Kuantitatif
(XX) =






2
2
2
1 1
3
2 2
3
1 1
2
2 2
2
1 2 1
1
3
2
4
2
2
2
2
1
3
2 1
2
2
2
2
2
3
1
2
2
2
1
4
1 2
2
1
3
1
2
1
1
2
2
3
2 2
2
1
2
2 2 1 2
2
2
1 1
2
2
3
1 2 1
2
1 1
2 1
2
2
2
1 2 1
X X X X X X X X X X X X
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X
X X X X X X n




12

(XY) =

Y X X
Y X
Y X
Y X
Y X
Y
2 1
2
2
2
1
2
1
=
5
4
3
2
1
0

2.1.4.2 Persamaan Regresi untuk faktor Kualitatif
Pada faktor Kualitatif percobaan 2 faktor, dengan variabel bebas
terkontrol, maka penulis menggunakan bentuk regresi berganda dengan
menggunakan variabel Dummy.
Bentuk umum ialah :
Y

=
o
+
1
X
1+ ......... +

k
X
k
+
Misalkan faktor kualitatif yang ingin dicobakan ialah faktor jenist varietas
padi (A) dengan 3 taraf (A
1
, A
2
, A
3
), dan faktor jenis tanah (B) dengan 2 taraf
(B
1
,B
2
) terhadap hasil produksi. Percobaan menggunakan 3 perulangan, maka
satuan percobaan yang perlu disediakan sebanyak 3 X 2 X 3 = 18 satuan.
Variabel Dummy yang dipakai ialah :
X
1
: 1 ; Jika pengamatan berasal dari taraf A
2

0 ; Untuk lainnya (bukan berasal dari taraf A
2
X
2
: 1 ; Jika pengamatan berasal dari taraf A
3

0 ; Untuk lainnya (bukan berasal dari taraf A
3


13

X
3
: 1 ; Jika pengamatan berasal dari taraf B
2

0 ; Untuk lainnya (bukan berasal dari taraf B
2
Asumsi model regresi yang digunakan ialah :
Y=
o
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
1
X
3
+
5
X
2
X
3
+
dimana :
Y = variabel respon mutu suatu produk
X
1
= pengaruh utama dari faktor A terhadap produksi.
X
2
= pengaruh utama dari faktor A terhadap produksi.
X
3
= pengaruh utama dari faktor B terhadap produksi.
X
1
X
3
= pengaruh iteraksi dari faktor A dan B terhadap produksi.
X
2
X
3
= pengaruh iteraksi dari faktor A dan B terhadap produksi.

Model penduga bagi model diatas ialah :
= b
o
+b
1
X
1
+b
2
X
2
+b
3
X
3
+b
4
X
1
X
3
+b
5
X
2
X
3

Dalam pendugaan regresi berganda, untuk menentukan koofisien regresi, kita bisa
menggunakan fungsi kuadrat terkecil (Least Squared Method).
Fungsi Kuadrat terkecil ialah :
L = (y
i
-
o
-
j
X
ij
)
2
Dari fungsi kuadrat terkecil diatas, bisa disederhanakan menjadi
persamaan normal kuadrat terkecil :
n
0
+
1
x
i1
+
2
x
12
+............+
k
x
ik
= y
i


14

0
x
i1
+
1

x
2
i1
+
2
x
i1
x
12
+........+
k
x
i1
x
ik
= x
i1
y
i
. . . . .
. . . . .

0
x
ik
+
1

x
ik
x
i1
+
2
x
ik
x
12
+........+
k

x
2
ik
= x
ik
y
i
Model diatas bisa disederhanakan dengan menggunakan matriks
persamaan normal, yaitu :
y=X+
Untuk mengestimasi vektor kuadrat terkecil , yang minimum, maka persamaan
kuadrat terkecil bisa ditulis :
L=
2
= (y-X)(y-X)
atau
(XX) = XY
Untuk contoh kasus diatas menggunakan model penduga
= b
o
+b
1
X
1
+b
2
X
2
+b
3
X
3
+b
4
X
1
X
3
+b
5
X
2
X
3

maka dengan menggunakan persamaan normal akan menjadi :
Tabel 2.2 Persamaan Normal untuk Data kualitatif
(XX) =






