NAMA

NPM

: INTAN FRESTI PUTRI

: 140610120015

Soal 1
Cat yang digunakan untuk membuat jalur di jalan raya harus sangat tahan
lama. Pada suatu percobaan pengecetan dari empat supplier yang berbeda
yaitu GS, FD, L dan ZK diuji pada enam jalur jalan raya yang berbeda pula
yaitu dinotasikan 1,2,3,4,5,6. Setelah cukup panjang waktu tingkat
perbedaan level dari lalu lintas dan cuaca dari rata-rata pemakaian untuk
sampel di enam jalur jalan raya yang berbeda adalah sebagai berikut

A. Desain apakah yang cocok digunakan dalam percobaan tersebut

beserta model matematisnya, jelaskan.
Desain yang cocok yang digunakan dalam percobaan pada soal di atas
adalah desain factorial axb karena melakukan percobaan menggunakan
lebih dari satu factor ( factor a dan factor b)
Model Umum eksperimen 2 faktor adalah :

Bentuk umum desain factorial 2 faktor adalah

Y ijk=+ Ai + B j+ ABij + (k)ij
Dimana ;
Y ijk

= Variabel respon hasil observasi ke k yang terjadi karena

pengaruh bersama taraf ke-I faktor A dan taraf ke-j faktor B

= efek rata-rata (konstanta)

Ai

= efek taraf ke-i faktor A

Bj

= efek taraf ke-j faktor B

AB ij

= efek interaksi antara taraf ke-I faktor A dan taraf ke-j

Faktor B
(k)ij

= efek unit eksperimen ke-k dalam kombinasi perlakuan ij

B. Ceritakan bagaimana proses pengacakan yang dilakukan oleh peneliti.

Pengacakan yang dilakukan oleh peneliti yaitu pengacakan disetiap
unit-unit eksperimen di kedua faktor . Pengacakannya sama seperti
rancangan acak lengkap

C. Dengan taraf kekeliruan 10% lakukan analisis pada data di atas dan
informasi apa yang didapatkan
Hipotesis :
H01:

Ai

=0 (faktor A (Paint suppliers) tidak memberikan efek terhadap

panjang waktu tingkat perbedaan level dari lalu lintas dan cuaca)
H11:

Ai

0 (faktor A (Paint suppliers) memberikan efek terhadap

panjang waktu tingkat perbedaan level dari lalu lintas dan cuaca)
H02:

Bj

=0 (faktor B (jalur) tidak memberikan efek terhadap panjang

waktu tingkat perbedaan level dari lalu lintas dan cuaca)

H12:

Bj

0 (faktor B (jalur) memberikan efek terhadap panjang waktu

tingkat perbedaan level dari lalu lintas dan cuaca)

H03:

ABij

=0 (interaksi faktor A (Paint suppliers) dan faktor B (jalur)

tidak memberikan efek terhadap panjang waktu tingkat perbedaan level

dari lalu lintas dan cuaca)
H13:

ABij

0 (interaksi faktor A (Paint suppliers) dan faktor B (jalur)

memberikan efek terhadap panjang waktu tingkat perbedaan level dari

lalu lintas dan cuaca)

 = 10 %
menggunakan software R

>A=c(1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,
2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,
2,3,4)
>B=c(1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,
3,3,3,4,4,4,4,4,4,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,5,5,5,6,6,6,6,6,6,6,6,6,
6,6,6)
>Y=c(69,59,55,60,73,55,59,69,80,53,58,64,83,65,65,75,90,68,69,70,
76,67,62,71,74,64,59,74,88,60,69,60,70,68,68,74,71,52,59,62,74,62,
60,69,84,57,61,60,78,71,67,64,60,79,68,59,79,72,69,67,69,64,58,74,
78,58,65,77,89,66,60,79)
> data=data.frame(A=factor(A),B=factor(B),Y=(Y))
> hasil=aov(Y~A+B+A*B,data)
> summary(hasil)

Df

Sum Sq

Mean Sq

3 2311.4

728.7

145.7

A:B

15

837.9

55.9

Residuals

770.5

48 1438.0

F value
25.718

Pr(>F)
4.58e-10 ***

4.865

0.00112 **

1.865

0.05227 .

