Confounding

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PEMBAURAN dan PERULANGAN FRAKSIONAL

DALAM RANCANGAN PERCOBAAN FAKTORIAL 2k
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Sains (S.si)
Program Studi Matematika
Disusun oleh :
C. Bintarti Novi Suryani
NIM : 003114019
PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2007
ii
iii
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak
memuat karya atau bagian dari karya orang lain, kecuali yang telah disebutkan
dalam kutipan dan daftar pustaka, sebagimana layaknya karya illmiah.
Yogyakarta, 31 Juli 2007
Penulis
iv
Segala sesuatu indah pada waktunya

(Pth : 3:11)
Kelak disaat begitu banyak jalan tebentang dihadapanmu

dan kau tak tau jalan mana yang harus kau ambil.
Janganlan memilihnya dengan asal saja.
Tetapi..
Duduklah dan tinggallah sesaat,
Tariklah nafas dalam-dalam dengan penuh kepercayaan
seperti saat kau bernafas di hari pertamamu di dunia
ini
Jangan biarkan apapun mengalihkan perhatianmu,
Tunggulah .dan tunggulah lebih lama lagi
Berdiam dirilah tetap hening dan dengarkan hatimu
Ketika hatimu berbicara, beranjaklah dan
Pergilah kemana hatimu membawamu.
(Va dove ti porta il Coure, Susanna Tamaro)
Skripsi ini ku persembahkan kepada
Sahabatku Yesus Kristus
yang selalu setia dan hadir menemaniku
v
ABSTRAK
Dalam praktek sering tidak memungkinkan untuk melakukan percobaan

faktorial 2k secara lengkap dalam keadaan yang homogen, maka dilakukan
pembauran. Pembauran 2k-p dalam rancangan percobaan faktorial 2k merupakan
suatu teknik dalam rancangan percobaan faktorial dengan membagi jumlah
amatan dalam percobaan faktorial 2k menjadi 2p blok dengan memilih p efek yang
akan dibaurkan. Sehingga akan meminimumkan kesalahan amatan.
Banyaknya amatan dalam rancangan rancangan percobaan faktorial 2k

akan mengakibatkan tidak praktis dan efisien. Jika jumlah faktor yang diamati
cukup besar maka beberapa faktor akan mempunyai efek yang sama, sehingga
dengan perulangan fraksional jumlah amatan lebih kecil dari rancangan faktorial
2k. Perulangan fraksional 2k-p dalam rancangan percobaan faktorial 2k merupakan
suatu cara untuk menganalisis rancangan percobaan faktorial 2k dalam 2-p dari 2k
amatan.
vi
ABSTRACT
Practically, it I imposisible to do the experiment of 2k factorial completely

in a homogene condition, so there shuold be coufunding . Confunding in the 2 k-p
factorial design is tecnique in factorial design by divinding the number of
treatment in 2k factorial experiment into 2p block by choosing p effect that will be
diffused.
A large number of treatment in 2k factorial design will be unpractical and
unefficient. If the treatment is larger enough, some factors will have same effect
so by doing fractional replication.,the treatment will be less than 2k factorial
design.The 2k-p fractional design is a way to analyse the 2k factorial design in 2-p
from 2k treatment.
vii
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yesus dan Bunda Maria karena berkat
karunia dan rahmat yang telah diberikan , penulis dapat menyelesaikan skripsi ini.
Banyak hambatan dan kesulitan yang ditemui penulis dalam menyusun
dan menulis skripsi ini. Namun berkat kasih, bantuan dan dorongan dari berbagai
pihak, baik langsung maupun tak langsung, akhirnya skripsi ini dapat
terselesaikan. Oleh karena itu penulis ingin mengucapkan terimakasih kepada:
1. Ibu CH. Enny Murwaningtyas, S.Si, M.Si, selaku dosen pembimbing
yang dengan penuh kesabaran dan kasih telah meluangkan waktu,
pikiran serta kesabaran membimbing penulis menyusun dan
menyelesaikan skripsi ini.
2. Bapak Ir. Ig. Aris Dwiatmoko, M.Sc selaku Dekan FMIPA USD
Yogyakarta.
3. Bapak dan Ibu Dosen FMIPA yang telah memberikan ilmu kepada
penulis selama di bangku kuliah.
4. Ibu Suwarni dan Mas Tukijo yang telah memberikan pelayanan
adminitrasi dalam urusan urusan akademik kepada penulis.
5. Bapak Sopir Angkot twety dan bus kota jalur 2 yang telah
mengantar penulis ke kampus.
6. Kedua orangtuaku yang tak henti-hentinya mendoakan dan
memberikan dukungan baik moral maupun materi sehingga penulis
dapat menyelesikan skripsi ini.
viii
7. Kakak-kakakku tercinta.
8. Sahabat sahabat yang telah memberikan semangat, keceriaan dan
kehangatan selama ini: Ayuk, Bunga, Lina, Vincent, Lia, Duduk,
Prast, Wawan, Willy, Feliks, Ferry, Narto, Toni, Wahyu Broto, Fr.
Resto, Ririn, Tawang, Rm Riana, Rm. Kristyanto dan Rm.
Jayasewaya, Netty.
9. Teman-teman angkatan 00, angkatan 98 ,angkatan 99 dan angkatan
01
10. Teman-teman Jumping Choir, mas Hahan, mbak Tyas dan keluarga
besarnya, Andre, Ari, mas Loly
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, oleh
karena itu penulis membuka diri untuk menerima kritik serta saran yang
bermanfaat bagi kesempurnaan skripsi ini. Dan akhirnya penulis berharap semoga
skripsi ini memberikan manfaat dan berguna bagi semua pihak.
Yogyakarta, Juli 2007
Penulis
ix
DAFTAR ISI
Halaman
HALAMAN JUDUL i
HALAMAN PERSETUJUAN PEMBIMBING ii
HALAMAN PENGESAHAN iii
HALAMAN PERNYATAAN KEASLIAN KARYA iv
HALAMAN PERSEMBAHAN v
ABSTRAK vi
ABSTACT vii
KATA PENGANTAR viii
DAFTAR ISI x
DAFTAR GAMBAR xii
DAFTAR TABEL xiii
DAFTAR LAMPIRAN xv
BAB I PENDAHULUAN 1
A. Latar Belakang 1
B. Rumusan Masalah 3
C. Batasan Masalah 3
D. Manfaat Penulisan 4
E. Tujuan penulisan 4
F. Metode Penulisan 4
G. Sistematika Penulisan 4
x
BAB II LANDASAN TEORI 6
A. Distribusi Normal, distribusi Khi-kuadrat, dan distribusi - F 6
B. Analisis Variansi 23
C. Kontras 31
D. Rancangan Percobaan 33
1. Tahap - Tahap Percobaan 33
2. Dasar Percobaan 34
3. Jenis-jenis rancangan Percobaan 37
BAB III RANCANGAN PERCOBAAN FAKTORIAL 2k 39
A. Rancangan Percobaan faktorial 22 40
B. Rancangan Percobaan faktorial 23 50
C. Rancangan Percobaan faktorial 2k 57
D. Algoritma Yates 61
BAB IV PEMBAURAN dan PERULANGAN FRAKSIONAL 2k-p 69
A. Pembauran 72
B. Perulangan Fraksioanal 2k-p 81
1. Rancangan Fraksional 2k-1 83
2. Rancangan Fraksional 2k-p 94
3. Mengabungkan Pecahan 98
BAB V KESIMPULAN 105
DAFTAR PUSTAKA 108
LAMPIRAN 109
xi
DAFTAR GAMBAR
Halaman
Gambar 4.1 77
xii
DAFTAR TABEL
Halaman
Tabel 2.1 23
Tabel 2.2 29
Tabel 2.3 29
Tabel 2.4 31
Tabel 3.1 41
Tabel 3.2 43
Tabel 3.3 46
Tabel 3.4 47
Tabel 3.5 48
Tabel 3.6 51
Tabel 3.7 52
Tabel 3.8 53
Tabel 3.9 58
Tabel 3.10 64
Tabel 3.11 65
Tabel 3.12 66
Tabel 4.1 73
Tabel 4.2 75
Tabel 4.3 75
Tabel 4.4 78
Tabel 4.5 79
xiii
Tabel 4.6 80
Tabel 4.7 86
Tabel 4.8 89
Tabel 4.9 90
Tabel 4.10 93
Tabel 4.11 96
Tabel 4.12 98
Tabel 4.13 99
Tabel 4.14 100
Tabel 4.15 102
Tabel 4.16 103
Tabel Lampiran 1 109
xiv
DAFTAR LAMPIRAN
Halaman
xv
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Rancangan percobaan (design ekperiment) merupakan langkah lengkap
yang perlu diambil sebelum melakukan percobaan (ekperiment), agar data
yang semestinya diperlukan dapat diperoleh. Sehingga akan membawa kepada
analisis yang obyektif dan kesimpulan yang berlaku untuk persoalan yang
dibahas.
Secara umum rancangan percobaan dapat dibagi menjadi dua kelompok
yaitu rancangan percobaan lengkap dan rancangan percobaan tidak lengkap.
Yang dimaksud dengan rancangan percobaan lengkap adalah percobaan yang
seluruh perlakuannya muncul bersama-sama dalam satu kelompok. Sedangkan
percobaan tak lengkap ialah percobaan yang sebagian perlakuannya ada yang
muncul dalam satu kelompok.
Berikut merupakan contoh penggunaan rancangan percobaan dalam
kehidupan sehari-hari:
1. Seorang peneliti pertanaian akan meneliti faktor apa saja yang
mempengaruhi hasil panenan padi, maka ia meneliti dua jenis varietas, dua
jenis pupuk dan dua metode pengendalian gulma.
2. Suatu proses kimia mempunyai dua buah faktor yang mempengaruhi
kecepatan reaksi yaitu konsentrasi reaktan dan jumlah katalis, pada
konsentrasi reaktan mempunyai dua jenis yaitu yang berkadar 15% dan
yang bekadar 25%. Sedangkan jumlah katalis ditempatkan dikotak A dan
kotak B.
Percobaan di atas termasuk rancangan percobaan faktorial 2k. Suatu
percobaan dapat dimasukan kedalam rancangan percobaan faktorial 2k apabila
pada percobaan tersebut terdiri atas dua faktor atau lebih (k>2) yang
mempengaruhi dan masing-masing faktor mempunyai dua perlakuan.
Rancangan percobaan faktorial digunakan untuk menguji (menganalisis)
semua kombinasi perlakuan yang ada sehingga diperoleh perlakuan yang
berpengaruh terhadap percobaan tersebut
Jumlah amatan dalam sebuah rancangan faktorial 2k akan meningkat
sebanding dengan jumlah faktor yang terlibat. Sebagai contoh, rancangan
percobaan 26 dengan replikasi sebanyak satu kali akan membutuhkan 64
amatan. Untuk mengetahui faktor atau kombinasi perlakuan yang
mempengaruhi percobaan tersebut maka diperlukan pengamatan secara
lengkap yaitu sebanyak 64 dalam keadaan yang homogen. Karena keadaan
yang homogen sulit atau bahkan tidak mungkin dicapai, maka dapat dilakukan
pembauran. Pembauran merupakan sebuah teknik dalam rancangan percobaan
faktorial, yaitu dengan membagi rancangan percobaan faktorial kedalam blok-
blok yang berukuran lebih kecil. Dengan pembauran ini akan di dapat keadaan
yang lebih homogen.
Untuk melakukan percobaan faktorial dengan jumlah amatan lengkap
memerlukan biaya, waktu dan materi yang cukup banyak. Jika dalam
melakukan rancangan percobaan ada keterbatasan biaya, waktu dan materi

maka dapat dilakukan percobaan dengan mengamati sebagian dari jumlah
amatan faktorial lengkap. Penyelesaian rancangan percobaan faktorial
dengan mengamati sebagian dari rancangan faktorial lengkap disebut dengan
perulangan fraksional. Rancangan yang terbentuk dari perulangan fraksional
sering dikenal dengan rancangan fraksional.
B. RUMUSAN MASALAH
Pokok permasalahan yang akan dibahas dalam tulisan ini adalah:
1. Apa yang dimaksud dengan rancangan percobaan.
2. Apa yang dimaksud rancangan percobaan faktorial 2k.
3. Bagaimana menyelesaikan dan menganalisa rancangan percobaan faktorial
2 k dengan pembauran.
4. Bagaimana menyelesaikan dan menganalisa rancangan percobaan faktorial
dengan perulangan fraksional.
C. PEMBATASAN MASALAH
Penulisan skripsi ini tidak membahas semua teori yang berhubungan dengan
skripsi ini. Tetapi dibatasi pada beberapa hal yaitu:
1. Teorema ketunggalan tidak dibuktikan, karena diluar jangkauan skripsi
ini.
2. Pembahasan tentang rancangan faktorial 2k hanya dibatasi pada
pembauran dan perulangan fraksional dengan jumlah amatan sama.

3. Penambahan titik tengah, rancangan Plackett-Burman dan rancangan
resolusi tidak dibahas.
D. MANFAAT PENULISAN
Manfaat penulisan adalah untuk mempelajari tentang pembauran dan
pengulangan fraksional dalam rancangan percobaan faktorial 2 k .
E. TUJUAN PENULISAN
Tujuan yang ingin dicapai adalah memahami teknik dalam rancangan
percobaan khususnya rancangan percobaan faktorial 2k dengan pembauran dan
perulangan fraksional.
F. METODE PENULISAN
Metode yang digunakan dalam penulisan ini adalah studi pustaka yaitu
dengan membaca buku-buku yang berkaitan dengan rancangan percobaan
faktorial.
G. SISTEMATIKA PENULISAN
Sebagai gambaran tentang hal apa saja yang dibahas dalam penulisan
ini , berikut adalah sistematika pembahasan yang ada dalam skripsi ini.
Bab I membahas tentang gambaran umum skripsi ini yang terdiri dari latar
belakang masalah, rumusan masalah, pembatasan masalah, manfaat penulisan,
tujuan penulisan, dan metode penulisan.

Bab II akan membahas tentang distribusi normal, Khi-kuadrat dan
distibusi -F, Analisis variansi, rancangan percobaan, serta tentang kontras.
Pada bab III berisi tentang rancangan percobaan faktorial 22,23, 2k dan
algoritma Yates yang akan digunakan untuk menghitung jumlah kuadrat dan
estimasi efek dalam rancangan faktorial 2k.
Bab IV berisi tentang pembauran rancangan faktorial 2k dalam 2 blok
dan dalam p blok serta perulangan fraksional dalam rancangan faktorial 2k.
Dan untuk bab V berisi tentang kesimpulan.

BAB II
LANDASAN TEORI
Dalam bab ini akan membahas materi yang berhubungan dengan
pembauran dan perulangan fraksional rancangan percobaan faktorial 2k.
A. Distribusi Normal, distribusi Khi-kuadrat dan distribusi-F
Subbab ini akan membahas distribusi normal, distribusi Khi-kuadrat dan
distribusi-F karena dalam pembahasan selanjutnya ketiga distribusi tersebut
sangat diperlukan.
Definisi 2.1
Sebuah variabel random X dikatakan berdistribusi normal jika fungsi densitasnya
di berikan sebagai berikut:
1 x
2
1

f ( x) = e 2 untuk - <x<
2
dengan parameter dan berada dalam interval -<< dan > 0.
Teorema 2.1
Jika X variabel random yang berdistribusi normal maka rata-rata dan variansi
variabel random X adalah E(X) = dan V(X) =2.
Bukti:
Rata-rata distribusi normal dapat diperoleh dengan cara sebagai berikut:

1 x
2

E[X ] =
x
x. f ( x)dx =
2
e dx
2
x
misal y = maka

(y + ) 2 y 2 (y + ) 2 y 2
1 1
E [X ] = 2 e dy = 2 e dy

1 2 1 2
y 1 y
=
2
ye

2
dy +
2
e 2
dy = 0 + 1 =
sedangkan variansi dari distribusi normal adalah
1 ( x )2
(x )2
[
V (X ) = E ( X ) = 2
] (x ) . f ( x)dx =
2
e 2 2
dx
2
x
misal y = maka

V [X ] =

(y )2 1
y2

2
e 2
dy

( y )2 e 12 y dy 2
=2
2
y 1 2
y

1
1 2
y
=

2
e 2
+ e 2
dy
2 2
= 2 (0 + 1)
= 2
Jadi fungsi distribusi normal mempunyai dua parameter yaitu dan 2,
dengan adalah rata-rata dan 2 adalah variansi.

Teorema 2.2
Jika X variabel random yang berdistribusi normal maka fungsi pembangkit
momennya adalah:
1
t + 2t 2
m X (t ) = e 2
Bukti:
Misalkan X berdistribusi normal dengan rata-rata dan variansi 2 maka
mempunyai fungsi pembangkit momen:
m X (t ) = E e tx[ ]

= e tx . f ( x )dx

1 ( x )2
1
= e tx
e 2 2
dx
2
(
2 2tx x 2 2 x + 2 )
1
= e 2 2
dx
2

( ) ( )
x 2 2 + 2t x + + 2t ( 2 2t + 4t 2
2

1
=
2
e 2 2
dx
2 2t + 4t 2
( ) ( )
x 2 2 + 2t x+ + 2t 2

1
=e 2 2
2 2
e dx
2
2 2t + 4t 2

(x ( + t )) 2 2
1
=e 2 2
2 2
e dx
2
1
t + 2 t 2
=e 2
.
Teorema 2.3
Jika X1, X2, X3, ,Xn suatu sampel random berukuran n dari suatu distribusi
normal yang mempunyai rata-rata dan variansi 2 maka:
1 n
X = Xi
n i =1
2
berdistribusi normal dengan rata-rata dan variansi
n
Bukti:
Karena X1, X2, X3, ,Xn adalah sampel random dari populasi normal dengan rata-
rata dan variansi 2 dan Xi adalah variabel random saling bebas yang
berdistribusi normal dengan E(X) = dan V(X) =2, i = 1,2,3,,n
1 n
X i = (X 1 ) + (X 2 ) + (X 3 ) + + (X n )
1 1 1 1
Selanjutnya X =
n i =1 n n n n
Sehingga X berdistribusi normal dengan rata-rata dan variansi sebagai berikut:
1
E (X ) = E ( X 1 ) + ( X 2 ) + ( X 3 ) + + ( X n )
1 1 1
n n n n
1 1 1 1
= + + + +
n n n n
=
1
V (X ) = V ( X 1 ) + ( X 2 ) + ( X 3 ) + + ( X n )
1 1 1
n n n n
1 2 1 2 1 2 1
= 2
+ 2 + 2 + + 2 2
n n n n
1
= 2 n 2
n
2
=
n
10
Dari Teorema 2.3 diatas maka dapat disimpulkan bahwa rata-rata
distribusi sampel X sama dengan rata-rata dari variabel random Xi dan variansi
distribusi sampel X sama dengan variansi Xi di bagi ukuran sampel n.
Berdasarkan Teorema 2.3 X berdistribusi normal dengan rata-rata X = dan
2
variansi X = maka:
n
X X X
Z= =
X
n
berdisrribusi normal standart.
Teorema 2.4 (Teorema ketunggalan)
Misalkan X dan Y dua variabel random, dengan fungsi pembangkit momen mX(t)
dan mY(t). Jika mX(t) = mY(t) untuk semua nilai t, maka X adan Y mempunyai
distribusi probabilitas yang sama.
Teorema 2.4 dalam Skripsi ini tidak dibuktikan.
Definisi 2.2

Fungsi gamma didefinisikan dengan (k ) = t k 1 e t dt untuk semua k >0
0
Definisi 2.3
Suatu variabel random X mempunyai fungsi densitas

r x
1 1
f X ( x) = , x [0,)
( ) r
x2 e 2
r 2 2
2
dikatakan mempunyai distribusi Khi-kuadrat dengan derajat bebas r.