2
3
2
2
2
3 2 1
2
3 2 3
2
2 3 2 1 3 2
2
3 2 1
2
3
2
1
2
3 1 3 2 1 3
2
1 3 1
2
3 2
2
3 1
2
3 3 2 3 1 3
3
2
2 3 2 1 3 2
2
2 2 1 2
3 2 1 3
2
1 3 1 2 1
2
1 1
3 2 3 1 3 2 1
X X X X X X X X X X X X X X
X X X X X X X X X X X X X X
X X X X X X X X X X
X X X X X X X X X X X
X X X X X X X X X X X
X X X X X X X n



15

(XY) =

Y X X
Y X X
Y X
Y X
Y X
Y
3 2
3 1
3
2
1
=
5
4
3
2
1
0

2.1.5 Metoda Abbriviated Doolittle
Metode ini diperkenalkan oleh M.H.Doolittle, seorang ahli geodesi yang
bekerja di kantor pemerintah Geodesi di Amerika Serikat, pada tahun 1978.
Metode ini ditulis dalam papernya tanggal 9 November 1978. Metode ini dapat
dipergunakan untuk memecahkan masalah penyelesaian sistem persamaan normal
dalam regresi.
Keuntungan dari model Doolittle ini ialah berguna untuk menyelesaikan
pembalikan matriks setangkup (XX), dan juga bisa mnghitung berbagai jumlah
kuadrat (JK) untuk pengujian hipotesis tentang parameter model yang
diidentifikasi.
Metoda doolittle dapat mencari jawaban :
Koofisien penduga parameter model regresi (koofisien regresi b)
Jumlah kuadrat yang berkaitan dengan tiap koofisien regresi.
Ragam dugaan dari tiap koofisien regresi, s
2
(b).
Ragam dugaan diantara pasangan koofisien regresi yang ada.
(cov(b
i
,b
j
)).
Elemen-elemen dari invers matrix (XX) dengan metode doolittle
akan diadapatkan hasil (XX)
-1



16


Dengan menggunakan contoh persamaan normal yang telah dibuat yaitu
matrix 5 X 5. Maka kita pertama-tama akan mengisi kolom pada matrix(XX),
lalu kita buat tabel Doolittle :





No Baris Kolom1 Kolom
2
Kolom 3 Kolom
uji
(XX) (XY) (XX)-1
b0, b1, b2, b3, b4, b5
(0) = (0) a00 a01 a02 a03 a04 a05 G0 1 0 0 0 0 0 K0
(1) = (1) a11 a12 a13 a14 a15 G1 1 0 0 0 0 K1
(2) = (2) a22 a23 a24 a25 G2 1 0 0 0 K2
(3) = (3) a33 a44 a45 G3 1 0 0 K3
(4) = (4) a44 a45 G4 1 0 K4
(5) = (5) a55 G5 1 K5
(6) = (0) a00 a01 a02 a03 a04 a05 A0y 1 0 0 0 0 0 K6
(7) = (6)/a00 1 b
01
b
02
b
03
b
04
b
05
B0y b
00
0 0 0 0 0 K7
(8) = (1)-A01(7) A1y a
10
1 0 0 0 0
K8
(9) = (8)/a11 a11 a12 a13 a14 a15 B1y b
10
b
11
0 0 0 0 K9
(10 )= (2)-A02(7)-12(9) b
12
b
13
b
14
b
15
A2y a
20
a
21
1 0 0 0 K10
(11) = (10)/a22 1 b
23
b
24
b
25
B2y b
20
b
21
b
22
0 0 0 K11
(12) = (3)-A
03
(7)-A
13
(9)-
A
23
(11)
a33 a34 a35 A3y a
30
a
31
a
32
1 0 0 K12
(13) = (12)/a33 1 b
34
b
35
B3y b
30
b
31
b
32
b
33
0 0 K13
(14) = (4)-A04(7)-A14(9)-
A24(11)-A34(13)
a
44
a
45
A4y a
40
a
41
a
42
a
43
1 0 K14
(15) = (14)/a44 1 b
45
B4y b
40
b
41
b
42
b
43
b
44 0
K15
(16) =
(5)-A
04
(7)-A
14
(9)-A
24
(11)-
A
34
(13)-A
44
(15)
a55 A5y a
50
a
51
a
52
a
53
a
54
1 K16
(17) = (16)/a55 1 B5y b
50
b
51
b
52
b
53
b
54
b
55
K17
Tabel 2.3 Tabel Doolittle


17

Keterangan tabel Doolittle diatas :
Petunjuk Isi dari kolom dan bagian pertama ( baris (0) sampai (5) ):
1 Pada kolom 1 dari tabel berisi elemen-elemen dari matrix XX
yang setangkup. Yang dimaksud di sini ialah a
ij
=a
ji
dimana a
ij
=
X
i
X
j