30.0

--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Kriteria uji :
Tolak H0 jika pvalue < alpha ,terima dalam hal lainnya.
Kesimpulan :

Dari table anava dapat dilihat bahwa dengan taraf kekeliruan 10% maka di
dapat kesimpulan bahwa
1. H01 ditolak yang berarti faktor A (Paint suppliers) memberikan efek terhadap
panjang waktu tingkat perbedaan level dari lalu lintas dan cuaca)
2. H02 ditolak yang berarti (faktor B (jalur) memberikan efek terhadap panjang
waktu tingkat perbedaan level dari lalu lintas dan cuaca)
3. H03 ditolak yang beraarti interaksi faktor A (Paint suppliers) dan faktor B
(jalur) memberikan efek terhadap panjang waktu tingkat perbedaan level
dari lalu lintas dan cuaca

Soal 2
Soal 2
Enam percobaan pengobatan luka bakar A, B, C, D, E, F diujikan kepada enam
pengamatan (relawan).Masing-masing pengamatan memiliki enam tempat
dimana pengobatan luka bakar akan diujikan (masing-masing lengan dengan
dua bagian yaitu dibawah siku dan satu diatas siku). Sebuah luka standard
diberikan pada masing-masing tempat dan enam pengobatan luka bakar diatur
sedemikian rupa sehingga setiap pengobatan luka bakar dilakukan satu lagi
pada setiap tempat. Setelah dilakukan pengobatan masing-masing luka ditutup
oleh kasa bersih, pengobatan ke C adalah control dengan kasa bersih tanpa
perlakuan apapun. Data berikut adalah lamanya jam untuk pengobatan luka
bakar.
a. Desain apakah yang digunakan dalam percobaan tersebut beserta model matematisnya, jelaskan.
Jawab : desain yang cocok untuk percobaan pada soal diatas adalah Desain faktorial axb karena
terdapat 2 buah factor dengan taraf factor lebih dari 2

Y ijk=+ Ai + B j+ ABij + (k)ij

Keterangan:

Y ijk

= Variabel respon hasil observasi ke k yang terjadi karena pengaruh bersama taraf ke-I

faktor A dan taraf ke-j faktor B

= efek rata-rata (konstanta)

Ai

= efek taraf ke-i faktor A

Bj

= efek taraf ke-j faktor B

AB ij

= efek interaksi antara taraf ke-I faktor A dan taraf ke-j Faktor B

(k)ij

= efek unit eksperimen ke-k dalam kombinasi perlakuan ij

b. Ceritakan bagaimana proses pengacakan yang dilakukan oleh peneliti.

Pengacakan dilakukan secara acak kepada unit-unit eksperimen di dalam
tiap blok. Dalam kasus ini posisi pada lengan sebagai pemblokan dan
pengobatan sebagai perlakuan.

c. Dengan taraf kekeliruan 5% lakukan analisis pada data di atas dan informasi apa yang
didapatkan
Hipotesis :
H01:

Ai

=0 (faktor A (Pengobatan) tidak memberikan efek terhadap lamanya waktu (jam)

yang dibutuhkan untuk pengobatan)

H11:

Ai

0 (faktor A (Pengobatan) memberikan efek terhadap lamanya waktu (jam) yang

dibutuhkan untuk pengobatan)

H02:

Bj

=0 (faktor B (posisis pada lengan) tidak memberikan efek lamanya waktu (jam)

yang dibutuhkan untuk pengobatan )

H12:

Bj

0 (faktor B (posisis pada lengan) memberikan efek terhadap lamanya waktu

(jam) yang dibutuhkan untuk pengobatan )

H03:

AB ij

=0 (interaksi faktor A (Pengobatan) dan faktor B (posisis pada lengan) tidak

memberikan efek terhadap lamanya waktu (jam) yang dibutuhkan untuk pengobatan)

AB ij

H13:

0 (interaksi faktor A (Pengobatan) dan faktor B (posisis pada lengan)

memberikan efek terhadap lamanya waktu (jam) yang dibutuhkan untuk pengobatan)
= 5%
> P=c(1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6)
> PO=c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4,5,5,5,5,5,5,6,6,6,6,6,6)
>y=c(32,40,72,43,35,50,29,37,59,53,32,53,40,56,53,48,37,43,29,59,67,56,38,42,28,50,100,46,29,56,
37,42,67,50,33,48)
> d=data.frame(P=factor(P),PO=factor(PO),y=(y))
> hasil=aov(y~P+PO+P*PO,d)
> summary(hasil)
P