11
Teorema 2.5
Jika X variabel random berdistribusi Khi-kuadrat dengan derajat bebas r maka
mempunyai fungsi pembangkit momen:
r
1 2
m X (t ) =
1 2t
Bukti:
Fungsi pembangkit momen distribusi Khi-kuadrat akan ditunjukkan seperti di
bawah ini:

m X (t ) = e tx f ( x)dx
0
r 1
1 1 x
m X (t ) = e tx
x2 e 2
dx
r 2
r
0
2
2
r
misalkan a = 1 maka
2
x
1
m X (t ) = e tx
x a
e 2
dx
0
(a + 1)2 a +1
x (1 2 t )
xa
= e 2
dx
0 (a + 1)2
a +1
misalkan y = x (1 2t ) maka
a
y 2
y
e
1 2t dy
m X (t ) =
0
(a + 1)2 a +1
(1 2t )
12
y
a
1 1 y ae 2
= a +1
dy
1 2t 1 2t 0 (a + 1)2
y

a 2
1 y e
a +1
= dy
(1 2t ) 0 (a + 1)2 a +1
1
=
(1 2t ) a +1
1
untuk t< maka diperoleh fungsi pembangkit momen dari distribusi Khi-
2
kuadrat
r
1 1 2
yaitu m X (t ) = = .
1 2t
r
(1 2t ) 2
Teorema 2.6
Jika Xi berdistribusi normal dengan rata-rata dan variansi 2 maka
X
2
Zi = i berdistribusi Khi-kuadrat dengan derajat bebas 1.

2
Bukti:
[ ] [ ] f (z )dz dengan
w
Misal fungsi distribusi FW (w) = P Z 2 w = P w Z w =
w
dy
transformasi z = y sehingga dz = maka
2 y
w w 1 2 w 1 2
1
FW (w) = 2 f ( z )dz = 2
y dy 1 y
e 2
= e 2
dy, w 0
0 0 2 2 y 0 2 y
13
1 w
1
karena f(w)=FW(w) maka f (w) =
1
w2 e 2
berdasarkan Definisi 2.2 maka
2
Zi2 berdistribusi Khi-kuadrat dengan derajat bebas 1.
Teorema 2.7
Jika variabel random X1.X2,,Xk berdistribusi normal dan saling bebas dengan
rata-rata dan variansi 2 maka
X
k 2
U = i
i =1
berdistribusi Khi-kuadrat dengan derajat bebas k.
Bukti:
Xi
Jika Z i = maka Zi berdistribusi normal standar. Maka fungsi pembangkit

momen dari U ditentukan sebagai berikut
t zi2
[ ]
k
[ ] k 2
k
= E e i =1 = E e tzi = E e tzi
2
mU (t ) = E e tu
i =1 i =1

dengan
[ ]

tz 2 1
1 2 1
zi 1 (1 2 t ) zi2
e i 2 e
2
E e tzi = 2
dz = e 2
dz
2
1
untuk t < maka
2
[ ]

1 2t
1
1 (1 2 t ) zi2 1

2
E e tzi = e 2
dz =
1 2t 2 1 2t
14

1 2t
1
(12 t ) zi2
Karena
2
e 2
dz menunjukkan luas daerah di bawah kurva normal
E [e ]=
1 k k
1 1 2
dengan variansi . Maka
tz i2
= merupakan
1 2t i =1 i =1 1 2t 1 2t
fungsi pembangkit momen dari distribusi Khi-kuadrat dengan derajat bebas k.
X
k 2
Sehingga U = i berdistribusi Khi-kuadrat dengan derajat bebas k.

i =1
Teorema 2.8
Jika X merupakan rata-rata dari X1, X2, X3, ,Xn adalah sampel random
2
berukuran n yang mempunyai rata-rata dan variansi maka:
n
U=
(X ) 2
2
n
berdistribusi khi-kuadrat dengan derajat bebas 1.
Bukti:
Menurut Teorema 2.3 X berdistribusi normal dengan rata-rata dan variansi
2 X
, maka Z = berdistribusi normal standart, sehingga Fungsi Pembangkit
n
n
momen dari U dapat ditentukan sebagai berikut:
t z2
k
[ ]
mU (t ) = E e tu = E e i = 1

dengan
15
[ ]= e

1 2 z2
1 1
1 (1 2 t )Z 2
dz =
tz 2 tz 2
Ee e e 2
dz
2 2
1
untuk t < maka
2
1
[ ]=

1 2t 1 2
1
1 (1 2 t ) z 2 1

tz 2
Ee e 2
dz = =
1 2t 2 1 2t (1 2t )
maka menurut Teorema 2.5 maka U =

(X ) 2
berdistribusi Khi-kuadrat dengan

2
n
derajat bebas 1.
Teorema 2.9
Andaikan X1, X2, X3,, Xn adalah sampel random yang saling bebas dan
berukuran n dari suatu distribusi normal yang mempunyai rata-rata dan variansi
Xi
2 maka Z i = adalah sampel random yang saling bebas dan

Xi
n n 2
berdistribusi normal dan

i =1
Z 2
i
=
i =1
berdistribusi Khi-kuadrat dengan
derajat bebas n.
Bukti:
Karena X1, X2, X3,,Xn adalah sampel random yang saling bebas dan berukuran n
dari distribusi normal yang mempunyai rata-rata dan variansi 2 maka
X
Zi = i berdistribusi normal standar. Sampel Zi saling bebas sehingga

16
X n n 2
menurut Teorema 2.6 maka Z i = i

2
berdistribusi Khi-kuadrat
i =1 i =1
dengan derajat bebas n.
Teorema 2.10
Jika X1, X2,, Xn merupakan sampel dari distribusi normal dengan rata-rata dan
variansi 2 maka:
Z i2 =
(n 1)S 2
2
berdistribusi Khi-kuadrat dengan derajat bebas n-1.
Bukti:
Dengan menambah dan mengurangi rata-rata sampel X maka:

2
( X i ) = [(X i X ) + (X )]
n n
2
i =1 i =1
= ( X i X ) + (X ) + 2( X ) (X i X )
n n n
2 2
i =1 i =1 i =1
karena
n
2( X ) ( X i X ) = 2( X ) X i X
n n
i =1 i =1 i =1
n n

= 2 X X i XnX X i + nX
i =1 i =1
n n

n Xi n Xi
= 2 X X i Xn i =1 X i n i =1
i =1 n i =1 n

17
n n n n

= 2 X X i X X i X i X i
i =1 i =1 i =1 i =1
=0
maka
2
= ( X i X ) +n(X )
n n
(X i )
2 2
i =1 i =1
Dan
(X X)
n n
(X i )
2 2
i =1
= i =1
i
+
( Xi )
2
2 2 2
n
=
(n 1)S 2 + ( X i )2
2 2
n
Karena Xi berdistribusi normal dengan dan variansi 2/n berdasarkan Teorema
2.8 maka
( X i )2 berdistribusi Khi-kuadrat dengan derajat bebas 1 dan
2
n
n
(X )
2
i
i =1
berdasarkan Teorema 2.9 maka berdistribusi Khi-kuadrat dengan
2
S2
derajat bebas n, maka (n 1) berdistribusi Khi-kuadrat dengan derajat bebas (n-
2
1).
Salah satu distribusi yang terpenting dalam statistika ialah distribusi-F.
Statistik F didefinisikan sebagai dua variabel random Khi-kuadrat yang saling
bebas dan masing-masing dibagi dengan derajat bebasnya. Jadi dapat ditulis:
18
X
F= u
Y
v
dengan X dan Y merupakan variabel random yang masing-masing berdistribusi
Khi-kuadrat dengan derajat bebas u dan v.
Teorema 2.11
Jika X dan Y variabel random yang saling bebas dan masing-masing berdistribusi
Khi-kuadrat dengan derajat bebas u dan v. Maka distribusi variabel
X
random F = u
mempunyai fungsi densitas probabilitas
Y
v
u +v u 2 f u2 1
u
2 v , f >0
f F ( f ) = u v u u +2 v
f +1
v 2 v
0 , f 0
Dan variabel random F berdistribusi-F dengan derajat bebas u dan v.
Bukti:
Diketahui X dan Y berdistribusi Khi-kuadrat dengan derajat bebas u dan v maka
1
u
1
x
x 2
e 2
,x > 0
u u
f X ( x ) = 2 2
2
0 ,x 0
1
v
1
y
y 2 e 2
,y>0
v
f Y ( y ) = v 2 2
2
0 ,y0
Sehingga distribusi peluang gabungan variabel random X dan Y adalah

19
u x v y
1 1
f X ,Y ( x, y ) =
1 1
u
x 2
e 2
v
y 2
e 2
u v
2 2 2 2
2 2
u v x+ y
1 1 1
= u +v
x 2
y 2
e 2
u v
2 2
2 2
Misalkan z=y dan pandang transformasi
x
f = y
u
h: v
z = y

x x v xv
f = y
u
= =
v u y uy
u u
x= fy karena z = y maka x = fz
v v
Dan transformasinya menjadi
u
x = fz
h: v
z = y
dari fungsi- fungsi tersebut menghasilkan
x u u y
= fz = z = (z ) = 0
f f v v f f
x u u y
= fz = f = (z ) = 1
z z v v z z
Jacobian (J(x,y)) diperoleh dengan determinan dari
x x
f z
J ( x, y ) = y y
f z
20
u u
f u
= v v = z sehingga J = z
z u
0 1 v v
Transformasi ini satu-satu memetakan titik {(u, v) 0 < u < ,0 < v < }ke
himpunan {( f , z ) 0 < f < ,0 < z < } maka diperoleh distribusi gabungan F dan
Z:
( f , z ) = f F ,Z ( f , z ) J
u
1
u 2 u fz + z
fz v v

= v
z 2
1
e

2
u
z
u +v
u v 2 v
2
2 2
u
1 u
u 2
u u
fz + z
1 1
v
f 2
z 2
v 2
( f , z ) =
v 1 u
u +v
z2 e
z
u v 2 v
2
2 2
u
1
u 2
u
1
f2 u +v
2
z u
f +1
= v
z 2
e 2 v u
z
u +v
u v 2 v
2
2 2
u
u 2 2 1
u
f u +v
1
z u
f +1
= v
z 2
e 2 v
u +v
u v 2
2
2 2
Maka

f F ( f ) = ( f , z )dz
0
21
u
u 2 2 1
u
f u +v
1
z u
f +1
= v
z 2
e 2 v
dz
u +v
0 u v
2 2
2 2
u
u 2 2 1
u
f u +v
1
z u
f +1
v
u +v
= z 2
e 2 v
dz
u v 2 0
2
2 2
1
z u u
Untuk menentukan fF(f) dimisalkan : t = f + 1 sehingga z = 2t f + 1
2v v
1
u
dan dz = 2 f + 1 dt .Maka diperoleh
v
u
u 2 2 1
u
u +v
f
u 1

1 1
2t f + 1 u
fF ( f ) =
2
v
u v 2
u +v 0 v e t 2 f + 1 dt
v
2
2 2
u
u 2 2 1
u
f u +v
u +v

1 1 u + v
v 1 u 2 u 1
t
t
= u +v
2 2 f + 1 2 f + 1 2
e dt
u v 2 v v
2 0
2 2
u
u 2 2 1 u+v
u
f
= v
2
u +v
u v
u 2
2 2 f + 1
v
u
u+v
u
u 1
f 2
2

v 2
, f >0
Jadi terbukti bahwa . f F ( f ) = u v u +v

2 u 2
2 f + 1
v
0 , f 0
22
Derajat bebas yang berkaitan dengan variabel random Khi-kuadrat pada
pembilang F selalu ditulis lebih dahulu kemudian diikuti oleh derajat bebas yang
berkaitan dengan variabel random Khi-kuadrat yang muncul pada penyebut. Jadi
kurva distribusi F tidak hanya bergantung pada kedua parameter u dan v, tetapi
juga pada urutan penulisannya. Begitu pula jika kedua bilangan ini ditentukan
maka kurvanya menjadi tertentu.
Teorema 2.12
Jika S12 dan S22 variansi sampel random yang saling bebas berukuran n1 dan n2
yang diambil dari dua populasi berdistribusi normal maka:
S12
12 22 S12
F= =
S 22 12 S 22
22
berdistribusi- F dengan derajat bebas u=n1-1 dan v=n2-1.
Bukti:
Misalkan sampel random berukuran n1 dan n2 diambil dari populasi random,
masing-masing dengan variansi 12 dan 22 . Mengunakan Teorema 2.10 maka
diperoleh:
Z 2
=
(n1 1)S12
dan Z 2
=
(n2 1)S 22
1
12 2
22
menyatakan dua variabel random yang berdistribusi Khi-kuadrat dengan derajat
bebas u=n1-1 dan v=n2-1. Karena kedua sampel diambil secara random maka
variabel random tersebut saling bebas. Jika Z12 = X dan Z 22 = Y maka dengan
mengunakan Teorema 2.9 diperoleh:

23
(n1 1)S12

Z12 2
S12
(n1 1) = 12 = 22 S12
1
X
F= u= u =
Y Z 22 (n2 1)S 22 S 22 12 S 22
v
v 2
2
2

(n2 1)
2
dan variabel random F berdistribusi-F dengan derajat bebas u=n1-1 dan v=n2-1.
B. Analisis Variansi
Misalkan sampel random berukuran n diambil dari k populasi, ke-k
populasi ini diklasifikasikan menurut perlakuan atau kelompok yang berbeda.
Diasumsikan bahwa k populasi itu berdistribusi normal dengan rata-rata 1, 2,
3,, k dan variansi 2 yang sama. Sehingga uji hipotesisnya adalah:
Ho : 1 = 2 = 3 == k
H1 : sekurang-kurangnya dua nilai rata-rata tidak sama.
Misalkan Xij adalah sampel ke-j dari populasi ke-i, maka data- data dari n
pengamatan dari k populasi dapat di tuliskan sebagai berikut:
Tabel 2.1 : k sampel random
Sampel Populasi Total

1 2 i k Pengamatan
1 X11 X21 Xi1 Xk1 X.1
2 X12 X22 Xi2 Xk2 X.2
: : : : : :
n X1n X2n Xin Xkn X.n
Total X1. X2. Xi. Xk. X..

Populasi
ke
Rata-rata X
Populasi X 1 X2 X i X k
ke
24
Dengan:
X i,j : Sampel kei dari populasi ke-j, dengan i = 1, 2, 3,,k dan j =1, 2,
3,,n
X i . = Jumlah total polulasi ke-i
X .. = Jumlah total semua nk pengamatan
X i. = Rata-rata pengamatan pada polulasi ke-i
X .. = Rata-rata semua nk pengamatan
Setiap pengamatan dapat ditulis dengan bentuk linear:
X ij = i + ij (2.1)
dengan :
Xij : besarnya pengamatan ke-i, perlakuan ke-j.
i : parameter rata-rata.
ij : eror yang berdistribusi N(0,2)
i : 1,2, 3,, k dan j : 1, 2, , n
Bentuk lain dari persamaan (2.1) diperoleh dengan mensubtitusikan
i = + i kedalam persamaan (2.1) dengan adalah rata-rata dari i dan:
i
= i =1
Sehingga persamaan (2.1) dapat ditulis:
X ij = + i + ij (2.2)
k k
dengan: = (
i =1
i
i =1
i )= 0
25
i disebut sebagai efek atau pengaruh perlakuan ke-i.
Sehingga hipotesis nol yang menyatakan bahwa semua nilai rata-rata ke-k
populasi sama melawan hipotesis alternatifnya yang menyatakan bahwa sekurang-
kurangnya ada dua rata-rata tidak sama. Dapat dinyatakan sebagai berikut:
H o :1 = 2 = = k = 0
H1 : sekurang-kurangnya satu i tidak sama dengan nol.
Sehingga Uji yang akan digunakan berdasarkan pada perbandingan dua nilai
dugaan bebas dari kesamaan variansi populasi 2. Kedua nilai dugaan tersebut
diperoleh dengan menguraikan total variansi menjadi dua komponen.
Teorema 2.11
(X X .. ) = n ( X i. X ) + (X ij X i. )
k n k k n
2 2 2
ij
i =1 j =1 i =1 i =1 j =1
Bukti :
[ ]
2 2
(X X ) = ( X i. X ) + (X ij X i. )
k n k n
ij
i =1 j =1 i =1 j =1
i =1 j =1
[
= ( X i. X ) + 2( X i. X )(X ij X i. ) + (X ij X i. )
k
2 2
]
= ( X i. X ) + 2 ( X i. X )(X ij X i. ) + (X ij X i. )
k n k n k n
2 2
i =1 j =1 i =1 j =1 i =1 j =1
Suku pertama persamaan diatas dapat ditulis menjadi n ( X i. X ) karena suku

k
2
i =1
pertama persamaan diatas tidak menpunyai subkrip j.
Kemudian penjumlahan suku kedua persamaan diatas akan menghasilkan:

26
k n
2 ( X i. X )(X ij X i. ) = 2 ( X i. X )(X ij X i. )
k n
i =1 j =1 i =1 j =1
k n
= 2 ( X i. X ) (X ij X i. )
n
i =1 j =1 j =1
k n n
= 2 ( X i. X ) (X ij ) nX i.