2 Pada kolom 2 dari tabel berisi elemen-elemen dari matrix XY,
yang dimaksudkan disini ialah g
i
= X
i
Y.
3 Pada kolom 3 dari tabel berisi elemen-elemen dari matrix identitas
yang setangkup(masukkan juga bagian matriks segitiga atas).
4 Pada kolom penguji berisi jumlah semua nilai-nilai yang berkaitan
dengan baris tersebut. Atau jumlah dari kolom 1 + 2.
Baris (6) s/d (17)
1 Masukkan nilai-nilai untuk kolom 1, 2, 3, kolom uji, dengan cara
mengikuti instruksi baris.
2 Jumlah semua nilai pada kolom 1, 2 harus sama dengan kolom uji.
3 Pengolahan dilakukan terus sampai nanti didapat B
5y
, yang muncul
sendirian. Bila sukses maka penyelesaian forward solution telah
memuaskan.
Keterangan Simbol :
a
ij
adalah Nilai dari matrix (XX). ij menunjukkan letak dari baris dan
kolom pada matrix (XX). Terletak pada kolom 1 dan 3.
G
1
.. G
5
menunjukkan nilai dari matrix (XY) Terletak pada kolom 2.
A
oy
..A
5y
menunjukkan nilai dari Y dugaan. Terletak pada kolom 2.


18

B
oy
...B
5y
menunjukkan nilai dari Y dugaan. Terletak pada kolom 2.
K
0
... K
17
menunjukkan jumlah dari nilai kolom 1 dan 2.
Lalu lakukan backward, yang bertujuan untuk menentukan koofisien
regresi (b) dan nilai-nilai c
ij
(elemen dari invers matriks (XX)
-1
) :




B
0
+(B
01
)b
1
+(B
02
)b
2
+(B
03
)b
3
+(B
04
)b
4
+(B
05
)b
5
= B
0y

b
1
+(B
12
(b
2
+(B
13
)b
3
+(B
14
)b
4
+(B
15
)b
5
= B
1y

b
2
+(B
23
)b
3
+(B
24
)b
4
+(B
25
)b
5
= B
2y

b
3
+(B
34
)b
4
+(B
35
)b
5
= B
3y

b
4
+(B
45
)b
5
= B
4y
b
5 =
B
5y

Dengan cara membalikkan kembali (backward), akan diperoleh koofisien :
b
5
= B
5y

b
4
= B
4y
b
5
(B
45
)


b
3
= B
3y
b
5
B
35
-b
4
(B
34
)
b
2
= B
2y
b
5
(B
25
)-b
4
(B
24
) b
3
(B
23
)
b
1
= B
1y
b
5
(B
15
)-b
4
(B
14
) b
3
(B
13
) b
2
(B
12
)
b
0
= B
0y
- b
5
(B
05
)-b
4
(B
04
) b
3
(B
03
) b
2
(B
02
) b
1
(B
01
)
Nilai b
0
,b
1
,b
2
,b
3
,b
4
,b
5
akan membentuk model persamaan regresi sbb:


19

=b
o
+b
1
X
1
+b
2
X
2
+b
3
X
3
+b
4
X
4
+b
5
X
5
Maka selesailah tugas pertama penelitian ini, yaitu membuat model
penduga persamaan regresi. Namun, dalam setiap pemodelan yang baik, maka
model yang telah dibentuk perlu diperiksa kembali melalui analisis ragam untuk
regresi. Tetapi, karena kita menggunakan metode Doolittle, perhitungan analisis
ragam (ANOVA) menjadi sangat mudah.


Berikut disajikan contoh aplikasi Doolittle :
No Baris Kolom1 Kolom 2 Kolom uji
(XX) (XY)
b0, b1, b2, b3, b4, b5
(0) = (0) 27 0 0 18 18 0 1808 1871
(1) = (1) 18 0 0 0 0 -164.90 -146.90
(2) = (2) 18 0 0 0 70.90 88.90
(3) = (3) 18 12 0 1125.30 1173.30
(4) = (4) 18 0 1033.70 1081.70
(5) = (5) 12 -87.30 -75.30
(6) = (0) 27 0 0 18 18 0 1808 1871
(7) = (6)/27 66.96 69.29
(8) = (1)-0(7) 18 0 0 0 0 -164.90 -146.90
(9) = (8)/18 1 0 0 0 0 -9.161 -8.1611
(10 )= (2)-0(7)-0(9) 18 0 0 0 70.9 88.90
(11) = (10)/18 1 0 0 0 3.938 4.938
(12) = (3)-18(7)-0(9)-0(11) 6 0 0 -80.03 -74.033
(13) = (12)/6 1 0 0 -13.33 -12.338
(14) = (4)-18(7)-0(9)-0(11)-
0(13)
6 0 -171.63 -165.63
(15) = (14)/6 1 0 -28.60 -27.605
(16) =
(5)-0(7)-0(9)-0(11)-0(13)-
0(15)
12 -87.30 -75.30
(17) = (16)/12 1 -7.275 -6.2750
tabel 2.4 Contoh Doolittle
Didapatkan dengan cara backward Solution :
b
5
= -7.275
b
4
= -28.6056