Df

Sum Sq Mean Sq

5408

1081.6
44.0

PO

220

P:PO

25

1959 78.4

Dari output di atas tidak terdapat p-value ataupun F karena tidak terdapat replikasi sehingga kita
menggannggap bahwa kombinasi sebagai kekeliruan, maka pada syntax kombinasi dihilangkan
maka di dapat
> P=c(1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6)
> PO=c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4,5,5,5,5,5,5,6,6,6,6,6,6)
>y=c(32,40,72,43,35,50,29,37,59,53,32,53,40,56,53,48,37,43,29,59,67,56,38,42,28,50,100,46,29
,56,37,42,67,50,33,48)
> d=data.frame(P=factor(P),PO=factor(PO),y=(y))
> hasil1=aov(y~P+PO,d)
> summary(hasil1)
Df Sum Sq Mean Sq F value Pr(>F)
P
PO

5 5408 1081.6 13.803 1.62e-06 ***

5 220 44.0 0.561 0.729

Residuals 25 1959 78.4

--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Kriteria uji :
Tolak H0 jika P-value < alpha ,terima dalam hal lainnya
Kesimpulan :
Dari output diatas Dengan taraf kekeliruan 5% maka di dapat bahwa

1. H01 ditolak yang berarti faktor A (pengobatan) memberikan efek terhadap lamanya waktu (jam)
yang dibutuhkan untuk pengobatan)
2. H02 diterima yang berarti (faktor B (posisi pada lengan) tidak memberikan efek terhadap
lamanya waktu (jam) yang dibutuhkan untuk pengobatan)

Soal 3
a. Desain apakah yang digunakan dalam percobaan tersebut beserta model
matematisnya, jelaskan.
Desain yang cocok digunakan dalam percobaan tersebut adalah desain
Desain Blok Acak Lengkap. Desain blok acak lengkap adalah desain yang
perlakuan dikenakan sepenuhnya secara acak kepada unit-unit
eksperimen dengan adanya suatu pemblokan . Pengacakan dilakukan di
dalam blok. Pada desain blok lengkap acak jumlah replikasi nya sama
banyak
Model matematisnya :

Y ij

=+

Dengan :

Y ij

= variable yang diukur

= rata-rata umum

i = efek blok ke i
j

= efek perlakuan ke j

i +

ij

 ij

= efek unit eksperimen dalam blok ke I karena perlakuan ke j

b. Pada desain blok lengkap acak, pengacakan dilakukan secara acak kepada
unit-unit eksperimen di dalam tiap blok dengan jumlah blok dan perlakuan
yang berbeda. Dalam kasus ini campuran sebagai pemblokan
c. Dengan taraf kekeliruan 5% lakukan analisis pada data di atas dan
informasi apa yang didapatkan
Hipotesis

H0:

=0 (tidak terdapat perbedaan dari 4 jenis perlakuan )

H0:

0 (terdapat perbedaan dari 4 jenis perlakuan )

=5%
> perlakuan=c(1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4)
> blok=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4,5,5,5,5)
>
respon=c(89,78,97,64,84,77,92,69,81,73,96,65,87,72,89,64,88,75,90,70)
>
test=data.frame(perlakuan=factor(perlakuan),blok=factor(blok),respon=(r
espon))
> hasil=aov(respon~blok+perlakuan,test)
> summary(hasil)
Df Sum Sq Mean Sq F value Pr(>F)
blok
4 41.5 10.4 1.119 0.393
perlakuan
3 2037.2 679.1 73.215 5.54e-08 ***
Residuals
12 111.3
9.3
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Kriteria uji :tolak Ho jika p-value < alpha ,terima dalam hal lainnya
Kesimpulan
Dari table anava diatas dengan taraf kekeliruan 5% maka di dapat

kesimpulan bahwa terdapat perbedaan dari 4 jenis perlakuan

d. Bila terdapat pengaruh dari perlakuan terhadap pembuatan penicillin, perlakuan manakah
yang menghasilkan penicillin terbanyak.
Student-Newman-Keuls's test (SNK)
-----------------------------------------------------------------------Groups

Treatments Means

b
c
d

92.8
85.8

75

66.4

------------------------------------------------------------------------

Kesimpulan :
Dapat dilihat bahwa 4 kelompok yaitu a, b, c, dan treathment 1,2,3,4 berbeda karena terdapat pada
kelompok yang berbeda. Perlakuan yang menghasilkan pencilin terbanyak yaitu treatments ke-3 atau
perlakuan yang C