i =1 j =1 j =1
n

X ij
= 2 ( X i. X ) (X ij ) n
k
n
n
j =1
n
i =1
j =1
j =1

k n
= 2 ( X i. X )(0)
i =1 j =1
=0
(X X .. ) = n ( X i. X ) + (X ij X i. ) .
k n k k n
2 2 2
Jadi terbukti ij
i =1 j =1 i =1 i =1 j =1
Agar memudahkan penggunaannya maka suku-suku dalam Teorema 2.11
maka dinotasikan dengan:
(X X .. ) = jumlah kuadrat total (JKT)

k n
2
ij (2.4)
i =1 j =1
n (X i. X ) = jumlah kuadrat perlakuan (JKP)

k
2
(2.5)
i =1
(X X i. ) = jumlah kuadrat eror (JKE)

k n
2
ij (2.6)
i =1 j =1
sehingga jumlah kuadrat dalam Teorema 2.11 dapat dilambangkan dengan
persamaan:
27
JKT = JKP + JKE (2.7)
Salah satu nilai dugaan bagi 2 yang didasarkan pada k-1 derajat bebas
adalah:
(X X .. )
k
2
i.
JK P
S12 = = i =1
(2.8)
k 1 k 1
X i . : rata- rata sampel dari populasi ke-i
X .. : rata- rata total pengamatan
S12 : variansi antar kelompok (between- group variance)
Bila Ho benar, S12 merupakan penduga tak bias bagi 2. Jika H1 benar
maka JKP cenderung menghasilkan nilai yang lebih besar, artinya S12 menduga
lebih dari 2. Nilai dugaan bagi 2 yang lain berdasarkan pada k(n-1) adalah:
(X X i. )
k n
2
ij
JK E i =1 j =1
S 22 = = (2.9)
k (n 1) k (n 1)
Nilai S 22 menduga 2 berdasarkan eror yaitu selisih antara setiap
pengamatan dengan rata-rata dari kelompok/perlakuan masing-masing. Nilai
dugaan S 22 bersifat takbias, baik untuk hipotesis benar atau salah.
Apabila hipotesis nol benar, maka penduga tak bias bagi 2 adalah:
JK T
S2 = (2.10)
kn 1
28
Teorema 2.11 tidak hanya menguraikan Jumlah Kuadrat Total, tetapi juga jumlah
total derajat bebasnya:
nk-1 = k-1 +k(n-1) (2.11)
Statistik uji untuk menguji Ho = 1 = 2 ==k =0 adalah perbandingan
S12 dan S 22 .
S12
f = 2 (2.12)
S2
Bila hipotesis nol benar, maka Persamaan (2.12) merupakan variabel random F
yang mempunyai distribusi-F dengan derajat bebas (k-1) dan k(n-1). Jika Ho salah
maka S12 menduga lebih dari 2 sehingga diperoleh uji variansi satu arah dengan
daerah kritis yang seluruhnya terletak di ujung kanan fungsi distribusinya. Dan
hipotesis nol ditolak pada taraf signifikan a bila:
f > f [(k 1), (k (n 1))] (2.13)
Untuk perhitungan Jumlah Kuadrat dapat diperoleh dengan memperluas dan
menyederhanakan definisi JKP dan JKT dalam Teorema 2.11.Sehingga
menghasilkan:
k n
X ..2
JK T = X ij
2
(2.14)
i =1 j =1 kn
X 2
i.
X ..2
JK P = i =1
(2.15)
n kn
JK E = JKT JK P (2.16)
29
Perhitungan analisis variansi dapat dituliskan sebagai berikut:
Tabel 2.2 : Tabel analisis variansi satu arah
Sumber Jumlah Kuadrat Derajat Rata-rata f hitung

Variansi bebas jumlah
kuadrat
n ( X i. X )
Antar k k-1 JK P S12
S12 =
2
f = 2
perlakuan
i =1 k 1 S2
(X X i. )
Eror k n
JK E
S 22 =
2
i =1 j =1
ij k(n-1) k (n 1)
(X X i. )
Total k n
2
ij nk-1
i =1 j =1
Contoh 2.1
Sebuah pabrik tas menggunakan kertas sebagai bahan pelapis tas yang akan
diproduksinya. Sehingga perlu diteliti kekuatan daya renggang kertas tersebut.
Diduga kekuatan daya renggang kertas adalah fungsi konsentrasi kekerasan kayu
dalam bubur kertas. Maka dilakukan penelitian dengan mengunakan lima
konsentrasi kekerasan kayu yang berbeda dalam bubur kertas. Konsentrasi
kekerasan kayu yang digunakan adalah 5%, 10%, 15%, 20% dan 25%. Dalam
Penelitian tersebut diambil 25 pengamatan secara random pada masing-masing
konsentrasi. Maka diperoleh hasil pengamatan sebagai berikut:
Tabel 2.3: Data Contoh 2.1
Konsentrasi Pengamatan Total

kekerasan kayu (%) 1 2 3 4 5 pengamatan
Xi.
5 7 7 15 11 9 49
10 12 17 12 18 18 77
15 14 18 18 19 19 88
20 19 25 22 19 23 108
25 7 10 11 15 11 54
376= X..
30
Jawab:
Akan dibandingkan pengaruh beberapa konsentrasi kekerasan kayu terhadap
daya renggang produksi tas. Hipotesis nol menyatakan bahwa rata-rata daya
renggang kelima perlakuan sama sedangkan untuk hipotesis alternatifnya
menyatakan bahwa rata-rata daya renggang kelima perlakuan tidak sama.
Sehingga hipotesis tersebut ditulis:
a. Ho : 1 = 2 = 3 =4 = 5
H1 : sekurang-kurangnya dua nilai rata-rata tidak sama.
b. Jumlah kuadratnya adalah:
X ..2
( ) 376 2
5 5
JK T = X ij = 7 2 + 7 2 + + 15 2 + 112 = 636.96
2
i =1 j =1 5.5 25
5
X 2
i.
X ..2 ( )
49 2 + 77 2 + + 54 2 376 2
JK P = i =1
= = 475.76
5 5.5 5 25
JK E = JK T JK P = 636.96 475.76 = 161.20
sehingga
JK P 475.96
S12 = = = 118.99
k 1 4
JK E 161.20
S 22 = = = 8.06
k (n 1) 20
S12 118.99
f = 2 = = 14.763 .
S2 8.06
31
Tabel 2.4:Analisis variansi contoh 2.1
Sumber Variansi Jumlah Kuadrat Derajat Rata-rata f hitung

bebas jumlah kuadrat
Antar perlakuan JKP = 475.76 4 S12 = 118.99 f =14.76
Eror JKE =161.20 20 S 22 = 8.06
Total JKT =636.96 24
c. Statistik uji F akan memiliki distribusi-F dengan derajat bebas pembilang
5-1= 4 dan derajat bebas penyebut 25-5 =20. Maka dari tabel nilai
F0.01;4:20=4.33. Sehingga daerah penerimaan Ho adalah [0: 4.43) dan
daerah penolakannya adalah [4.43:).
d. Karena f = 14.76 4.43 maka hipotesis nol di tolak. Jadi ada perbedaan
rata-rata daya renggang diantara kelima perlakuan tersebut. Sehingga
disimpulkan bahwa konsentrasi kekerasan kayu dalam bubur kertas secara
berarti mempengaruhi kekuatan daya renggang kertas.
C. Kontras
Uji hipotesis dalam analisis variansi satu arah menunjukkan bahwa
apakah rata-rata perlakuan sama atau tidak. Tetapi dalam penelitian sering
dilakukan analisis yang lebih jauh, sehingga perbandingan rata-rata perlakuan
antar kelompok sangat berguna. Rata-rata perlakuan ke-i dapat didefinisikan
sebagai i = + i dan i diduga dengan X i .

32
Misal dalam Contoh 2.1, hipotesis nolnya adalah H 0 : i = 0 ditolak
dengan i pengaruh konsentrasi kekerasan kayu. Padahal diketahui beberapa jenis
konsentrasi menghasilkan daya kekuatan renggang yang berbeda, tetapi
konsentrasi mana yang mengakibatkan perbedaan itu.
Dalam Contoh 2.1 misal diduga bahwa konsentrasi jenis 1 dan 5 akan
menghasilkan kekuatan daya renggang sama, berarti hipotesis yang digunakan
H 0 : 1 = 5
H 1 : 1 5
Hipotesis ini dapat diuji dengan menggunakan sebuah kombinasi linear dari total
perlakuan X 1. X 5. = 0
Jika diduga rata-rata perlakuan konsentrasi 1 dan 3 tidak berbeda dari rata-rata
perlakuan konsentrasi 4 dan 5, maka hipotesisnya adalah
H 0 : 1 + 3 = 4 + 5
H 1 : 1 + 3 4 + 5
Yang berarti kombinasi linear total perlakuannya
X 1. + X 3. X 4. X 5. = 0
dengan X1. : total perlakuan konsentrasi 5%
X3. : total perlakuan konsentrasi 15%
Secara umum perbandingan rata-rata perlakuan yang mempengaruhi dapat
dinyatakan dalam sebuah kombinasi linear total perlakuan sebagai

33
a
Q = qi X i (2.17)
i =1
a
dengan q
i =1
i = 0 , Xi total perlakuan ke-i, a banyaknya perlakuan, qi merupakan
koefisien kontras. Kombinasi linear dalam Persamaan (2.17) disebut kontras.
Maka jumlah kuadrat (JK) untuk setiap kontras adalah
2
a
q i X i
JK Q = i =1 a = Q
2
a
(2.18)
n qi2 n qi2
i =1 i =1
dengan n adalah jumlah pengulangan setiap perlakuan dengan derajat bebas
tunggal. Sebuah kontras diuji dengan membandingkan jumlah kuadrat rata-rata
eror (JKE), maka statistik yang dihasilkan akan berdistribusi F dengan derajat
bebas 1 dan N-a. Dengan N merupakan total pengamatan dan a adalah banyaknya
perlakuan.
D. Rancangan Percobaan
Dalam merancang sebuah percobaan ada beberapa hal yang perlu
diketahui antara lain apa yang dimaksud dengan percobaan, dan hal-hal yang
perlu diperhatikan saat membuat sebuah rancangan percobaan. Pada bagian ini
akan membahas tentang hal-hal yang berkaitan dengan rancangan percobaan.
1. Tahap- tahap percobaan
Percobaan sering dilakukan oleh berbagai bidang ilmu. Tujuan dilakukan
nya sebuah percobaan adalah untuk menyelidiki hubungan antar perlakuan yang
mempenggaruhi suatu proses. Merancang percobaan terlebih dahulu sangatlah

34
diperlukan, hal ini bertujuan agar data yang diperoleh relevan digunakan dan
didapat informasi sebanyak mungkin. Sehingga percobaan yang dilakukan akan
lebih efektif, efisien.
Dalam sebuah percobaan ada tiga tahap yang perlu dilakukan :
a. Percobaan pendahuluan
Sebelum melakukan percobaan yang sesungguhnya maka diperlukan adanya
percobaan pendahuluan, hal ini bertujuan untuk memperoleh petunjuk dalam
pemilihan perlakuan. Sehingga pada tahap ini dilakukan perbandingan
beberapa perlakuan.
b. Percobaan sebenarnya
Setelah percobaan pendahuluan maka tahap selanjutnya adalah percobaan
sebenarnya. Pengendalian keragaman faktor yang mempengaruhi percobaan
dilakukan secara ketat. Hal ini bertujuan untuk menentukan perlakuan
(treatment). Pada tahap ini sangat memperhatikan prinsip rancangan
percobaan, sehingga hasil yang diperoleh memenuhi persyaratan untuk
dianalisis.
c. Percobaan demontrasi
Tahap terakhir dalam percobaan adalah percobaan demontrasi, yang
bertujuan menujukkan hasil dan keunggulan dari percobaan yang telah
dilakukan serta membandingkan dengan hasil percobaan sebelumnya.
2. Dasar- dasar rancangan percobaan
Dalam merancang sebuah percobaan, perumusan masalah secara rinci
merupakan hal terpenting karena dengan perumusan masalah yang rinci akan
35
didapat berbagai alternatif penyelesaian dan kesimpulan yang valid dan
objektif.
Dibawah ini merupakan langkah-langkah untuk merancang sebuah
percobaan:
a. Menentukan adanya suatu masalah.
b. Merumuskan masalah secara jelas dan rinci.
Perumusan masalah yang jelas akan memberikan pengertian keadaan
sebenarnya dan penyelesaian dari masalah tesebut dengan lebih baik.
c. Memilih faktor dan taraf
Faktor merupakan jenis perlakuan. Sedangkan yang dimaksud dengan
perlakuan adalah kondisi tertentu yang diberikan dalam sebuah percobaan.
Sehingga dalam merancang percobaan peneliti harus dapat memilih faktor
yang mempengaruhi percobaan tersebut, faktor ini sering disebut dengan
variabel bebas.
Taraf (level) merupakan perlakuan terhadap setiap faktor. Ada dua jenis taraf
yaitu taraf kualitatif dan kuantitatif. Taraf kualitatif adalah taraf yang berupa
data kualitatif (qualitative data) dan taraf kuantitatif adalah taraf yang berupa
data kuantitatif (quantitative data). Data kualitatif secara sederhana disebut
data yang bukan berupa angka. Data ini dibagi menjadi dua yaitu data nominal
dan data ordinal. Data kuantitatif (quantitative data) merupakan data yang
berupa angka dalam arti sebenarnya. Data kuantitatif dapat dibagi menjadi dua
yaitu data interval dan data rasio.

36
d. Memilih variabel respon.
Variabel respon dalam suatu percobaan merupakan variabel yang akan
diukur. Variabel ini juga disebut dengan variabel terikat.
e. Memilih rancangan percobaan.
Pemilihan jenis rancangan percobaan yang tepat akan mempengaruhi tingkat
efisiensi percobaan.
f. Analisis data
Dengan analisis statistik yang tepat maka akan diperoleh kesimpulan yang
benar dan objektif.
g. Kesimpulan
Dalam merancang sebuah percobaan ada beberapa prinsip dasar yang
harus dipenuhi yaitu:
a. Randomisasi
Randomisasi bertujuan agar setiap perlakuan dalam percobaan mendapat peluang
yang sama. Fungsi randomisasi adalah:
Asumsi saling bebas antar perlakuan terpenuhi.
Agar estimasi eror dan ratarata perlakuan tidak terjadi bias.
Memperkecil kemungkinan adanya korelasi antar pengamatan dan korelasi
antar eror.
Meningkatkan objektifitas dalam memberikan perlakuan materi
percobaan.
37
b. Replikasi
Jika dalam rancangan percobaan setiap perlakuan diulang sebanyak n kali
maka rancangan itu dikatakan mempunyai n replikasi (perulangan). Fungsi
dari replikasi adalah untuk menentukan besarnya variansi eror, mempertinggi
ketepatan percobaan dan memperluas ruang lingkup percobaan.variansi eror
merupakan perbedaan hasil dari suatu pengamatan dengan perlakuan yang
sama.
Banyaknya replikasi tergantung pada banyak perlakuan, tingkat homogenitas
dan banyaknya materi percoban. Jika jumlah perlakuan dan materi cukup
banyak dan homogen maka tidak memerlukan replikasi yang banyak, hal ini
akan menimbulkan pembengkaan biaya dan percobaan kurang efektif.
c. Pemblokan
Pemblokan berarti mengumpulkan materi percobaan yang relatif homogen
menjadi satu kelompok, sehingga diperoleh beberapa kelompok materi
percobaan dengan variansi dalam kelompok tetap kecil dan variansi antar
kelompok lebih besar.
3. Jenis-jenis rancangan percobaan
Secara umum rancangan percobaan dapat dibagi menjadi dua kelompok
yaitu rancangan percobaan kelompok lengkap dan rancangan kelompok tidak
lengkap. Rancangan kelompok lengkap adalah rancangan percobaan yang seluruh
perlakuannya muncul dalam satu kelompok. Sedangkan rancangan kelompok

38
tidak lengkap adalah rancangan percobaan yang hanya sebagian dari perlakuan
muncul dalam setiap kelompok.
Rancangan percobaan kelompok lengkap dibagi menjadi empat jenis yaitu
rancangan kelompok tanpa pembatasan, rancangan kelompok dengan satu
batasan, rancangan kelompok dengan dua batasan dan rancangan kelompok
dengan batasan tiga atau lebih. Sedangkan contoh kelompok tidak lengkap adalah
rancangan petak terpisah.
Rancangan acak lengkap termasuk rancangan kelompok tanpa batasan.
Rancangan jenis ini digunakan untuk percobaan yang mempunyai materi dan
faktor percobaan yang relatif homogen, bannyaknya percobaan setiap perlakuan
tidak sama.. Misalnya percobaan yang dilakukan didalam laboratorium.
Sedangkan rancangan kelompok dengan satu pembatasan adalah
rancangan acak kelompok (random blok design) yaitu sebuah rancangan
kelompok lengkap yang mempunyai batasan pengacakan. Dalam rancangan ini
materi percobaan dibagi menjadi beberapa kelompok berdasarkan homogenitas
materi dan setiap amatan dalam kelompok dapat diulang. Rancangan faktorial
termasuk dalam kelompok ini.
Contoh rancangan percobaan kelompok dengan dua pembatasan adalah rancangan
bujursangkar latin dan crossover design, sedang contoh kelompok dengan tiga
atau lebih pembatasan adalah rancangan bujursangkar latin graeco dan rancangan
bujursangkar hyper graeco