20

b
3
= -13.33
b
2
= 3.9389
b
1
= -9.1611
b
0
= 94.9259
Nilai b
0
,b
1
,b
2
,b
3
,b
4
,b
5
akan membentuk model persamaan regresi sbb:
=94.9259+-9.1611 X
1
+3.9389 X
2
+-13.33 X
3
+-28.60 X
4
+-7.275 X
5



2.1.6 Analisis Persamaan Regresi (ANOVA)
Analisis ragam (ANOVA) adalah analisis yang digunakan dalam setiap
pemecahan model regresi. ANOVA akan membantu mengidentifikasi faktor-
faktor mana yang penting dari sekian faktor yang dicobakan, dan model regresi
akan menjelaskan secara kuantitatif hubungan pengaruh diantara faktor yang
dicobakan tersebut dan peubah respon yang dipelajari.
2.1.6.1 Analisis Persamaan Regresi faktor Kuantitatif
Analisis ragam pada persamaan regresi faktor kuantitatif dengan
menggunakan Regresi Ordo Kedua dimaksudkan untuk mengetahui sejauh mana
ketepatan model Regresi Ordo Kedua yang telah dibangun, untuk kemudian
menjelaskan hubungan kausal antara faktor-faktor yang telah dihasilkan.
Berikut ini adalah langkah-langkah analisis data percobaan faktorial 2
faktor dengan model regresi Ordo Kedua :
1 Hipotesis
Hipotesis yang diuji dalam penelitian ini ialah :


21

a) Ho :
1
=
2
=
3
=
4
=
5
= 0
Artinya semua variabel peramal tak berpengaruh pada
respon yang diamati.
H1 : minimal ada satu variabel peramal yang mempengaruhi
respon yang diamati, artinya minimal ada satu nilai
parameter yang tak sama dengan nol.


b) Ho :
1
= 0
Tak ada pengaruh faktor A terhadap respon yang
diamati.

H1 :
1
0
Artinya ada pengaruh faktor A terhadap respon yang
diamati.

c) Ho :
2
= 0
Artinya tak ada pengaruh faktor B terhadap respon yang
diamati.

H1 :
2
0
Artinya ada pengaruh faktor B terhadap respon yang
diamati.

d) Ho :
3
= 0
Artinya tak ada pengaruh faktor kuadratik A terhadap
respon yang diamati.



22

H1 :
3
0
Artinya ada pengaruh faktor kuadratik A terhadap respon
yang diamati.
e) Ho :
4
= 0
Artinya tak ada pengaruh kuadratik faktor B terhadap
respon yang diamati.


H1 :
4
0
Artinya ada pengaruh kuadratik faktor B terhadap respon
yang diamati.

f) Ho :
5
= 0
Artinya tak ada pengaruh interaksi faktor A dan faktor B
terhadap respon yang diamati.

H1 :
5
0
Artinya ada pengaruh interaksi faktor A dan faktor B
terhadap respon yang diamati.

2 Prosedur Analisis Ragam
1 hitung faktor Koreksi (FK)
FK = JKR (b
0
) = A
oy
B
oy

2 Hitung Jumlah Kuadrat Total (JKT)
JKT = Y
2
-FK
3 Hitung Jumlah Kuadrat Regresi (JKR) yang terdiri dari :


23

JKRmodel (b1,b2,b3,b4|b0) = A
1y
B
1y
+ A
2y
B
2y
+ A
3y
B
3y
+
A
4y
B
4y
+ A
5y
B
5y

JKR (b1 | b0) = A
1y
B
1y

JKR (b2 | b0, b1) = A
2y
B
2y

JKR (b3 | b0, b1, b2) = A
3y
B
3y

JKR (b4 | b0, b1, b2, b3) = A
4y
B
4y

JKR (b5 | b0, b1, b2, b3,b4) = A
5y
B
5y
4 Hitung Jumlah Kuadrat Galat ( JKG)
JKG = JKT-JKR
Lalu akan dibuat tabel analisis ragam :
Sumber
Keragaman
DB JK KT Fhit Ftabel
R (b
0
)
R(b
1
)
R(b
2
)
R(b
3
)
R(b
4
)
R(b
5
)
Galat
ab-1
a-1
b-1
a-1
b-1
(a-1)(b-1)
ab(r-1)
JKRmodel
JKRb
1
JKRb
2
JKRb
3
JKRb
4
JKRb
5
JKRGalat
KTmodel

KT(
b1
)

KT(
b2
)

KT(
b3
)

KT(
b4
)

KT(
b5
)
KTG

F
hitung(model)

F
hitung(b1)

F
hitung(b2)

F
hitung(b3)

F
hitung(b4)

F
hitung(b5)

Total n-1
Tabel 2.5 ANOVA untuk Kuantitatif

Keterangan :
Untuk F
hit
= ** (nyata pada alpha = 0.01)


24

tn (tak nyata pada alpha = 0.05))
F
hit
= KT
eg
/KT
galat

F
tabel
= F
v1,v2

Dari tabel diatas akan terlihat nyata atau tidak, hasil dari model regresi
diatas. Jika ada yang tak nyata, maka perhitungan model regresi diulang lagi
dengan menghilangkan bagian yang tak nyata tersebut.

2.1.6.2 Analisis Persamaan Regresi faktor Kualitatif
Berikut ini adalah langkah-langkah analisis data percobaan faktorial 2
faktor taraf kualitatif :
1 Hipotesis
Hipotesis yang diuji dalam penelitian ini ialah :
a) Ho :
1
=
2
=
3
=
4
=
5
= 0
Artinya semua variabel peramal tak berpengaruh pada
respon yang diamati.
H1 : minimal ada satu variabel peramal yang mempengaruhi
respon yang diamati, artinya minimal ada satu nilai
parameter yang tak sama dengan nol.
b) Ho :
1
= 0
Artinya tak ada pengaruh faktor (A) terhadap respon yang
diamati.

H1 :
1
0


25

Artinya ada pengaruh faktor A terhadap respon yang
diamati.
c) Ho :
2
= 0
Artinya tak ada pengaruh faktor B terhadap respon yang
diamati.

H1 :
2
0
Artinya ada pengaruh faktor B terhadap respon yang
diamati.

d) Ho :
3
= 0
Artinya tak ada pengaruh faktor kuadratik A terhadap
respon yang diamati.

H1 :
3
0
Artinya ada pengaruh faktor kuadratik A terhadap respon
yang diamati.

e) Ho :
4
= 0
Artinya tak ada pengaruh kuadratik faktor B terhadap
respon yang diamati.

H1 :
4
0
Artinya ada pengaruh kuadratik faktor B terhadap respon
yang diamati.

f) Ho :
5
= 0
Artinya tak ada pengaruh interaksi faktor A dan faktor B
terhadap respon yang diamati.


26

H1 :
5
0
Artinya ada pengaruh interaksi faktor A dan faktor B t
erhadap respon yang diamati.

2 Prosedur Analisis Ragam
1 hitung faktor Koreksi (FK)
FK = JKR (b
0
) = A
oy
B
oy

2 Hitung Jumlah Kuadrat Total (JKT)
JKT = Y
2
-FK
3 Hitung Jumlah Kuadrat Regresi (JKR) yang terdiri dari :
JKRmodel (b1,b2,b3,b4|b0) = A
1y
B
1y
+ A
2y
B
2y
+ A
3y
B
3y
+
A
4y
B
4y
+ A
5y
B
5y

JKR (b1 | b0) = A
1y
B
1y

JKR (b2 | b0, b1) = A
2y
B
2y

JKR (b3 | b0, b1, b2) = A
3y
B
3y

JKR (b4 | b0, b1, b2, b3) = A
4y
B
4y

JKR (b5 | b0, b1, b2, b3,b4) = A
5y
B
5y
4 Hitung Jumlah Kuadrat Galat ( JKG)
JKG = JKT-JKR
Lalu akan dibuat tabel analisis ragam :
Sumber
Keragaman
DB JK KT Fhit Ftabel
R (b
0
) ab-1
a-1
JKRmodel KTmodel

F
hitung(model)