39
BAB III
RANCANGAN PERCOBAAN FAKTORIAL 2k
Dalam percobaan sering melibatkan sejumlah faktor dan setiap faktor
tersebut biasanya terdiri dari beberapa perlakuan (taraf). Kombinasi perlakuan
dari sebuah percobaan ditentukan oleh kombinasi dari setiap kombinasi taraf di
setiap faktornya. Jika dalam sebuah percobaan akan meneliti semua kombinasi
perlakuan yang ada, maka percobaan tersebut dinamakan percobaan faktorial.
Sehingga percobaan faktorial diperoleh dengan menyilangkan semua taraf dari
setiap faktornya. Misal suatu percobaan akan membandingkan lima jenis varietas
tanaman dengan tiga cara bercocok tanam yang berbeda. Maka akan diperoleh
percobaan faktorial 5 x 3, yang memerlukan 15 kombinasi perlakuan yang
berbeda.
Dalam kehidupan sehari-hari banyak percobaan yang melibatkan sejumlah
faktor dimana setiap faktornya terdiri atas dua taraf. Misal sebuah percobaan yang
hanya melibatkan dua macam temperatur ekstrim yaitu tinggi dan rendah, dua
jenis mesin cuci yaitu jenis lama dan jenis baru. Jika suatu percobaan yang
melibatkan k buah faktor yang masing-masing faktor mempunyai dua taraf maka
percobaan itu disebut percobaan faktorial 2k. Banyaknya taraf 2 ditulis sebagai
bilangan pokok dan k yang merupakan banyaknya faktor ditulis sebagai pangkat.
Misal sebuah rancangan percobaan akan melibatkan dua faktor yaitu A dan B,
masing- masing faktor terdiri atas dua taraf, maka termasuk rancangan percobaan
faktorial 22. Sehingga untuk percobaan faktorial 2k akan mempunyai kombinasi

40
perlakuan sebanyak 2k. Dalam percoban faktorial 2k diasumsikan bahwa semua
faktor yang terlibat adalah tetap dan pengamatan yang diambil berdistribusi
normal.
A. Rancangan Percobaan Faktorial 22
Bentuk rancangan faktorial 2k yang paling sederhana adalah rancangan
percobaan faktorial 22, karena dalam rancangan tersebut hanya melibatkan 2
faktor dan masing-masing faktor mempunyai dua taraf. Misal dalam suatu
percobaan yang melibatkan 2 buah faktor yaitu A dan B. Faktor A mendapat
perlakuan a1 dan, a2 sedangkan faktor B mendapat perlakuan b1 dan b2, sehingga
terdapat 4 buah kombinasi perlakuan yaitu a1b1, a1b2 ,a2b1 dan a2b2. Dan untuk
setiap kombinasi perlakuan mendapat replikasi sebanyak n kali.
Taraf dalam rancangan percobaan faktorial akan dibedakan menjadi taraf rendah
dan tinggi. Taraf rendah (low level) akan dinotasi dengan (-) dan taraf tinggi (
high level) yang dinotasikan dengan (+). Indeks 1 menyatakan taraf rendah dan
indeks 2 menyatakan taraf tinggi.
Huruf kapital dalam rancangan percobaan faktorial menyatakan efek
utama faktor sedangkan huruf kecil menyatakan kombinasi perlakuan.
Keberadaan suatu huruf menyatakan faktor yang bersangkutan berada pada taraf
yang tinggi dalam amatan tersebut. Sedangkan ketidakberadaan huruf menyatakan
bahwa faktor yang bersangkutan berada pada taraf rendah. Jika semua faktor pada
taraf yang rendah maka dinyatakan dengan notasi (1). Misal kombinasi perlakuan
a menyatakan jumlah pengamatan dengan taraf faktor A lebih tinggi dari taraf
41
faktor B, b menyatakan jumlah pengamatan dengan taraf faktor B lebih tinggi dari
taraf faktor A, ab menyatakan jumlah pengamatan kedua faktor pada taraf yang
tinggi. Secara umum pengamatan percobaan faktorial 22 dengan n replikasi dapat
dinyatakan dalam Tabel 3.1
Tabel 3.1 : Percobaan faktorial 22
Faktor A
a1 a2
B b1 (1) a
b2 b ab
Selain itu dalam rancangan percobaan sering terdapat istilah efek utama
dan efek sederhana. Efek sederhana adalah perbedaan pengamatan pada taraf
tinggi dan taraf rendah dari suatu faktor, sedangkan efek utama adalah rata-rata
dari efek sederhana.
Efek sederhana dari faktor A terhadap b1 adalah (a-(1))/n sedang efek sederahana
faktor A pada b2 adalah (ab-b)/n. Efek sederhana faktor B pada a1 adalah (b-(1))/n
sedangkan pada a2 adalah (ab-a)/n.
Karena efek utama adalah rata-rata dari efek sederhana maka efek utama faktor A
dan efek utama faktor B adalah:
1 ab b a (1) 1
A= + = (ab + a b (1) ) (3.1)
2 n n 2n
1 ab a b (1) 1
B= + = (ab + b a (1) ) (3.2)
2 n n 2n
sedangkan untuk interkasi AB merupakan rata-rata selisih dari efek sederhana
faktor A pada taraf b1 dengan taraf b2 atau selisih dari efek sederhana faktor B
pada taraf a1 dengan taraf a2 sehingga dapat dinyatakan sebagai berikut:

42
AB =
1
{(ab b ) (a (1))} = 1 (ab + (1) a b ) (3.3)
2n 2n
Persamaan (3.1), (3.2) dan (3.3) dapat dinyatakan dengan menghitung selisih rata-
rata hasil pengamatan suatu faktor pada kedua taraf. Sehingga untuk efek utama
faktor A dan faktor B adalah
A = X A+ X A
ab + a b + (1) 1
= = (ab + a b (1) ) (3.4)
2n 2n 2n
B = X B+ X B
ab + b a + (1) 1
= = (ab + b a (1) ) (3.5)
2n 2n 2n
dengan X A : Rata-rata pengamatan faktor A pada taraf a1
X A+ : Rata-rata pengamatan faktor A pada taraf a2
X B : Rata-rata pengamatan faktor B pada taraf b1
X B + : Rata-rata pengamatan faktor B pada taraf a2
sedangkan untuk interaksi AB merupakan rata-rata dari selisih (ab dan (1))
dengan (a dan b) sehingga:
ab + (1) b + a 1
AB = = (ab + (1) a b ) (3.6)
2n 2n 2n
Kontras merupakan kombinasi linear dari total perlakuan, sehingga dalam
percobaan faktorial terdapat kontras dengan derajat bebas tunggal untuk rata-rata
setiap faktornya. Sehingga Koefisien kontras selalu benilai +1 atau 1. Sebuah
tabel tanda plus (+) dan minus dapat digunakan untuk menentukan tanda setiap
43
kombinasi perlakuan sebuah kontras. Tabel 3.2 menunjukan tanda kontras untuk
percobaan faktorial 22. Pada bagian baris menyatakan kombinasi perlakuan dan
untuk bagian kolom menyatakan efek utama dengan ditambah kolom identitas
yang diberi lambang I. Kolom indentitas selalu berisikan tanda (+), dan untuk
kolom faktor diisi sesuai dengan apakah faktor tersebut berada pada taraf tinggi
atau rendah dalam kombinasi perlakuan yang bersesuaian, misal pada kombinasi
(1) faktor A berada pada taraf yang rendah maka pada kolom A diisi tanda (-),
pada kombinasi a faktor A berada pada taraf tinggi maka pada kolom A berisi
tanda (+) dan seterusnya. Sedangkan interaksi antar perlakuan merupakan hasil
perkalian tanda dari faktor penyusunnya.
Tabel 3.2: Tanda kontras pada percobaan faktorial 22
kombinasi efek
perlakuan I A B AB
(1) + - - +
a + + - -
b + - + -
ab + + + +
Sebuah kontras dapat dibentuk dengan menggunakan tabel kontras yaitu
dengan cara mengalikan tanda dalam kolom I dengan kombinasi perlakuan yang
ada dalam baris kemudian jumlahkan. Dengan menggunakan persamaan (2.1) dan
koefisien kontras dalam Tabel 3.2 maka kontras untuk faktor A (QA), kontras
untuk faktor B (QB), dan kontras untuk interaksi faktor A dan B(QAB) dapat
dinyatakan:
Q A = ( 1)(1) + (1)a + ( 1)b + (1)ab = ab + a b (1) (3.7)
QB = ( 1)(1) + ( 1)a + (1)b + (1)ab = ab + b a (1) (3.8)

44
Q AB = (1)(1) + ( 1)a + ( 1)b + (1)ab = ab + 1 a b (3.9)
Dari persamaan (3.7), (3.8) dan (3.9), kontras A merupakan jumlah kombinasi
perlakuan faktor A pada taraf tinggi dikurangi taraf rendah, kontras B merupakan
jumlah kombinasi perlakuan faktor B pada taraf tinggi dikurangi taraf rendah
sedangkan kontras AB merupakan selisih dari diagonal dalam Tabel 3.1.
Sehingga kontras merupakan total jumlah pengamatan setiap kombinasi
perlakuan.
Sedangkan untuk jumlah kuadrat (JK) A, B dan AB, dapat mengunakan
persamaan (2.2). Persamaan tersebut memperlihatkan hubungan antara sebuah
kontras dengan jumlah kuadrat koefisiennya. Sehingga jumlah kuadrat A, B dan
AB adalah
JK A =
(Q A ) 2
=
(ab + a b (1)) 2
(
n ( 1) + 12 + ( 1) + 12
2 2
) 4n
(3.10)
JK B =
(QB ) 2
=
(ab + b a (1)) 2
(
n ( 1) + ( 1) + 12 + 12
2 2
) 4n
(3.11)
JK AB =
(Q AB ) 2
=
(ab + (1) a b )2
(
n 12 ( 1) + ( 1) + 12
2 2
) 4n
(3.12)
Rancangan percobaan faktorial 22 mempunyai Model persamaan linear
sebagai berikut:
X ijk = + i + j + ( ) ij + (ij )k
dengan:
: Rata-rata total pengamatan
i : Pengaruh perlakuan faktor A taraf ke-i, i=1,2

45
j : Pengaruh perlakuan faktor B taraf ke-j, j=1,2
()ij : Pengaruh perlakuan kombinasi faktorA dan B pada taraf ke-i dan
ke-j
(ij)k : error dengan i=1,2; j=1,2 dan k=1,2,3,,n
Sehingga jumlah kuadrat total (JKT) adalah
2 2 n
X 2
JK T = X ijk2 (3.13)
i =1 j =1 k =1 4n
Secara simbolis jumlah kuadrat total (JKT) dalam persamaan (3.9) dapat ditulis
JKT= JKA+JKB+JKAB+JKE B (3.14)
JKE=JKT-JKA-JKB-JKAB B (3.15)
Faktor A,B dan kombinasi AB mempunyai derajat bebas sebanyak 1
sedangkan untuk error mempunyai derajat bebas sebanyak 4(n-1) dan untuk total
pengamatan mempunyai derajat bebas 4n-1. Maka rata-rata kuadrat (RJK) dari
masing-masing efek kombinasi perlakuan adalah jumlah kuadrat pada masing-
masing efek perlakuan dibagi dengan derajat bebasnya.
JK A
RJK A = = JK A (3.16)
1
JK B
RJK B = = JK B (3.17)
1
JK AB
RJK AB = = JK AB (3.18)
1
JK E
RJK E = (3.19)
4(n 1)
46
Setelah mencari nilai RJK untuk setiap faktor dan kombinasinya maka dapat
ditentukan uji statistik untuk faktor A dan B serta kombinasi AB yaitu:

RJK A
FA = (3.20)
RJK E
RJK B
FB = (3.21)
RJK E
RJK AB
FAB = (3.22)
RJK E
Contoh 3.1
Suatu percobaan kimia akan meneliti pengaruh konsentrasi reaktan dan jenis
katalis terhadap perubahan hasil suatu proses kimia, sehingga akan diperoleh hasil
maksimum. Konsentrasi reaktan yang diteliti terdiri dari 2 perlakuan yaitu pada
konsentrasi 15% dan 25% sedang untuk jenis katalis ada 2 macam yaitu jenis 1
dan 2. Untuk setiap kombinasi perlakuan akan mendapat replikasi sebanyak tiga
kali. Hasil perubahan proses kimia tersebut tampak seperti dalam Tabel 3.3
Tabel 3.3 : Data untuk Contoh 3.1
Faktor Konsentrasi reaktan

15% 25%
Jenis 1 28 25 27 36 32 32
Katalis 2 18 19 23 31 30 29
Dari percobaan kimia tersebut apakah akan terjadi perbedaan rata-rata dari setiap
kombinasi perlakuan, sehingga dapat ditentukan kombinasi perlakuan mana yang
mempunyai pengaruh terhadap percobaan kimia tersebut.

47
Jawab:
Percobaan dalam contoh 3.1 termasuk dalam percobaan faktorial 22, karena setiap
faktornya mempunyai dua buah taraf. Misalkan faktor A adalah jenis reaktan
dengan taraf a1 adalah 15% dan a2 adalah 25% sedang faktor B adalah jenis
katalis dengan jenis 1 sebagai taraf b1 dan jenis 2 sebagai taraf b2. Tabel 3.3
dapat diringkas seperti Tabel 3.4
Tabel 3.4 : Ringkasan dari data Tabel 3.3
Faktor A
a1 a2
B b1 80 100
b2 60 90
Dengan mengunakan persamaan (3.1), (3.2), (3.3) maka nilai estimasi untuk efek
utama A, B dan kombinasi AB adalah
A=
1
(ab + a b (1)) = (90 + 100 60 80) = 50 = 8,33
2n 23 6
B=
1
(ab + b a (1)) = (90 + 60 100 80) 30
= = 5,00
2n 23 6
AB =
1
(ab + (1) a b ) = (90 + 80 100 60) = 10 = 1,67
2n 23 6
Sebelum mencari Jumlah kuadrat (JK) terlebih dahulu menentukan Kontras dari
seriap perlakuan dengan mengunakan persamaan (3.7) , (3.8) dan (3.9)
kontras A = 90 + 100 60 80 = 50
kontras B = 90 + 60 100 80 = 30
kontras AB = 90 + 80 100 60 = 10
setelah kontras ditentukan maka dilanjutkan dengan menentukan Jumlah Kuadrat
dengan mengunakan persamaan (3.10), (3.11) dan (3.12).

48
(kontras A ) 2 (50) 2 2500

JK A = = = = 208,333
4n 3(4 ) 12
(kontras B ) 2 (30) 2 900
JK B = = = = 75,00
4n 3(4) 12
(kontras AB ) 2 (10) 2 (100 )
JK AB = = = = 8,33
4n 3(4 ) 12
Dengan mengunakan persamaan (3.13) maka akan diperoleh JKT
2 2 n
X 2
JK T = X 2
ijk
i =1 j =1 k =1 4n
= 28 2 + 25 2 + 27 2 + + 29 2
(28 + 25 + 27 + + 29 )
2
= 9398
108900
43 12
= 9398 9097 = 323
dan dengan persamaan (3.15) maka akan diperoleh
JK E = JK T JK A JK B JK AB
JK E = 323 208,33 75 8,33 = 31,34
Dari semua proses perhitungan diatas, maka dapat dibentuk tabel Analisis
Variansi. Seperti tampak dalam Tabel 3.5
Tabel 3.5 : Analisis variansi untuk contoh 3.1
Sumber Jumlah Derajat Rata-rata MS efek

variansi Kuadrat(JK) bebas jumlah F0 =
MS error
kuadrat(RJK)
A 208.33 1 208,33 53,15
B 75.00 1 75,00 19,13
AB 8.33 1 8,33 2,13
Error 31.34 8 3,92
Total 323.00 11
Dari Tabel (3.5) maka faktor A dan B berpengaruh secara signifikan terhadap
perubahan hasil reaksi kimia. Karena nilai F0 lebih besar dari Ftabel(=5.32). Dan
nilai estimasi untuk A = 8.33 dan B = -5.00 sedangkan kombinasi jenis reaktan
49
dan katalis (AB) tidak berpengaruh terhadap perubahan hasil percobaan. Dari
analisis variansi diatas maka dapat ditentukan model matematika untuk percobaan
tersebut
8.33 5
Y = 27.5 + X1 X 2
2 2
Y = 27.5 + 4.165 X 2.5 X
1 2
Dengan 27.5 adalah rata-rata pengamatan, X1 adalah jenis reaktan dan X2 adalah
jenis katalis. Nilai X1 dan X2 adalah 1 atau 1 sesuai taraf dalam kombinasi
perlakuan.
Dengan mengunakan model tersebut maka akan didapat nilai dugaan untuk setiap
kombinasi perlakuan. Adapun nilai dugaan setiap perlakuan sebagai berikut:
Y = 27.5 + 4.165 X 1 2.5 X 2