27

R(b
1
)
R(b
2
)
R(b
3
)
R(b
4
)
R(b
5
)
Galat
b-1
a-1
b-1
(a-1)(b-1)
ab(r-1)
JKRb
1
JKRb
2
JKRb
3
JKRb
4
JKRb
5
JKRGalat
KT(
b1
)

KT(
b2
)

KT(
b3
)

KT(
b4
)

KT(
b5
)
KTG

F
hitung(b1)

F
hitung(b2)

F
hitung(b3)

F
hitung(b4)

F
hitung(b5)
Total n-1
Tabel 2.6 ANOVA untuk Data kualitatif
Keterangan :
Untuk F
hit
= ** (nyata pada alpha = 0.01)
tn (tak nyata pada alpha = 0.05)
F
hit
= KT
eg
/KT
galat

F
tabel
= F
v1,v2

Dari tabel diatas akan terlihat nyata atau tidak, hasil dari model regresi
diatas. Jika ada yang tak nyata, maka perhitungan model regresi diulang lagi
dengan menghilangkan bagian yang tak nyata tersebut.

2.2 Teori Perancangan Program
2.2.1 Rekayasa Piranti Lunak
Dalam perancangan software ini, penulis menggunakan metode waterfall (air
terjun). Model ini merupakan sebuah perkembangan perangkat lunak yang
sistematik dan sekuensial, oleh sebab itu disebut air terjun.




Analisis


Desain



28






Gambar 2.1 Watterfall





Langkah-langkah dalam model waterfall ini adalah:
1. Rekayasa Sistem (System Engineering)
Karena perangkat Lunak merupakan bagian dari sebuah sistem yang lebih
besar, maka aktivitas ini dimulai dengan penetapan kebutuhan dari semua
elemen sistem.
2. Analisis Kebutuhan (Software Requirement Analysis)
Analisis yang dilakukan ialah untuk mengetahui kebutuhan piranti Lunak,
sumber informasi piranti lunak, fungsi-fungsi yang dibutuhkan,
kemampuan piranti lunak dan antarmuka piranti lunak tersebut.
3. Perancangan (Design)
Perancangan piranti lunak dititikberatkan pada empat atribut program,
yaitu: Struktur Data, Arsitektur piranti unak, Rincian prosedur, dan
Karakter Antarmuka. Proses perancangan menerjemahkan kebutuhan ke
dalam sebuah representasi peranti lunak yang dapat dinilai kualitasnya
sebelum dilakukan pengkodean.
4. Pengkodean
Aktivitas yang dilakukan adalah memindahkan hasil perancangan menjadi
suatu bentuk yang dapat dimengerti oleh mesin, yaitu dengan membuat
program.

Coding

Testing

Maintenance



29


5. Implementasi dan Pengujian
Setelah software selesai dibuat, maka akan diuji secara menyeluruh. Setiap
modul diteliti dan dibandingkan antara output yang muncul dan output
yang diharapkan.
6. Pemeliharaan
Piranti lunak yang telah selesai dibuat perlu dipelihara agar dapat
mengantisipasi kebutuhan pemakai terhadap fungsi-fungsi baru yang dapat
timbul. Pemeliharaan software mencakup pengembangan software
tersebut, jika dibutuhkan suatu perubahan atau perkembangan. Atau ingin
menambah fungsi-fungsi tertentu.

2.2.2 Interaksi Manusia dan Komputer
Suatu software dibuat sedemikian rupa sehingga manusia yang memakainya
(user) merasa nyaman. Hal-hal yang perlu diperhatikan adalah kombinasi warna,
letak dan kalimat juga menu-menu pada software tersebut. Suatu software yang
baik tentunya harus user friendly, yang dimaksud dengan user friendly
berdasarkan Shneiderman (Designing the user interface, 1998, p 15) adalah:
1. Waktu belajar tidak lama
2. Kecepatan penyajian informasi tepat
3. Tingkat kesalahan user rendah
4. Penghafalan sesudah melampaui jangka waktu
5. Kepuasan pribadi

Suatu program yang bagus haruslah interaktif, dapat dengan mudah dibuat
dan dirancang dengan suatu perangkat bantu pengembang sistem antar muka,
seperti Borland Delphi. Keuntungan penggunaan perangkat bantu untuk
mengembangkan antar muka menurut Santosa (1997, p7) ialah :
1. Antarmuka yang dihasilkan menjadi lebih baik.
2. Program antarmuka menjadi mudah ditulis, lebih ekonomis untuk
dimaintance.


30

Terdapat beberapa pedoman yang bisa dipakai dan dianjurkan dalam
merancang suatu program untuk mendapatkan suatu program yang user friendly.
Berikut ini penjabaran beberapa diantaranya :

2.2.2.1 Delapan Aturan Emas
Menurut Shneiderman (Designing the user interface, 1998, p74) terdapat 8
hal penting yang harus diperhatikan dalam merancang software dilihat dari segi
user:
1. Strive for consistency (Berusaha untuk konsisten). Konsistensi yang
dimaksud adalah konsisten dalam aksi-aksi dalam situasi tertentu,
konsistensi menu, warna, layout, fonts dan sebagainya.
2. Enable frequent user to use shortcuts (Memungkinkan adanya shortcut)t.
Bagi user yang sudah ahli dalam menggunakan sistem, ia membutuhkan
suatu jumlah interaksi yang lebih singkat. Interaksi yang singkat ini dapat
diperoleh dengan shortcut.
3. Offer informative feed back (Feedback yang informative). Untuk setiap aksi
yang dilakukan user terhadap sistem, sistem harus memiliki feedback.
Respon sistem terhadap user harus sopan dan jelas.
4. Design dialogs to yield closure (Membuat dialog untuk menghasilkan
keadaan akhir). Urutan-urutan aksi hari diatur ke dalam grup-grup dengan
bagian awal, tengah dan akhir. Feedback pada saat akhir dari grup aksi
tersebut harus dapat memuaskan user.
5. Offer simple error handling (Menyediakan pencegahan error dan
penanganan error yang sederhana). Sedapat mungkin, sistem dibuat agar
user tidak dapat membuat kesalahan. Jika user membuat kesalahan, sistem


31

harus dapat mendeteksinya dan memberikan instruksi yang sederhana dan
membangun untuk recovery.
6. Permit easy reversal of actions (Mengijinkan pembalikan aksi). Sedapat
mungkin semua aksi dapat dibalik. Fitur ini mengurangi kekhawatiran
karena user tahu bahwa error dapat diabaikan. Bagian pembalikan ini dapat
berupa aksi tunggal, data entri atau suatu grup aksi yang lengkap.
7. Support internal locus of control. User yang sudah berpengalaman
menginginkan suatu perasaan bahwa mereka menguasai sistem dan sistem
harus merespon semua keinginan mereka.
8. Reduce short term memory load (Mengurangi beban ingatan jangka
pendek). Terbatasnya kemampuan manusia untuk ingatan jangka pendek
membutuhkan perhatian yang cukup. Untuk mengatasi hal ini dapat
dilakukan dengan mengurangi frekuensi pergerakan window dan dengan
waktu pelatihan yang cukup.

2.2.2.2 Pedoman Merancang Tampilan Data
Beberapa pedoman yang disarankan untuk digunakan dalam merancang
tampilan data yang baik menurut Smith dan Mosier yang dikutip oleh
Shneiderman (1998, p80) ialah :
1. Konsistensi tampilan data, istilah, singkatan, format dan
sebagainya haruslah standar.
2. Beban ingatan yang sesedikit mungkin bagi pengguna. Pengguna
tak perlu mengingat informasi dari layar satu ke layar yang lain.
3. Kompatibilitas tampilan data dengan pemasukan data. Format
tampilan informasi perlu berhubungan erat dengan tampilan
pemasukan data.


32

4. Fleksibilitas kendali pengguna terhadap data. Pemakai harus dapat
memperoleh informasi dari tampilan dalam bentuk yang paling
memudahkan.
2.2.2.3 Teori Waktu Respons
Waktu respons dalam sistem komputer menurut Schneiderman (1998,
p352) adalah jumlah detik dari saat pemakai memulai aktifitas (misalkan dengan
menekan tombol mouse atau enter) sampai komputer menampilkan hasil pada
display atau printer.
Beberapa pedoman yang disarankan mengenai kecepatan waktu respons
pada suatu program menurut Schneiderman (1998, p367) yaitu :
Pemakai lebih menyukai waktu respons yang lebih pendek.
Waktu respons yang panjang (lebih dari 15 detik) menggangu.
Waktu respons yang pendek menyebabkan waktu pengguna
berfikir lebih pendek.
Langkah yang lebih cepat dapat meningkatkan produktivitas
tetapi dapat juga meningkatkan tingkat kesalahan.
Pemakai harus diberi tahu mengenai penundaan yang panjang.
Waktu respons haruslah sesuai dengan tugasnya :
a. Untuk mengetik, menggerakkan kursor, memilih dengan
mouse : 50-150 milidetik.
b. Tugas sederhana yang sering : <1 detik
c. Tugas biasa : 2-4 detik.
d. Tugas kompleks : 8-12 detik.
2.2.2.4 Pesan Error