Y(1) = 27.5 + 4.165( 1) 2.5( 1) = 25.835
Ya = 27.5 + 4.165(1) 2.5( 1) = 34.165
Yb = 27.5 + 4.165( 1) 2.5(1) = 20.835
Y = 27.5 + 4.165(1) 2.5 X (1) = 29.165
ab
nilai error (e) untuk kombinasi perlakuan (1) disetiap replikasinya adalah sebagai
berikut:
e1 = 28 25.835 = 2.165
e2 = 25 25.835 = 0.835
e3 = 27 25.835 = 1.165
nilai error (e) untuk kombinasi perlakuan a disetiap replikasinya adalah
sebagai berikut:
e4 = 36 34.165 = 1.835
e5 = 32. 34.165 = 2.165
e6 = 32 34.165 = 2.165
50
nilai error (e) untuk kombinasi perlakuan b disetiap replikasinya adalah sebagai
berikut:
e7 = 18 20.835 = 2.835
e8 = 19 20.835 = 1.835
e9 = 23 20.835 = 2.165
nilai error (e) untuk kombinasi perlakuan ab disetiap replikasinya adalah sebagai
berikut:
e10 = 31 29.165 = 1.835

e11 = 30 29.165 = 0.835
e12 = 29 29.165 = 0.165
Dari nilai error yang didapat maka kombinasi perlakuan a yaitu kombinasi
perlakuan dengan faktor jenis reaktan pada taraf tinggi dan jenis reaktan pada
taraf rendah menghasilkan nilai error yang kecil sehingga kombinasi tersebut
dapat menghasilkan hasil reaksi yang maksimum.
Hasil perhitungan percobaan diatas dapat dilakukan dengan mengunakan program
Minitab 14 (Lampiran 4)
B. Rancangan Percobaan Faktorial 23
Rancangan percobaan faktorial 23 merupakan sebuah rancangan percobaan
dengan tiga buah faktor misalnya A, B, C dan setiap faktor mempunyai dua taraf
perlakuan. Sehingga untuk percobaan faktorial 23 terdapat 8 kombinasi perlakuan
dengan masing-masing kombinasi perlakuan mendapat n replikasi. Adapun
kedelapan kombinasi perlakuan tersebut adalah (1), a ,b, c, ab, ac, bc, dan abc.
51
Secara umum untuk jumlah pengamatan dalam percobaan 23 dapat dinyatakan
seperti dalam Tabel 3.6
Tabel 3.6 : Percobaan faktorial 23
B
A b1 b2
c1 c2 c1 c2
a1 (1) c b bc
a2 a ac ab abc
Efek sederhana adalah perbedaan pengamatan pada taraf tinggi dan taraf
rendah suatu faktor maka efek sederhana untuk faktor A pada b1 dan c1 adalah (a-
(1))/n, efek sederhana untuk faktor A pada b2 dan c1 adalah (ab-b)/n, untuk faktor
A pada b1 dan c2 adalah (ac-c)/n dan untuk faktor A pada b2 dan c2 adalah (abc-
bc)/n.
Efek sederhana untuk faktor B pada a1 dan c1 adalah (b-(1))/n, untuk faktor
B pada a2 dan c1 adalah (ab-a)/n, efek sederhana faktor B pada a1 dan c2 adalah
(bc-c)/n serta efek sederhana faktor B pada a2 dan c2 adalah (abc-ac)/n .
Sedangkan efek untuk sederhana faktor C pada a1 dan b1 adalah (c-(1))/n
dan faktor C pada a2 dan b1 adalah (ac-a)/n. Efek sederhana untuk faktor C pada
a1 dan b2 adalah (cb-b)/n sedangkan pada a2 dan b2 adalah (abc-ab)/n.
Efek utama setiap faktor merupakan rata-rata dari setiap efek
sederhananya. Maka efek utama untuk faktor A, B dan C adalah sebagai berikut:
1
A= ( a (1) + ab b + ac c + abc bc) (3.23)
4n
1
B= (b (1) + ab a + bc c + abc ac ) (3.24)
4n
52
1
C= (c (1) + ac a + ab b + abc bc ) (3.25)
4n
Sedangkan untuk interaksi 2 faktor merupakan setengah dari selisih rata-
rata faktor pada kedua taraf. Sehingga kombinasi AB merupakan setengah dari
selisih rata-rata faktor A pada b1 dan b2, untuk kombinasi AC merupakan setengah
dari selisih rata-rata faktor A pada taraf c1 dan c2 sedangkan untuk kombinasi BC
adalah setengah dari selisih rata-rata faktor C pada taraf b1 dan b2. Adapun selisih
rata-rata faktor A, dan C dinyatakan dalam Tabel 3.7
Tabel 3.7 : Selisih rata-rata faktor A dan C dalam rancangan percobaan faktorial
23
B Rata-rata efek A Rata-rata efek C C Rata-rata efek A

b1 {(abc-bc)+(ab- {(abc-ab)+(bc- c1 {(abc-bc)+(ac-
b)}/2n b)}/2n c)}/2n
b2 {(ac-c)+(a-(1))}/2n {(ac-a)+(c-(1))}/2n c2 {(ab-b)+(a-(1))}/2n
Selisih {abc-bc+ab-b- {abc-ab+bc-b- {abc-bc+ac-c-

ac+c-a+(1)}/2n ac+a-c+(1)}/2n ab+b-a+(1)}/2n
Karena kombinasi AB, AC dan BC adalah setengah dari selisih rata-rata faktor A
dan C maka:
{(1) + abc + ab + c a b bc ac}

AB = (3.26)
4n
{(1) + abc + ac + b a c bc ab}

AC = (3.27)
4n
{(1) + abc + bc + a b c ab ac}

BC = (3.28)
4n
Dan untuk kombinasi ABC merupakan rata-rata dari efek sederhana faktor A pada
b1c1 ditambah dengan pada taraf b2c2 dikurangi dengan efek sederhana faktor A
53
pada taraf b2c1 dan c2b1 atau merupakan rata-rata dari efek sederhana faktor B
pada a1c1 ditambah dengan pada taraf a2c2 dikurangi dengan efek sederhana faktor
B pada taraf a2c1 dan c2a1 atau rata-rata dari efek sederhana faktor C pada b1a1
ditambah dengan pada taraf b2a2 dikurangi dengan efek sederhana faktor C pada
taraf b2a1 dan a2b1. Sehingga dapat dinyatakan sebagai berikut:
{( abc bc) + (a (1) (ac c) (ab b))} abc + a + b + c ab ac bc (1)

ABC = = (3.29)
4n 4n
Tabel 3.8 : Tanda kontras percobaan faktorial 23
Kombinasi Efek
perlakuan I A B C AB AC BC ABC
1 + - - - + + + -
a + + - - - - + +
b + - + - - + - +
ab + + + - + - - -
c + - - + + - - +
ac + + - + - + - -
bc + - + + - - + -
abc + + + + + + + +
Jumlah kuadrat dari kombinasi perlakuan dapat di hitung dengan
mengkuadratkan kontras dan dibagi dengan jumlah kombinasi perlakuan dan
jumlah perulangan. Berdasarkan persamaan (2.1) dan dengan mengunakan Tabel
(3.8) maka kontras dari setiap kombinasi perlakuan sebagai berikut:
KontrasA=(a+ab+ac+abc-(1)-b-c-bc) (3.29)
KontrasB=(b+ab+bc+abc-(1)-a-c-ac)
B (3.30)
KontrasC=(c+ac+bc+abc-(1)-a-b-ab) (3.31)
KontrasAB=(abc-ac-bc+c+ab-a-b+(1)) (3.32)
KontrasAC=(abc-ab-bc+b+ac-a-c+(1)) (3.33)
54
KontrasBC=(abc-ab-ac+a+bc-b-c+(1)) (3.34)
KontrasABC=(abc-ac-bc+c-ab+a+b-(1)) (3.35)
Dengan menggunakan persamaan (2.2) maka jumlah kuadrat untuk setiap
kombinasi perlakuan dalam percobaan faktorial 23 sebagai berikut:
(kontras A ) 2
JK A = (3.37)
8n
(kontras B ) 2
JK B = (3.38)
8n
(kontrasC ) 2
JK C = (3.39)
8n
(kontras AB ) 2
JK AB = (3.40)
8n
(kontras AC ) 2
JK AC = (3.41)
8n
(kontras BC ) 2
JK BC = (3.42)
8n
(kontras ABC ) 2
JK ABC = (3.43)
8n
Setiap pengamatan dalam rancangan percobaan faktorial 23 dapat dinyatakan
dengan model matematika sebagai berikut:
X ijkl = + i + j + k + ( ) ij + ( ) ik + ( ) jk + ( ) ijk + (ijk )l
dengan:
: Rata-rata total pengamatan
i : Pengaruh faktor A taraf ke-i,i=1,2
j : Pengaruh faktor B taraf ke-j,j=1,2

55
k : Pengaruh faktor C taraf ke-k, k=1,2
()ij : Pengaruh kombinasi faktor A taraf ke-i dan B taraf ke-j
()ik : Pengaruh kombinasi faktor A taraf ke-i dan C taraf ke-k
()jk : Pengaruh kombinasi faktor B taraf ke-j dan C taraf ke-k
()ijk : Pengaruh kombinasi faktor A taraf ke-i, faktor B taraf ke-j dan C
taraf ke-k
(ijk)l : error pada taraf ke-i,ke-j,ke-k dan ke-l, l=1,2,3,n
Sehingga jumlah kuadrat total (JKT)dari percobaan faktorial 23 sebagai berikut:
2 2 2 n
X 2
JK T = X ijkl
2
(3.44)
i =1 j =1 k =1 l = n 8n
Secara simbolik persamaan (3.44) dapat dinyatakan
JKT= JKA+JKB+JKC+JKAB+JKAC+JKAB+JKABC+JKE
B (3.45)
JKE= JKT -JKA-JKB-JKC-JKAB-JKAC-JKAB-JKABC

B (3.46)
Faktor A, B, C dan kombinasi AB, AC, BC dan ABC mempunyai 1 derajat bebas.
Sedangkan error mempunyai derajat bebas sebanyak 8(n-1) dan untuk total
pengamatan mempunyai 8n-1 derajat bebas.
Sedangkan untuk rata-rata kuadrat (RJK) dari masing-masing kombinasi
perlakuan dapat ditentukan dengan :
JK A
RJK A = = JK A (3.47)
1
JK B
RJK B = = JK B (3.48)
1
JK C
RJK C = = JK C (3.49)
1
56
JK AB
RJK AB = = JK AB (3.50)
1
JK BC
RJK BC = = JK BC (3.51)
1
JK AC
MS AC = = JK AC (3.52)
1
JK ABC
RJK ABC = = JK ABC (3.53)
1
JK T
RJK T = (3.54)
8(n 1)
Sedangkan uji statistik untuk faktor A, B dan C, kombinasi AB, AC, BC dan
ABC adalah sebagai berikut :

RJK A
FA = (3.55)
RJK E
RJK B
FB = (3.56)
RJK E
RJKc
Fc = (3.57)
RJK E
RJK AB
FAB = (3.58)
RJK E
RJK BC
FBC = (3.59)
RJK E
RJK AC
FAC = (3.60)
RJK E
RJK ABC
FABC = (3.61)
RJK E
57
C. Rancangan Percobaan Faktorial 2k
Percobaan faktorial 2k merupakan suatu percobaan yang melibatkan k
faktor dan masing-masing faktor mempunyai 2 taraf. Sehingga terdapat 2k
kombinasi perlakuan yang harus diuji.
Untuk rancangan faktorial 2k tabel tanda kontras dapat disusun dengan
cara menulis tanda (+) dan (-) secara bergantian untuk faktor A dan untuk faktor B
tanda (+) dan (-) ditulis secara berpasangan + + - -, begitu seterusnya secara
bergantian. Sehingga untuk faktor utama K akan berisikan 2k-1 tanda (+) dan 2k-1
tanda (-). Sedangkan untuk kombinasi antar faktor tanda (+) dan (-) merupakan
hasil kali tanda (+) atau (-) dari faktor penyusunnya. Tanda (+) untuk taraf tinggi
dan tanda (-) untuk kombinasi perlakuan yang bertaraf rendah.
Dalam rancangan percobaan faktorial 2k mempunyai 2k kolom efek utama
dan 2k baris kombinasi perlakuan. Dari Tabel 3.8 dapat ditentukan beberapa sifat
dari tabel tanda kontras:
1. Setiap kolom mempunyai jumlah tanda (+) dan (-) yang sama kecuali untuk
kolom indentitas.
2. Jumlah perkalian tanda dalam dua kolom sembarang adalah 0. Keadaan ini
disebut sebagai ortogonal.
3. Perkalian sembarang kolom dengan kolom identitas menghasilkan kolom yang
sama.
4. Perkalian dua kolom kombinasi antar faktor akan menghasilkan 1 kolom
dalam tabel yang sama. Contoh: AB x ABC =A2B2C = I x I x C = C
Dari persamaan (3.17) (3.19) dan persamaan (3.30) (3.36) maka secara
umum kontras untuk k faktor dapat dinyatakan dengan :

58
kontras ABC K = (a 1)(b 1)(c 1) (k 1) (3.62)
tanda negatif (-) jika faktor yang bersangkutan akan dihitung dalam kontras
tersebut dan tanda positif (+) jika faktor yang bersangkutan tidak dihitung dalam
kontras tersebut. Misal kontras untuk faktor A (QA) dari percobaan faktorial 23
adalah
QA = (a 1) (b + 1) (c + 1) = (ab + a b 1) (c + 1) = abc + ac bc c + ab + a b (1)
Hal ini sesuai dengan hasil dalam persamaan (3.17).
Dari persamaan (3.20) (3.22) dan persamaan (3.37) (3.45) maka jumlah
kuadrat untuk rancangan percobaan faktorial 2k adalah
1
JK A, B ,..., K = (kontras A, B ,..., K ) 2 (3.63)
n2k
Untuk menentukan bahwa suatu efek signifikan, maka digunakan analisis
variansi. Dalam Montgomeri (1991) telah merangkum analisis variansi untuk 2k.
Tampak seperti pada Tabel 3.9
Tabel 3.9 : Analisis variansi untuk rancangan percobaan faktorial 2k
Sumber variansi Jumlah Derajat

Kuadrat Bebas
K efek utama
A JKA 1
B JKB 1
C JKC 1

K JKK 1

K
Interaksi 2 faktor
2
AB JKAB 1
AC JKAC 1

.JK JKJK 1
59
Sumber variansi Jumlah Derajat

Kuadrat Bebas
K
Interaksi 3 faktor
3 JKABC 1
ABC JKABD 1
ABD .
JKijk 1
IJK

K
=1 Interaksi K faktor
K JKABK 1
ABCK JKE 2k(n-1)
Error JKT n2k 1
Total
Selain dengan menggunakan analisis variansi, signifikan suatu efek dapat
ditentukan dengan membandingkan Standar Error Efek (SE(efek)) dengan
besarnya efek faktor atau interaksi antar faktor melalui dua limit dari standar error
dan estimasi efek yaitu:
A, B, C , , K / AB, AC , , ABC K = Estimasi efek t / 2 S E (efek ) .
Error merupakan selisih dari nilai sebenarnya dengan nilai ramalannya. Interval
diatas mendekati interval kepercayaan . Faktor atau interaksi yang signifikan

2
dapat dilihat dari interval tersebut dengan melihat interval yang tidak mengandung
nol.
Standar error dari estimasi suatu efek (Se(Efek)) dapat dihitung dengan:
S e ( Efek ) = Var (efek ) (3.64)
Sedangkan variansi efek (Var efek)dapat dihitung melalui beberapa cara:
1. Jika rancangan percobaan faktorial 2k dengan replikasi n pada setiap amatan,
maka estimasi dari variansi efek:

60
kontras
Var(efek) = Var k 1
n2
1
= Var (kontras) (3.65)
(n2 k 1 ) 2
Diketahui variansi dari amatan ke-i adalah
Si2 =
1 n
(X ij X )2 dengan i=1,2,3,,2k
n 1 j =1
dan estimasi variansi dari 2k amatan adalah
(X ij X )2
k
2 n
1
S = k
2

2 (n 1) i =1 j =1
karena kontras merupakan kombinasi linear dari total pengamatan dari
percobaan 2k yang terdiri dari n replikasi sehingga variansi dari setiap
pengamatan adalah 2 maka Var(kontras)=n2k2. 2 dapat diestimasi dengan
S2 ( 2 = S 2 ) dalam tabel analisis variansi dinyatakan dengan nilai RJKE.
Sehingga akan diperoleh:
1
Var (efek ) = 2 k 2
2
n2 k 2
n (2 )
1 4 4
= k 2
2 = k 2 = 2 dengan N=n2k (3.66)
n2 n2 N
2. Jika rancangan percobaan 2k dengan 1 ulangan.
kontras 1
Var(efek) = Var k 1 = k 1 2 Var (kontras)
2 (2 )
1
Var (efek ) = 2k 2
(2 2 k 2 )
61
1 4 2 4 2
= k 2
2 = = dengan N=2k (3.67)
2 2k N
Dengan melakukan rancangan percobaan faktorial 2k maka semua
pengamatan dapat digunakan untuk menilai semua kombinasi perlakuan, sehingga
penggunaan sumber daya menjadi lebih efisien. Rancangan percobaan faktorial 2k
juga mempunyai kelemahan antara lain jumlah kombinasi perlakuan semakin
banyak sebanding dengan jumlah faktor yang terlibat. Banyaknya perlakuan
mengakibatkan berkurangnya efisiensi percobaan hal ini karena banyaknya
replikasi. Memerlukan materi, waktu dan biaya yang cukup banyak.
D. Algoritma Yates
Algoritma Yates merupakan salah satu teknik untuk mengestimasi efek
dan jumlah kuadrat dalam rancangan faktorial 2k, yang diperkenalkan oleh
Yates(1937).
Kombinasi perlakuan ditulis ke bawah dalam urutan standar, dalam suatu
tabel terdiri dari beberapa kolom dan kolom X (berisikan jumlah total
pengamatan) pada kombinasi perlakuan yang bersesuaian. Setengah pertama dari
kolom (1) diperoleh dengan menjumlahkan pasangan angka yang berdekatan pada
kolom X, setengah kedua kolom (1) diperoleh dengan mengurangkan bilangan
yang dibawah dengan yang diatasnya pada setiap pasang bilangan dari kolom X.
62
Kolom kedua diperoleh dari kolom (1) dengan cara yang sama, begitu seterusnya
sampai kolom (k).
Secara umum k kolom akan dibentuk melalui tanda positif (+) dan
negatif() pasangan yang bersesuaian. Hasil pada kolom (k) merupakan kontras
dari efek perlakuan. Untuk memperoleh estimasi efek , bilangan dalam kolom (k)
harus dibagi dengan n2k-1, kecuali untuk bilangan pertama dibagi dengan n2k,
karena estimasi pertama merupakan rata-rata keseluruhan dari semua pengamatan.
Sedangkan untuk Jumlah Kuadrat efek diperoleh dengan mengkuadratkan elemen-
elemen dalam kolom (k) dan dibagi dengan n2k kecuali untuk elemen pertama
tidak berlaku.
Perhitungan dengan mengunakan Algoritma Yates dapat diperiksa
ketelitiannya dengan cara menghitung total jumlah kuadrat dalam setiap kolom
pertama dengan total jumlah kuadrat kolom X, selanjutnya total jumlah kuadrat
dalam kolom pertama (1) adalah dua kali total jumlah kuadrat kolom X, dan
jumlah kuadrat kolom kedua (2) adalah 22 kali total jumlah kuadrat kolom X. Jadi
total jumlah kuadrat dalam kolom (m) adalah 2 m X 2 dengan X 2

adalah
jumlah kuadrat elemen dalam kolom pengamatan , dan X adalah nilai pengamatan.
Selain itu untuk mengecek perhitungan Algoritma Yates dapat dengan
cara menghitung jumlah elemen dalam tiap kolom. Jika perhitungan telah
dilakukan dengan benar maka jumlah elemen-elemen dalam kolom ( i+1 ) adalah
dua kali jumlah setiap elemen kedua dalam kolom ke-i, atau dua kali jumlah
setiap bilangan kedua dari pasangan bilangan dalam kolom ke-i.

63
Nilai estimasi X dan error X X untuk rancangan 2k dapat diperoleh dari
kebalikan algoritma Yates:
a. Elemen dalam kolom (k) pada algoritma Yates ditulis kembali dalam tabel
baru dengan disusun dibalik dan memberi nilai nol untuk efek yang tidak
signifikan atau yang dapat diabaikan.
b. Elemen dalam kolom ( k ) tersebut menjadi elemen X pada tabel baru atau
kolom ( X ) yang telah dimodifikasi.
c. Prosedur algoritma Yates dilakukan terhadap kolom X sehingga diperoleh
kolom ( k ) yang baru.
d. Nilai estimasi X diperoleh dengan membagi kolom ( k ) dengan n2k dan untuk
nilai residual adalah X X .
Contoh 3.2
Seorang insinyur mekanik akan meneliti pengaruh tingkat kecepatan, dalamnya
pemotongan dan sudut potong terhadap permukaan hasil pemotongan suatu
logam. Pemotongan logam itu dilakukan pada tingkat kecepatan 20 inci/ menit
dan 30 inci/menit dengan dalamnya pemotongan 0.025 inci dan 0.04 inci.
Sedangkan besarnya sudut pemotongan 15o dan 25o. Setiap pengamatan mendapat
perulangan sebanyak 2 kali. Data hasil pengamatan percobaan tersebut dinyatakan
dalam Tabel 3.10. Sehingga dari percobaan itu dapat ditentukan kombinasi
perlakuan mana yang akan menghasilkan permukaan yang halus dan baik.
64
Tabel 3.10 : Hasil pengamatan untuk contoh 3.2
Tingkat Dalamnya pemotongan(B)

kecepatan(A) 0.025 inci 0.040 inci
Sudut potong(C) Sudut potong(C)
150 250 150 250
20 inci/menit 9 11 9 10
7 10 11 8
30inci /menit 10 10 12 16
12 13 15 14
Jawab:
Dari Tabel 3.10 maka nilai
(1)=9+10=16 c=11+10=21
a=10+12=22 ac=10+13=23
b=9+11=20 bc=10+8=18
ab=12+15=27 abc=16+14=30
Dengan menggunakan algoritma Yates akan dihitung jumlah kuadrat setiap
kombinasi perlakuan, seperti dalam Tabel 3.11.Untuk kolom pertama baris 1
diperoleh dengan menjumlahkan baris 1 dan 2 kolom respon, hal ini diulang
sampai untuk baris keempat, sedangkan untuk baris kelima dengan mengurangkan
baris ke-2 dan ke-1 kolom respon. Langkah kolom ke-1 diulang sampai kolom ke-
k.
65
Tabel 3.11 : Algoritma Yates untuk contoh 3.2
Kombinasi X (1) (2) (3) efek Estimasi Jumlah

perlakuan efek kuadrat
(3):n2k-1 (3)2:n2k
(1) 16 38 85 177 I 22.125 -
a 22 47 92 27 A 3.375 45.5625
b 20 44 13 13 B 1.625 10.5625
ab 27 48 14 11 AB 1.375 7.5625
c 21 6 9 7 C 0.875 3.0625
ac 23 7 4 1 AC 0.125 0.0625
bc 18 2 1 -5 BC -0.625 1.5625
abc 30 12 10 9 ABC 1.125 5.0625
Jumlah 4063 8126 16252 32504
Kuadrat
Sedangkan dengan menggunakan persamaan 3.18 maka jumlah kuadrat setiap
kombinasi perlakuannya sebagai berikut:
Kontras A = (a + ab + ac + abc-(1)-b-c-bc) = 22 + 27 + 23 + 30 - 16 - 20 - 21 - 18 = 27
Kontras B = (b + ab + bc + abc-(1)-a-c-ac) = 20 + 27 + 18 + 30 - 16 - 22 - 21 - 23 = 13
KontrasC = (c + ac + bc + abc-(1)-a-b-ab) = 21 + 23 + 18 + 30 - 16 - 22 - 20 - 27 = 7
Kontras AB = (abc-ac-bc + c + ab-a-b + (1)) = 30 - 23 - 18 + 21 + 27 - 22 - 20 + 16 = 11
Kontras AC = (abc-ab-bc + b + ac-a-c + (1)) = 30 - 27 - 18 + 20 + 23 - 22 - 21 + 16 = 1

Kontras BC = (abc-ab-ac + a + bc-b-c + (1)) = 30 - 27 - 23 + 22 + 18 - 20 - 21 + 16 = -5
Kontras ABC = (abc-ac-bc + c-ab + a + b-(1)) = 30 - 23 - 18 + 21 - 27 + 22 + 20 - 16 = 9
Kontras A2 27 2
JK A = = = 45.5625
8n 2 8
Kontras B2 13 2
JK B = = = 10.5625
8n 28
Kontras C2 72
JK C = = = 3.0625
8n 28
2
Kontras AB 112
JK AB = = = 7.5625
8n 2 8
JK BC =
2
Kontras BC
=
( 5)2 = 1.5625
8n 28
66
2
Kontras AC 12
JK AC = = = 0.0625
8n 28
2
Kontras ABC 92
JK ABC = = = 9.0625
8n 2 8
Tabel 3.12 : analisis variansi untuk contoh 3.2
Sumber variansi Jumlah Derajat Rata- F0

kuadrat bebas rata
kuadrat
Tingkat kecepatan(A) 45.5625 1 45.5625 18.752
Dalamnya pemotongan(B) 10.5625 1 10.5625 4.3473
Sudut potong(C) 3.0625 1 3.0625 1.2604
AB 7.5625 1 7.5625 3.1125
AC 0.0625 1 0.0625 0.0257
BC 1.5625 1 1.5625 0.643
ABC 5.0625 1 5.0625 2.0836
Error 19.4375 8 2.429687
5
Total 92.9375 15
Dengan F tabel(F0.5;8,1)= 5.32 maka tingkat kecepatan (A) berpengaruh secara
3.375
signifikan. Sehingga model matematika yang didapat Y = 11.0625 + X1
2
dengan nilai 11.0625 merupakan rata-rata pengamatan dan X1 adalah tingkat
kecepatan dan nilai X1 adalah 1 atau -1

67
Y = 11.0625 + 1.6875 X 1
Y(1) = 11.0625 + 1.6875( 1) = 9.375
Ya = 11.0625 + 1.6875(1) = 12.75
Yb = 11.0625 + 1.6875( 1) = 9.375
Y = 11.0625 + 1.6875(1) = 12.75
ab
Yc = 11.0625 + 1.6875( 1) = 9.375

Yac = 11.0625 + 1.6875(1) = 12.75
Y = 11.0625 + 1.6875( 1) = 9.375
bc
Yabc = 11.0625 + 1.6875(1) = 12.75
nilai error (e) untuk kombinasi perlakuan (1) disetiap replikasinya adalah sebagai
berikut:
e1 = 9 9.375 = 0.375
e2 = 7 9.375 = 2.375
nilai error (e) untuk kombinasi perlakuan a disetiap replikasinya adalah sebagai
berikut
e3 = 10 12.75 = 2.75
e4 = 12 12.75 = 0.75
nilai error (e) untuk kombinasi perlakuan b disetiap replikasinya adalah sebagai
berikut
e5 = 9 9.375 = 0.375
e6 = 11 9.375 = 1.625
nilai error (e) untuk kombinasi perlakuan ab disetiap replikasinya adalah sebagai
berikut
e7 = 12 12.75 = 0.75
e8 = 15 12.75 = 2.25
nilai error (e) untuk kombinasi perlakuan c disetiap replikasinya sebagai berikut
68
e9 = 11 9.375 = 1.625
e10 = 10 9.375 = 0.625
nilai error (e) untuk kombinasi perlakuan ac
e11 = 10 12.75 = 2.75

e12 = 13 12.75 = 0.25
nilai error untuk kombinasi perlakuan bc adalah
e13 = 10 9.375 = 0.625

e14 = 8 9.375 = 1.375
sedangkan nilai error untuk kombinasi perlakuan abc adalah
e15 = 16 12.75 = 3.25

e16 = 14 12.75 = 1.25
Dari perhitungan error setiap replikasi dari kombinasi perlakuan maka diperoleh
nilai error yang kecil yaitu pada kombinasi perlakuan a, dimana faktor tingkat
kecepatan (A) pada taraf tinggi dan faktor kedalaman pemotongan(B) dan besar
sudut pemotongan (C) pada taraf yang rendah akan menghasilkan permukaan
yang halus dan maksimum.
Percobaan di atas juga dapat diselesaikan dengan program Minitab 14 (Lampiran
5).
69
BAB IV
PEMBAURAN DAN PERULANGAN FRAKSIONAL 2k-p
Untuk melakukan sebuah rancangan percobaan faktorial 2k secara
lengkap diperlukan banyak biaya, waktu dan materi selain itu mempunyai tingkat
kesulitan tersendiri. Seringkali percobaan faktorial dilakukan secara tidak
lengkap, hal ini berarti bahwa percobaan tersebut hanya mengamati sebagian dari
perlakuan yang ada.
Dalam bab IV akan membahas tentang pembauran dan perulangan
fraksional 2k-p rancangan percobaan faktorial 2k dengan p<k. Pembauran
(confounding) 2k-p merupakan suatu teknik dalam rancangan percobaan faktorial
yaitu dengan menyusun suatu percobaan faktorial 2k lengkap dalam 2p blok-blok
yang lebih kecil dengan setiap blok terdiri dari 2k-p amatan, sehingga pengamatan
akan lebih homogen. Sedangkan yang dimaksud dengan perulangan fraksional 2k-p
adalah suatu teknik rancangan percobaan faktorial dengan mengurangi jumlah
amatan yang diperlukan dalam rancangan percobaan faktorial 2k untuk
menyelidiki sejumlah efek utama dan interaksi dua faktor.
A. Pembauran (Confounding)
Kombinasi perlakuan dalam rancangan percobaan faktorial 2k akan
berbanding dengan jumlah faktor yang terlibat. Jika dalam sebuah percobaan
faktorial 2k lengkap dilakuan pada awal percobaan maka hal ini tentunya
menjadikan percobaan tersebut menjadi tidak praktis. Jika semakin banyak

70
perlakuan maka sangat sulit memilih replikasi untuk rancangan faktorial 2k yang
relatif homogen karena variasi dalam replikasi cenderung bertambah. Sehingga
untuk menghindari besarnya variasi error maka dapat dibuat dalam blok-blok
yang berukuran lebih kecil yaitu dengan memasukkan sebagian perlakuan dalam
blokblok tersebut. Rancangan blokblok yang berukuran lebih kecil disebut
dengan rancangan blok tak lengkap. Cara penyusunan dari rancangan blok
lengkap menjadi blok tak lengkap disebut pembauran (confounding).
Pembauran (confounding) merupakan suatu teknik rancangan untuk
menyusun suatu percobaan faktorial lengkap dalam blok-blok dengan ukuran
yang lebih kecil dari jumlah kombinasi perlakuan dalam percobaan lengkap.
Sehingga tidak semua kombinasi perlakuan harus dimasukan kedalam blok.
Dengan mengunakan pembauran maka kudrat rata-rata error percobaan
akan lebih kecil jika dibandingkan dengan mengunakan percobaan faktorial
lengkap.Hal ini dikarenakan nilai variansi error yang dihasilkan dalam blok lebih
kecil. Jika nilai variasi eror kecil maka akan menghasilkan pembandingan
perlakuan yang tepat. Dengan pemisahan blok akan mengakibatkan berkurangnya
derajat bebas yang berkaitan dengan jumlah kuadrat perlakuan atau eror . Hal ini
berarti bahwa informasi antar beberapa perlakuan dapat dibaurkan dengan selisih
blok tak lengkap. Pembauran yang sembarangan dapat mengakibatkan hilangnya
informasi secara total pada pembandingan perlakuan yang penting. Sehingga
untuk kombinasi perlakuan yang tidak atau kurang penting yang seharusnya
dibaurkan dengan blok tak lengkap. Jika tidak ada atau hanya sedikit kombinasi
perlakuan yang penting maka efek itu dapat dibaurkan dengan selisih blok tak
71
lengkap dalam semua replikasi. Sistem pembauran seperti ini disebut pembauran
lengkap.
Perlakuan dan repliksi dalam setiap blok harus dilakukan secara random.
Karena dengan penempatan kombinasi perlakuan secara random kedalam blok
maka akan diperoleh beberapa informasi pada efek yang terbaur dengan lengkap.
Jika ada suatu respon dari efek yang berbeda dalam suatu blok tak lengkap maka
akan menyebabkan estimasi efek-efek lain tinggi.
Untuk membentuk suatu rancangan faktorial 2k yang dibaurkan dalam 2p
blok (p< k) dengan setiap blok berisi 2k-p amatan. Maka harus dipilih p efek yang
saling bebas dan kemudian akan dibaurkan dalam blok yang berukuran lebih
kecil. Ada beberapa cara yang dapat dilakukan untuk menyusun blok-blok atau
menentukan kombinasi perlakuan yang menempati blok yang sama.
1. Menggunakan tabel tanda positif (+ ) dan tanda negatif ()
Setelah memilih p efek yang akan dibaurkan dalam blok, maka membentuk
kombinasi tanda (+) dan () dari efek-efek tersebut yang banyaknya 2p. Setiap
kombinasi tanda (+) dan (-) merupakan satu blok. Selanjutnya jika setiap
amatan dari efek yang akan dibaurkan memiliki tanda (+) atau () yang sesuai
dengan tanda (+) dan () dari kombinasi yang telah disusun kemudian
dimasukkan kedalam blok yang sama.
2. Mengunakan fungsi kontras penentu( defining contras)
Setelah memilih p efek yang akan dibaurkan dalam blok, kemudian
membentuk suatu fungsi yang disebut dengan kontras penentu (defining

72
contras), dinotasikan L1,L2,,Lp hal ini berkaitan dengan efek yang akan
dibaurkan.
Kontras penentu dapat dinyatakan sebagai berikut:
k
Li = a1 X 1 + a 2 X 2 + + a k X k = a i X i , i = 1,2, p (4.1)
i =1
dengan Xi : Taraf faktor ke-i dari suatu kombinasi perlakuan tertentu.
ai : Koefisien dari faktor ke-i dalam efek yang akan
dibaurkan.
Nilai ai = 0 untuk faktor yang tidak muncul dalam efek yang akan dibaurkan
dan ai =1 untuk faktor yang muncul dalam efek yang akan dibaurkan.
Sedangkan niali Xi=0 untuk taraf rendah dan Xi=1 untuk taraf yang tinggi.
Nilai dari Li (mod 2) yang sama dapat diletakkan dalam blok yang sama.
Karena nilai dari Li (mod 2) adalah 0 dan 1, sehingga dapat diletakan dalam
blok yang sama. Untuk nilai 0 menyatakan bahwa suatu kombinasi perlakuan
berada pada taraf rendah dan nilai 1 menyatakan pada taraf tinggi.
Blok yang berisi kombinasi (1) disebut dengan blok prinsip (pricipal
blok), elemenelemen yang berada dalam blok prinsip merupakan hasil kali dari
dua kombinasi perlakuan yang berbeda dalam blok prinsip. Untuk efek yang
tidak termuat dalam blok prinsip jika dikalikan dengan semua unsur dalam blok
prinsip maka akan menghasilkan kombinasi perlakuan dalam satu blok yang baru.
Setelah memilih p efek yang dibaurkan akan terdapat 2p-p-1 efek lain
yang dibaurkan dalam blok. Efek ini disebut interaksi yang disamaratakan
(generalized interaction) dari p efek independen yang telah dipilih sebelumnya.

73
Interaksi yang disamaratakan ini diperoleh dari hasil kali antara p efek pertama
yang telah dipilih sebelumnya.
Contoh 4.1
Dalam suatu percobaan melibatkan empat buah faktor yang masing-masing faktor
mempunyai dua taraf, sehingga percobaan tersebut termasuk dalam percobaan
faktorial 24. Jika dalam percobaan itu akan dibagi menjadi dua kelompok, maka
teknik pembauran dapat digunakan dalam merancang percobaan tersebut dengan
kombinasi perlakuan ABCD dibaurkan. Untuk menentukan kombinasi perlakuan
yang masuk kedalam blok yang sama, dapat ditentukan dengan mengunakan:
a). Tabel tanda positif (+) dan negatif (-)
Interaksi yang dibaurkan adalah ABCD maka untuk membentuk dua blok
tersebut dengan I = ABCD dan I = -ABCD. Sehingga tampak seperti dalam
Tabel 4.1. Dari Tabel 4.1 maka kombinasi perlakuan yang mempunyai I =
ABCD adalah (1), ab, ac, bc, ad, bd, cd, abcd. Dan yang termasuk kelompok
kedua dengan I = -ABCD adalah a, b, c, abc, d, abd, acd, bcd.
Tabel 4.1. Tanda koefisien efek untuk rancangan percobaan faktorial 24 dalam contoh
4.1
Kombinasi Efek
perlakuan A B C D ABCD
-1 - - - - +
a + - - - -
b - + - - -
ab + + - - +
c - - + - -
+ - + +
ac -
bc - + + - +
74
Kombinasi
perlakuan Efek
A B C D ABCD
d - - - + -
ad + - - + +
bd - + - + +
abd + + - + -
cd - - + + +
acd + - + + -
bcd - + + + -
abcd + + + + +
b). Kontras penentu.
Karena ABCD dibaurkan dalam blok, menurut Persamaan 4.1 maka fungsi
kontras penentunya adalah Li=X1+X2+X3+X4, dengan X1 menyatakan faktor
A, X2 menyatakan faktor B , X3 menyatakan faktor C dan X4 menyatakan
faktor D sedangkan a1 = a2 = a3 = a4 = 1. Kombinasi perlakuan yang masuk
dalam blok yang sama jika mempunyai nilai Li(mod2)=1 atau Li(mod2) = 0.
Kombinasi perlakuan (1) dapat ditulis (0,0,0) sehingga L(1)(mod2) =(1(0) +
1(0) + 1(0) + 1(0)) (mod2) = 0. Nilai Li untuk kombinasi perlakuan yang lain
tampak seperti dalam Tabel 4.2. Kombinasi perlakuan yang menghasilkan
nilai Li yang sama akan diletakan dalam blok yang sama. Sehingga kombinasi
perlakuan yang mempunyai nilai Li= 0 adalah (1), ab, ac, bc, ad, bd, cd, abcd
terletak dalam blok yang sama dan blok yang mempunyai nilai Li = 1 adalah
a, b, c, abc, d, abd, acd, bcd..