33

Error dapat terjadi karena kurangnya pengetahuan user, pemahaman yang
salah terhadap sistem atau tanpa sengaja terjadi. User akan bingung dan merasa
resah. User yang merasa bingung dan resah ini, apabila diberikan pesan error
yang memerintah atau membentak, akan merasa lebih tertekan. Atau apabila
pesan error yang ada terlalu umum, seperti SYNTAX ERROR, atau terlalu
tersembunyi, seperti FAC RJCT 004004400400.
Dasar-dasar yang dapat digunakan untuk membuat pesan error adalah
(Shneiderman, 1998, 374):
1. Spesifikasi. Seperti yang sudah disebutkan, pesan error yang
terlalu umum dapat membuat user bingung. Untuk itu diperlukan
pesan error yang lebih spesifik sehingga user mengerti kesalahan
apa yang terjadi.
2. Pesan membangun dengan nada positif. Daripada berkonsentrasi
pada kesalahan yang dilakukan user, lebih baik memberikan saran
kepada user bagaimana cara untuk memperbaiki keadaan. Nada-
nada yang terlalu kasar seperti FATAL, ILLEGAL dan lain
sebagainya sebaiknya tidak digunakan terlalu sering.
3. Berorientasi pada user. Pesan yang dihasilkan sebaiknya tidak
menyalahkan user. User harus merasakan bahwa ia menguasai
sistem. Sistem dibuat sedemikian rupa sehingga yang bersalah
bukanlah user, tetapi sistem yang kurang dapat merespon
permintaan dari user.
2.2.3 Teori State Transistion Diagram (STD)


34

State Transition Diagram adalah suatu modelling tool yang
mengambarkan sifat ketergantungan pada waktu dari sebuah sistem. STD adalah
suatu kumpulan keadaan atau atribut yang mencirikan suatu keadaan pada waktu
tertentu.

Komponen-komponen utama STD ialah :
State
Disimbolkan dengan

State merepresentasikan reaksi yang ditampilkan ketika suatu
tindakan dilakukan.
Ada 2 jenis state, yaitu : State Awal dan state akhir. State akhir
dapat berupa beberapa state, sedangkan state awal tak boleh lebih
dari satu.
Arrow
Disimbolkan dengan
Arrow sering juga disebut juga dengan transisi state yang diberi
label dengan ekspresi aturan, label tersebut menunjukkan kejadian
yang menyebabkan transisi terjadi.
Condition dan Action.







Condition adalah suatu event pada external environment yang
dapat dideteksi oleh sebuah sistem.
State 1
Condition
Action
State 2


35

Action adalah yang dilakukan oleh sistem bila terjadi perubahan
state atau merupakan reaksi terhadap condition. Action akan menghasilkan
output, message display pada screen, menghasilkan kalkulasi.

Ada 2 cara pendekatan untuk membuat STD:
1. Identifikasi setiap kemungkinan state dari sistem dan gambarkan masing-
masing state pada sebuah kotak. Lalu buatlah hubungan antara state
tersebut.
2. Kita mulai dengan state pertama dan kemudian dilanjutkan dengan state-
state berikutnya sesuai dengan flow yang diinginkan.
Apakah semua state dapat dicapai/diakses?
Periksa apakah semua state dapat dicapai/diakses.
Apakah kita bisa exit pada setiap state?
Setiap state harus memiliki successcor atau output kecuali dia
merupakan final state.
Pada setiap state, apakah sistem dapat memberikan response
terhadap semua condition yang terjadi?
Perubahan state harus dapat terjadi untuk segala macam kondisi,
artinya sistem harus dapat pula mendeteksi bila terdapat
condition/action yang tidak dapat diharapkan.


2.3 Penelitian yang Relevan
Penelitian yang pernah dilakukan sebelumnya ialah penelitian oleh
M.H.Doolittle, seorang ahli geodesi yang bekerja di kantor pemerintah Geodesi
di Amerika Serikat, pada tahun 1978. Metode ini ditulis dalam papernya tanggal 9
November 1978



36

Perancangan Program Aplikasi untuk mengoptimalkan pengolahan data
dari percobaan faktorial (Lim Widya Sanjaya, 2005)
Program aplikasi yang dirancang untuk mengolah data yang didapat dari
percobaan faktorial dengan dasar RAK.