75
Tabel 4.2.Penentuan nilai kombinsi perlakuan dengan kontras penentu untuk Contoh 4.1
Kombinasi (1) a b ab c ac bc abc d ad bd abd cd acd bcd abcd

perlakuan
Li=X1+X2+X3 0 1 1 2 1 2 2 3 1 2 2 3 2 3 3 4
+X4
Li (mod2) 0 1 1 0 1 0 0 1 1 0 0 1 0 1 1 0
Dari kedua cara tersebut maka yang termasuk dalam blok prinsip adalah (1),
ab, ac, bc, ad, bd, cd, abcd dan dari contoh diatas tidak ada interaksi yang
disamaratakan karena dalam Contoh 4.1 banyaknya efek yang dibaurkan
sebanyak 1 (p=1) sedangkan banyaknya efek yang disamaratakan 2p-p-1.
Pemisahan derajat bebas untuk analisis variansi dalam contoh 4.1 tampak
seperti dalam Tabel 4.3 berikut.
Tabel 4.3.Pemisahan derajat bebas untuk analisis variansi dalam Contoh 4.1
Sumber variasi derajat rata-rata

bebas kuadrat
Blok(ABCD) 1 RJK blok
Perlakuan 10
A 1
B 1
C 1
D 1
AB 1
AC 1
AD 1
BC 1
BD 1
CD 1
Eror(ABC+ACD+ABD+BCD) 4 RJK eror
Total 15
76
Pembauran dalam rancangan percobaan faktorial 2k bertujuan untuk
menbuat materi percobaan menjadi lebih homogen. Hal ini karena materi
percobaan sangat bervariasi sehingga hanya sebagian dari perlakuan yang
dapat digunakan dalam interval atau waktu tertentu yang relatif homogen.
Dengan pembauran maka variansi dari luar dapat dihilangkan dan
menggurangi variasi eror dengan menghapuskan variasi antar blok tak lengkap
dalam blok lengkap. Sehingga dengan pembauran tidak semua perlakuan
harus dimasukan kedalam blok.
Jika pembauran dilakukan dengan sembarang maka akan
mengakibatkan hilangnya informasi secara total dari efek yang penting.
Sehingga pemilihan p efek yang akan digunakan untuk membangun blok
merupakan hal yang terpenting, karena struktur pembauran dari rancangan
faktorial tergantung pada p efek yang akan dipilih Dalam Montgomery (1991)
telah menyajikan sebuah tabel yang berisikan cara memilih p efek yang
diperlukan dalam menyusun blok. (Lampiran 2)
Analisis variansi dapat dilakukan sebagai analisis stastistik pada
rancangan ini. Jumlah kuadrat untuk semua efek dihitung seperti tidak terjadi
blok, sedangkan jumlah kuadrat blok diperoleh dengan menjumlahkan kuadrat
semua efek yang dibaurkan.
Contoh 4.2
Sebuah pabrik kimia akan memproduksi sebuah bejana tekan, ada empat faktor
yang diduga akan mempengaruhi kecepatan filtrasi bejana yaitu suhu (A), tekanan
77
(B), konsentrasi formaldechyde (C) dan kecepatan pengadukan (D) dengan
masing-masing faktor mempunyai dua parlakuan dan setiap kombinasi perlakuan
mendapat replikasi sebanyak satu kali. Maka sebelum memproduksi dilakukan
sebuah percobaan untuk menentukan kombinasi faktor mana yang menghasilkan
kecepatan filtrasi bejana maksimum, sehingga akan diperoleh bejana tekan yang
baik. Karena tidak memungkinkan melakukan pengamatan dalam satu kelompok
maka peneliti memutuskan untuk melakukan dalam dua kelompok/blok (proses
penempatan kombinasi perlakuan dalam blok dijabarkan dalam Contoh 4.1.
Adapun data yang diperoleh dari kedua blok tersebut tampak dalam Gambar 4.1
Gambar 4.1.Penempatan kombinasi perlakuan rancangan percobaan faktorial 24 dalam 2

blok
Blok 1 Blok 2
(1)=45 a=71
ab=65 b=48
ac=60 c=68
bc=80 d=43
ad=100 abc=65
bd=45 bcd=70
cd=75 acd=86
abcd=96 abd=104
Jawab:
Dari kedua blok amatan yang telah terbentuk maka dapat ditentukan:
Total pengamatan blok 1= 45+65+60+80+100+45+75+96=566
Total pengamatan blok 2 =71+48+68+43+65+70+86+104=555
dan nblok = 8
Sehingga jumlah kuadrat untuk blok (JKblok)
78
JK blok 1 + JK blok 2 JK total

JK blok =
nblok nkombinasiperlakuan
JK blok =
(566 )2 + (555)2
11212
= 7.5625
8 16
dan untuk jumlah kuadrat eror(JKe) merupakan jumlahan dari jumlah kuadrat
interaksi orde tinggi, maka :
JKe=JKABC+JKABD+JKACD+JKBCD
JKe=14.0625+68.0625+10.5625+27.5625=120,25
Dengan mengunakan algoritma Yates maka didapat nilai jumlah kuadrat dan
estimasi untuk setiap kombinasi perlakuan. Seperti tampak dalam Tabel 4.3
Tabel 4.4. Nilai kontras dengan algoritma Yates untuk Contoh 4.2
Kombinasi X (1) (2) (3) (4) Estimasi Efek Jumlah

Perlakuan Kuadrat(JK)
(1) 45 116 229 502 1121
a 71 113 273 619 173 21.625 A 1870.5625
b 48 128 292 20 25 3.125 B 39.0625
ab 65 145 327 153 1 0.125 AB 0.0625
c 68 143 43 14 79 9.875 C 390.0625
ac 60 149 -23 11 -145 -18.125 AC 1314.0625
bc 80 161 116 -16 19 2.375 BC 22.5625
abc 65 166 37 17 15 1.875 ABC 14.0625
d 43 26 -3 44 117 14.625 D 855.5625
ad 100 17 17 35 133 16.625 AD 1105.5625
bd 45 -8 6 -66 -3 -0.375 BD 0.5625
abd 104 -15 5 -79 33 4.125 ABD 68.0625
cd 75 57 -9 20 -9 -1.125 CD 5.0625
acd 86 59 -7 -1 -13 -1.625 ACD 10.5625
bcd 70 11 2 2 -21 -2.625 BCD 27.5625
abcd 96 26 15 13 11 1.375 ABCD 7.5625
Analisis variansi dari percobaan faktorial 24 yang dibaurkan dalam 2 blok

ditunjukkan dalam Tabel 4.5 dibawah ini.
79
Tabel 4.5. Analisis variansi Contoh 4.2
Derajat Rata-rata
Sumber variasi Jumlah kuadrat(JK) bebas kuadrat Fo
blok(ABCD) 7,5625 1
A 1870,5625 1 1870,5625 62,22245b
B 39,0625 1 39,0625 1,299376
C 390,0625 1 390,0625 12,97505a
D 855,5625 1 855,5625 28,45946b
AD 1105,5625 1 1105,5625 36,77547b
BC 22,5625 1 22,5625 0,75052
BD 0,5625 1 0,5625 0,018711
CD 5,0625 1 5,0625 0,168399
Eror(ABC+ACD+ABD+BCD) 120,25 4 30,0625 1
total 15
a signifikan pada 0.05 dan b signifikan pada 0.01
Dari Tabel 4.5 maka faktor suhu (A), konsentrasi formaldechyde (C), kecepatan
pengadukan (D), interaksi AC dan AD mempunyai pengaruh yang signifikan
terhadap perubahan rata-rata kecepatan filtrasi bejana. Nilai estimasi untuk A =
21.625, C = 9.875, D = 14.625, AC = -18.125, AD = 16.625. Sedangkan faktor
tekanan (B) tidak berpengaruh terhadap perubahan rata-rata kecepatan filtrasi
bejana. Dari analisis variansi tersebut maka dapat ditentukan model matematika
untuk percobaan tersebut yaitu:
21.625 9.875 14.625 18.125 16.625

Y = 70.06 + X1 + X 3 + X 4 X 13 + X 14
2 2 2 2 2
Y = 70.06 + 10.8125 X + 4.9375 X + 7.3125 X 9.0625 X + 8.3125 X
1 3 4 13 14
Dengan 70.06 adalah rata-rata pengamatan, X1: faktor suhu (A), X3:
konsentrasi formaldechyde (C), X4: kecepatan pengadukan (D), X13: kombinasi

80
AC, X14: kombinasi AD dan nilai X1, X3, X4, X13, X14 adalah 1 atau 1 sesuai taraf
dalam kombinasi perlakuan.
Dengan menggunakan model tersebut maka dapat diperoleh nilai dugaan
setiap kombinasi perlakuan. Nilai dugaan untuk kombinasi perlakuan (1) adalah
Y = 70.06 + 10.8125 X 1 + 4.9375 X 3 + 7.3125 X 4 9.0625 X 13 + 8.3125 X 14
Y = 70.06+ 10.8125(-1) + 4.9375(-1) + 7.3125 (-1) 9.0625 (-1) + 8.3125 (-1)
Y = 47.7475
dengan nilai eror (e) =Y- Y = 45 47.7475 = -2.7475
Menggunakan cara yang sama maka akan diperoleh nilai dugaan untuk setiap
perlakuan , nampak seperti dalam Tabel 4.6
Tabel 4.6. Nilai dugaan dan eror Contoh 4.2
Kombinasi perlakuan Y Y e = Y- Y
(1) 45 47.7475 -2.7475
a 71 69.3725 1.6275
b 48 46.2475 1.7525
ab 65 69.3725 -4.3725
c 68 74.2475 -6.2475
ac 60 61.1225 -1.1225
bc 80 74.2475 5.7525
abc 65 61.1225 3.8775
d 43 44.2475 -1.2475
ad 100 100.6225 -0.6225
bd 45 44.2475 0.7525
abd 104 100.6225 3.3775
cd 75 72.2475 2.7525
acd 86 92.3725 -6.3725
bcd 70 72.2475 -2.2475
abcd 96 92.3725 3.6275
Dari Tabel 4.6 maka kombinasi suhu dan kecepatan pengadukan (AD) akan
menghasilkan kecepatan filtrasi bejana maksimum karena nilai error cukup kecil.
81
Sehingga untuk memperoleh bejana tekan yang baik maka percobaan dilakukan
dengan faktor suhu dan kecepatan penggadukan pada taraf yang tinggi sedangkan
faktor tekanan dan konsentrasi formaldechyde pada taraf yang rendah.
Hasil dari percobaan ini juga dapat diperoleh dengan menggunakan program
Minitab 14 (Lampiran 6).
B. Rancangan fraksional 2k-p
Jumlah amatan untuk percobaan faktorial 2k akan bertambah banyak
sebanding dengan jumlah faktornya. Sehingga untuk melakukan percobaan
faktorial secara lengkap akan memerlukan biaya, waktu dan tenaga yang banyak.
Misal percobaan faktorial 27 akan mempunyai 128 amatan yang akan diestimasi
oleh sebuah rata-rata keseluruhan, 7 efek utama, 21 interaksi dua faktor, 35
interaksi tiga faktor dan 64 interaksi dengan orde yang lebih tinggi. Dan
mempunyai 127 derajat bebas, yang terdiri 7 derajat bebas yang berkaitan dengan
efek utama, 21 derajat bebas untuk interaksi dua faktor, 99 derajat bebas untuk
interaksi tiga faktor dan order tinggi.
Jika jumlah faktor yang dipelajari cukup besar maka beberapa faktor akan
mempunyai efek yang sama. Sehingga penggunaan perulangan fraksional dengan
jumlah amatan yang lebih kecil dapat dipakai. Hal ini bertujuan untuk
memperoleh informasi tentang efek utama dan interaksi order yang lebih rendah.
Jika total jumlah k faktor cukup besar dan diperkirakan faktor yang mempunyai
82
pengaruh terhadap respon kecil (misal p = 2 atau p = 3), maka perulangan
fraksional dalam k faktor dipilih untuk digunakan.
Dua alasan mengunakan sebuah perulangan pecahan (fraksional) untuk
mengantikan ulangan penuh yaitu:
a. Efek dari faktor-faktor utama dapat ditentukan dengan banyak cara.
b. Jumlah amatan yang diperlukan untuk menyelidiki sejumlah efek utama dan
interaksi dua faktor akan berkurang.
Perulangan fraksional 2k-p didefinisikan sebagai pecahan 2p atau (1/2)p dari
percobaan faktorial 2k dengan k>2 dan p >2. Rancangan fraksional 2k-p akan
menghasilkan 2k-p amatan yang dihasilkan. Diasumsikan efek dengan interaksi
taraf tinggi dapat diabaikan, karena interakasi taraf tinggi merupakan kombinasi
dari interaksi taraf rendah.
Perulangan fraksional ini dibangun berdasarkan tiga ide yaitu:
a. Prinsip pengurangan efek( the sparsity of effects prinsiple)
Dari beberapa interaksi dapat dikendalikan oleh beberapa efek utama dan efek
interakasi yang lebih rendah.
b. Sifat proyektif( the projective property)
Rancangan percobaan fraksional dapat diproyeksikan kedalam rancangan
yang lebih kuat yaitu pada subhimpunan percobaan fraksional yang signifikan.
c. Percobaan sekuensial (Sequensial eksperimentation)
Karena sebuah rancangan yang berisi 2k+1 amatan dibentuk dari rancangan
yang berisi 2k amatan. Sehingga memungkinkan untuk mengabungkan dua

83
(lebih) amatan faktorial fraksional membentuk sebuah rancangan yang lebih
besar.
1. Rancangan fraksional 2k-1
Dalam percobaan faktorial 2k mungkin hanya sebagian dari kombinasi
perlakuan yang akan diamati. Jika hanya setengah dari 2k amatan yang
diamati maka rancangan faktorial yang terbentuk disebut rancangan fraksional
2k-1.
Pada dasarnya 2k-1 merupakan rancangan 2k yang terpisah menjadi dua
blok dengan membaurkan interaksi order tertinggi ABCK. Setiap blok
menpunyai 2k-1 amatan yang merupakan sebuah rancangan fraksional 2k-1.
Sebuah rancangan 2k-1 dibentuk dengan memilih kombinasi perlakuan yang
mempunyai tanda positif dalam kolom interaksi ABCK. Sehingga ABC..K
disebut pembangkit (generator) dari sebuah rancangan. Kolom Identitas (I)
mempunyai elemenelemen yang selalu bertanda positif (+) dapat disamakan
dengan interaksi ABCK diatas, sehingga I=ABCK. Relasi ini disebut relasi
penentu (defining relation) rancangan fraksional 2k-1. Secara umum relasi
penentu sama dengan kolom identitas.
Dengan sebuah rancangan faktorial 2k lengkap, maka ada sebanyak 2k-1
efek dan satu rata-rata seluruh amatan dapat diestimasi. Sedangkan jika
mengunakan setengah dari jumlah seluruh amatan pada 2k maka kelihatannya
tidak mungkin untuk memperoleh sebanyak 2k estimasi yang saling bebas.
Tetapi dengan mengunakan rancangan fraksional 2k-1maka kombinasi

84
perlakuan dapat digunakan untuk mengestimasi suatu efek utama. Misal nilai
faktor A sama dengan nilai kombinasi amatan yang digunakan untuk
mengestimasi interaksi BCK yang tidak mengandung faktor A. Estimasi dari
faktor A dan interaksi BCK itu menjadi saling berbaur. Efek A sebenarnya
mengestimasi jumlahan dari efek A dan BCK. Jika kombinasi linear yang
digunakan mengestimasi A ditulis lA dan kombinasi linear yang digunakan
mengestimasi interaksi BCK ditulis lBCK. maka dalam rancangan
fraksional dua atau lebih efek yang mempunyai sifat lA= lBCK disebut alias
(aliases). Jadi A dan BCK merupakan sebuah alias yang dinotasi dengan
lA lBCK, hal ini berarti mengestimasi A+BCK. Jadi alias dapat
dikatakan sebagai dua atau lebih efek yang mempunyai kombinasi linear yang
sama.
Stuktur alias untuk rancangan fraksional dihitung dengan mengalikan
relasi penentu dengan semua kombinasi perlakuan yang ada. Jika dengan
relasi penentu I = ABCK maka alias efek A adalah:
A x I = Ax ABC..K
A = A2BC..K
A = I BCK
A = BCK
Dalam hal ini bahwa:
1. Mengalikan sembarang elemen dari sembarang kolom dengan sebuah
kolom yang elemen-elemennya sama dengan kolom pertama akan

85
menghasilkan kolom yang memiliki tanda positif pada semua elemennya
yang dinyatakan dengan kolom identitas (I). Misal A x A= A2 =I.
2. Mengalikan sembarang kolom dengan kolom identitas tidak akan
merubah elemen dalam kolom tersebut.
Pecahan dengan tanda positif dalam relasi penentu seperti yang ditulis
diatas disebut dengan pecahan utama (principal fraction) dan pecahan lainnya
disebut pecahan penganti.
Jika pecahan penganti yang dipilih untuk melakukan percobaan faktorial
fraksional 2k-1 adalah I = -ABCK maka kombinasi linear dari amatan, misal
lA mengestimasi A-BCK.
Dalam prakteknya tidak masalah jika pecahan mana yang akan
digunakan karena kedua pecahan itu berasal dari keluarga yang sama yaitu
dari rancangan percobaan faktorial 2k. Jika kedua pecahan dilaksanakan dalam
satu percobaan maka penjumlahan dan pengurangan kombinasi linear l dan
l akan menghasilkan estimasi semua efek yang tidak saling berbaur. Karena
estimasi yang diperoleh dari penjumlahan dan selisih kombinasi kedua
pecahan ini sama dengan estimasi yang diperoleh melalui rancangan
percobaan penuh.
Rancangan fraksional 2k-1 diperoleh dengan menuliskan kembali sebuah
rancangan faktorial penuh dalam (k-1) faktor, selanjutnya dengan
menambahkan faktor ke-k, dengan mendefinisikan taraf positif dan negatif
faktor tersebut melalui tanda positf (+) dan negatif (-) dari interaksi order
tertinggi ABC..(K-1). Jadi K= ABC(K-1)

86
Contoh 4.3
Jika dalam sebuah percobaan melibatkan lima buah faktor dan masing-masing
faktor mempunyai dua taraf perlakuan. Sehingga dalam percobaan tersebut
akan memerlukan 32 amatan, karena perhitungan ekonomi maka dalam
percobaan itu diambil 16 amatan secara random. Rancangan percobaan
tersebut merupakan rancangan percobaan fraksional 25-1. Sehingga bentuk
rancangan dasar faktorial 24 kemudian tambahkan faktor kelima yaitu dengan
menyamakan taraf tertinggi dan terendah dari faktor tersebut dengan tanda (+)
dan (-) dari interaksi empat faktor, sehingga E = ABCD. Keenambelas amatan
tersebut tampak separti dalam Tabel 4.7. Dari Tabel 4.7 dapat ditentukan efek
untuk setiap faktor utama dan kombinasi perlakuan dua faktor. Sebagai
berikut:
A =
1
( e + a b + abe c + ace bce + abc d + ade bde + abd cd + acd bcd + abcde)
8
B =
1
( e a + b + abe c ace+ bce+ abc d ade+ bde+ abd cd acd + bcd + abcde)
8
C = ( e a b abe+ c + ace+ bce+ abc d ade bde abd + cd + acd + bcd + abcde)
1
8
D = ( e a b abe c ace bce abc+ d + ade+ bde+ abd + cd + acd + bcd + abcde)
1
8
Tabel 4.7. Enambelas amatan yang diambil untuk Contoh 4.3 dan tanda koefisien
untuk setiap amatan yang diambil
Amat E= Kombinasi
an A B C D ABCD perlakuan AB AC AD AE BC BD BE CD CE DC
1 - - - - + e + + + - + + - + - -
2 + - - - - a - - - - + + + + + +
87
3 - + - - - b - + + + - - - + + +
4 + + - - + abe + - - + - - + + - -
5 - - + - - c + - + + - + + - - +
6 + - + - + ace - + - + - + - - + -
Amat E= Kombinasi
an A B C D ABCD perlakuan AB AC AD AE BC BD BE CD CE DC
7 - + + - + bce - - + - + - + - + -
8 + + + - - abc + + - - + - - - -
9 - - - + - d + + - + + - + - + -
10 + - - + + ade - - + + + - - - - +
11 - + - + + bde - + - - - + + - - +
12 + + - + - abd + - + - - + - - + -
13 - - + + + cd + - - - - - - + + +
14 + - + + - acd - + + - - - + + - -
15 - + + + - bcd - - - + + + - + - -
16 + + + + + abcde + + + + + + + + + +
Relasi pembangkit (generating relation) dari rancangan ini I=ABCDE yang
sekaligus merupakan relasi penentu. Sruktur alias diperoleh melalui perkalian
setiap efek dengan relasi penentu.
A x I = A x ABCDE = A2BCDE =BCDE
B x I = A x ABCDE = AB2CDE =ACDE
C x I = A x ABCDE = ABC2DE =ABDE
D x I = A x ABCDE = ABCD2E =ABCE
E x I = A x ABCDE = ABCDE2 =ABCD
AB x I = A x ABCDE = A2B2CDE =CDE
AC x I = A x ABCDE = A2BC2DE =BDE
AD x I = A x ABCDE = A2BCD2E =BCE
AE x I = A x ABCDE = A2BCDE2 =BCD
BC x I = BC x ABCDE = AB2C2DE =ADE
BD x I = BD x ABCDE = ABC2D2E =ABE

88
BE x I = BE x ABCDE = AB2CDE2 =ACD
CD x I = CD x ABCDE = ABC2D2E =ABE
CE x I = CE x ABCDE = ABC2DE2 =ABD
CD x I = CD x ABCDE = ABC2D2E =ABE
Sehingga struktur alias lengkap dari rancangan fraksional 25-1 adalah:
AD AD + BCE
A A + BCDE
AE AE + BCD
B B + ACDE
BC BC + ADE
C C + ABDE
BD BD + ACD
D D + ABCE
DE DE + ABC
E E + ABCD
BE BE + ACD
AB AB + CDE
CD CD + ABE
AC AC + BDE
CE CE + ABD
Jika pecahan yang lain (pecahan penganti) dari rancangan ini juga dilakukan
maka relasi penentunya adalah I = - ABCDE maka diperoleh struktur alias
sebagai berikut:
' AD AD BCE
' A A BCDE
' AE AE BCD
' B B ACDE
' BC BC ADE
'C C ABDE
' BD BD ACD
' D D ABCE
' DE DE ABC
' E E ABCD
' BE BE ACD
' AB AB CDE
'CD CD ABE
' AC AC BDE
'CE CE ABD
Pengabungan pecahan utama dan pecahan penganti akan membentuk
rancangan faktorial 25. Melalui penjumlahan dan pengurangan kombinasi
linear dari kedua percahan tersebut, maka diperoleh estimasi yang terpisah
dari masing-masing perlakuan. Hal ini tampak separti dalam Tabel 4.8.
89
Tabel 4.8. Kombinasi perlakuan rancangan faktorial 25 dengan mengabungkan

pecahan utama dan pecahan penganti
Efek 1 (i + 'i ) 1 (i 'i )

2 2
A (A+BCDE+(A-BCDE))=A (A+BCDE-(A-BCDE))=BCDE
B (B+ACDE+(B-ACDE))=B (B+ACDE-(B-ACDE))= ACDE
C (C+ABDE+(C-ABDE))=C (C+ABDE-(C-ABDE))= ABDE
D (D+ABCE+(D-ABCE))=D (D+ABCE-(D-ABCE))= ABCE
E (E+ABCD+(E-ABCD))=E (E+ABCD-(E-ABCD))= ABCD
AB (AB+CDE+(AB-CDE))=AB (AB+CDE-(AB-CDE))= CDE
AC (AC+BDE+(AC-BDE))=AC (AC+BDE-(AC-BDE))=BDE
AD (AD+BCE+(AD-BCE))=AD (AD+BCE-(AD-BCE))=BCE
AE (AE+BCD+(AE-BCD))=AE (AE+BCD-(AE-BCD))=BCD
BC (BC+ADE+(BC-ADE))=BC (BC+ADE-(BC-ADE))=ADE
BD (BD+ACE+(BD-ACE))=BD (BD+ACE-(BD-ACE))=ACE
BE (BE+ACD+(BE-ACD)=BE (BE+ACD-(BE-ACD)=ACD
CD (CD+ABE+(CD-ABE))=CD (CD+ABE-(CD-ABE))=ABE
CE (CE+ABD+(CE-ABD))=CE (CE+ABD-(CE-ABD))=ABD
DE (DE+ABC+(DE-ABC))=DE (DE+ABC-(DE-ABC))=ABC
Algoritma Yates dapat digunakan untuk menghitung besarnya estimasi
pada rancangan 2k-1 yaitu dengan menuliskan kembali algoritma Yates untuk
rancangan faktorial dalam (k-1) faktor. Kombinasi perlakuan untuk faktorial
penuh ini ditulis dalam urutan standar dan sebuah huruf tambahan ditulis
dalam tanda kurung. Kombinasi perlakuan ini untuk memperoleh kombinasi
perlakuan yang sebenarnya. Selanjutnya prosedur algoritma Yates dilakukan
seperti biasanya.Estimasi efek diperoleh dengan mengalikan efek-efek yang
berhubangan dengan kombinasi perlakuan dalam rancangan penuh 2k-1 dengan
relasi penentunya.
Contoh 4.4
90
Dalam sebuah percobaan kimia akan diteliti lima buah faktor yang diduga
akan mempengaruhi hasil suatu reaksi kimia. Penelitiaan terhadap kelima
faktor itu dilakukan untuk memperoleh hasil yang lebih baik atau bertujuan
untuk memperbaiki hasil dari proses kimia tersebut. Masing-masing faktor
mempunyai dua taraf perlakuan yaitu taraf randah dan tinggi, adapun kelima
faktor tersebut adalah:
Faktor Taraf rendah Taraf tinggi

Kecepatan (A ) 10 liter/menit 15 liter/menit
Katalis (B) 1% 2%
Kecepatan pengadukan (C) 100 rpm 180 rpm
Suhu (D) 1400 C 1800 C
Konsentrasi (E) 3% 6%
Dari percobaan kimia diatas akan diambil 16 amatan (proses penentuan
amatan dalam Contoh 4.3) yang akan digunakan untuk memperbaiki hasil
proses kimia tersebut. Adapun keenambelas amatan yang diambil sebagai
berikut:
Tabel 4.9 Enambelas amatan untuk Contoh 4.4
Kecepatan Respon
Amatan Kecepatan Katalis penggadukan Suhu Konsentrasi Reaksi
1 10 liter/min 1% 100 rpm 140 C 6% 56
2 15 liter/min 1% 100 rpm 140 C 4% 53
3 10 liter/min 2% 100 rpm 140 C 4% 63
4 15 liter/min 2% 100 rpm 140 C 6% 65
5 10 liter/min 1% 120 rpm 140 C 4% 53
6 15 liter/min 1% 120 rpm 140 C 6% 55
7 10 liter/min 2% 120 rpm 140 C 6% 67
8 15 liter/min 2% 120 rpm 180 C 4% 61
9 10 liter/min 1% 100 rpm 180 C 4% 69
10 15 liter/min 1% 100 rpm 180 C 6% 45
11 10 liter/min 2% 100 rpm 180 C 6% 78
12 15 liter/min 2% 100 rpm 180 C 4% 93
13 10 liter/min 1% 120 rpm 180 C 6% 49
91
14 15 liter/min 1% 120 rpm 180 C 4% 60

15 10 liter/min 2% 120 rpm 180 C 4% 95
16 15 liter/min 2% 120 rpm 180 C 6% 82
Jawab:
Rancangan ini merupakan rancangan fraksional 25-1 karena hanya diamati
setengah dari jumlah seluruh amatan yang lengkap. Dari Contoh 4.3 maka
struktur alias untuk percobaan tersebut seperti dibawah ini dengan relasi
penentu I= ABCDE.
A A + BCDE = 1
8
( 56 + 53 63 + 65 53 + 55 67 + 61 69 + 45 78 + 93 49 + 60 95 + 82) = 16 = 2
8
B B + ACDE = 18 ( 56 53 + 63 + 65 53 55 + 67 + 61 69 45 + 78 + 93 49 60 + 95 + 82 ) =
164
= 20.5
8
C C+ ABDE= 18 (56536365+53+55+67+6169457893+49+60+95+82) = = 0
0
8
D D+ ABCE= 18 (5653636553556761+69+45+78+93+ 49+60+95+82) = =12.25
98
8
E E + ABCD=
1
(56 53 63 + 65 53 + 55 + 67 61 69 + 45 78 93 + 49 60 95 + 82) = 50 = 6.25
8 8
AB AB + CDE = (56 53 63 + 65 + 53 55 67 + 61+ 69 45 78 + 93 + 49 60 95 + 82) = = 1.5
1 12
8 8
AC AC + BDE = (56 53 + 63 65 53 + 55 67 + 61+ 69 45 + 78 93 49 + 60 95 + 82) = = 0.5
1 4
8 8
6
AD AD + BCE = (56 53 + 63 65 + 53 55 + 67 61 69 + 45 78 + 93 49 + 60 95 + 82) =
1
= 0.75
8 8
AE AE + BCD = ( 56 53 + 63 + 65 + 53 + 55 67 61+ 69 + 45 78 93 49 60 + 95 + 82) = = 1.25
1 9
8 8
92
BC BC+ ADE= (56+ 53+ 63 65 53 55+ 67+ 61+ 69+ 45 78 93 49 60+ 95+ 82) = = 1.5
1 12
8 8
BD BD+ ACE= (56+ 53+ 63 65+ 53+ 55 67 61 69 45+ 78+ 93 49 60+ 95+ 82) = = 10.7.5
1 86
8 8
BE BE+ ACD= ( 56+ 53 63+ 65+ 53 55+ 67 61+ 69 45+ 78 93 49+ 60 95+ 82) = = 12.25
1 10
8 8
76
DE DE+ ABC= ( 56+ 53+ 63 65+ 53 55 67 61 69+ 45+ 78 93+ 49 60 95+ 82) =
1
= 9.5
8 8
CD CD+ ABE= (56+ 53+ 63+ 65+ 53 55 67 61 69 45 78 93+ 49+ 60+ 95+ 82) = = 0.25
1 2
8 8
CE CE+ ABD= ( 56+ 53+ 63 65 53+ 55+ 67 61+ 69 45 78+ 93+ 49 60 95+ 82) = = 2.25
1 18
8 8
ABCDE ABCDE= (56+ 53+ 63+ 65+ 53+ 55+ 67+ 61+ 69+ 45+ 78+ 93+ 49 +60+ 95+ 82) =
1 524
= 65.5
8 8
Diasumsikan bahwa interaksi tiga faktor (lebih) dapat diabaikan maka
diperoleh estimasi efek utama dan interaksi dua faktor. Dari estimasi efek
utama dan interaksi dua faktor tersebut diperoleh efek yang signifikan
berpengaruh terhadap hasil proses kimia tersebut yaitu B, D, E, BD dan DE.
Dengan mengunakan Persamaan (3.63) maka jumlah kuadrat untuk B, D, E,
BD dan DE adalah
JK B =
(164 )2 = 1681 JK D =
(98)2 = 600.25 JK BD =
(86 )2 = 462.25
24 24 24
JK E =
( 50 )2 = 165.25 JK DE =
(76 )2 = 361
24 24
sedangkan rata kuadrat dari B, D, E, BD dan DE adalah RJKB = 1681, B
RJKD = 600.25, RJKBD = 462.25, RJKE = 165.25, RJKDE = 361.

JKeror = (162 + 02 + 92 +12+ (5.0625) 2 + (2.25) 2 + 92 + (6.25) 2 + (0.25) 2 + (20.25) 2)
/24
= 56.1799
56.1799
Dan nilai RJK eror = = 5.61799
10
93
maka Standar eror efek = RJK eror

2k 2
= 5.61799
4
= 1.185 . Perhitungan diatas dapat
juga dilakukan dengan program minitab 14 (Lampiran 7)
Untuk mengetahui faktor atau kombinasi perlakuan yang akan menghasilkan
respon maksimum maka rancangan fraksional 25-1 diproyeksikan dalam
rancangan faktorial 23 dengan dua ulangan, maka diperoleh seperti dalam
Tabel 4.10
Tabel 4.10. Proyeksi rancangan fraksional 24 dalam rancangan faktorial 23
Faktor Katalis (B)

1% 2%
Suhu (D) Suhu (D
140o 180o C 140o C 180o
C C
Konsentrasi 4% 53 69 63 93
(E) 53 60 61 95
106 129 124 188
6% 45 49 67 78
56 45 65 82
101 94 132 160
Dari Tabel 4.10 maka dapat ditentukan estimasi efek utama B, D dan
kombinasi BD adalah:
94
B=
1
(b (1) +bd d +bee +bde de) = (124106+188129+132101+16094) = 21.75
4 2 8
D=
1
(b (1) +bd d +bee +bdede) = (124106+188129+132101+16094) =13.5
4 2 8
E=
1
(e (1) +beb +bd d +bde de) = (101106+132124+188) 129+16094 =16
4 2 8
BD=
1
(bde+(1) +bd +e d b debe) = (106+160+188+10112412913294) = 9.5
4 2 8
BE=
1
(bde+(1) +be+ d b e debe) = (106+160+132+12912410194188)
= 2.5
4 2 8
DE=
1
(bde+(1) + de+b d e dbbe) = (106+160+94+124129101132188) = 8.25
4 2 4
BDE=
1
(bde+b + d +e (1) bd be de) = (106+124+129+10118813294160) = 7.5
4 2 8
Dari ketujuh efek tersebut maka efek B (katalis) mempunyai pengaruh
terhadap percobaan tersebut. Sehingga untuk percobaan selanjutnya akan
menghasilkan respon yang maksimum jika faktor konsentrasi, kecepatan
pengadukan ,suhu dan kecepatan pada taraf rendah sedangkan untuk faktor
katalis taraf yang tinggi.
Jika rancangan fraksional 2k-1 digunakan untuk k cukup (misal k>5)
maka akan memberikan estimasi kombinasi linear yang terlalu banyak, karena
sebagian besar merupakan kombinasi dari interaksi dari order yang lebih
tinggi. Oleh karena itu diperlukan pecahan yang lebih kecil untuk rancangan
faktorial 2k yaitu rancangan faktorial fraksional 2k-p, dengan p>1 yang
memiliki pembangkit yang saling bebas.
2. Rancangan Fraksional 2k-p

95
Rancangan fraksional 2k-p merupakan pecahan (1/2)p dari rancangan 2k
dan terdiri 2k-p amatan. Rancangan ini memerlukan p pembangkit (generator)
yang saling bebas. Relasi penentu rancangan terdiri dari p pembangkit yang
telah dipilih sebelumnya dan 2p-p-1 interaksi yang disamaratakan, yang
merupakan hasil perkalian antara p pembangkit yang saling bebas.
Pembentukan rancangan fraksional 2k-p dilakukan dengan menulis
kembali sebuah rancangan faktorial untuk (k-p) faktor kemudian ditambah
dengan p faktor yang menghubungkan taraf positif dan negatif faktor-faktor
tersebut dengan tanda positif dan negatif dari interaksi yang dibentuk oleh (k-
p) faktor asal.
Stuktur alias diperoleh dengan mengalikan setiap kombinasi perlakuan
dengan relasi penentu. Untuk pemilihan pembangkit dilakukan secara hati-hati
agar efek-efek yang dipandang penting tidak beralias satu sama lain, karena
dapat mengakibatkan informasi yang diperlukan hilang. Setiap efek
mempunyai 2p-1 alias dan jumlah susunan alias yang diperoleh sebanyak 2k-p-
1. Untuk nilai k yang cukup besar, interaksi order yang lebih tinggi dapat
diabaikan , sehingga akan menyederhanakan struktur alias.
Dalam Montgomery (1991) telah diberikan pilihan p pembangkit yang
saling bebas, sehingga dapat diperoleh susunan alias yang lebih baik, untuk k
11 faktor dan jumlah amatan n 128 (Lampiran 3).
Analisis variansi 2k-p dapat dilakukan dengan algoritma Yates, yaitu
dengan menuliskan data yang berasal dari sebuah percobaan faktorial penuh
2r, dengan r k-p yang merupakan subhimpunan dari k faktor asal. Dan
96
faktor tambahan dimasukan jika estimasi efek yang sebenarnya akan dicari.
Estimasi efek dapat dicari dengan menghitung kombinasi linear dari setiap
efek
2(kontras ) i kontras i
i = =
N N( )
2
(4.2)
dengan i = efek ke-i
N=2k-p adalah total jumlah pengamatan
kontrasi diperoleh dari tabel tanda positif dan negatif dalam kolom ke-i.
Estimasi eror diperoleh dengan mengabungkan interaksi tiga faktor atau
interaksi order yang lebih tinggi yang dapat diabaikan.
Rancangan 2k-p dapat diproyeksikan menjadi rancangan faktorial penuh
atau rancangan fraksional dalam sub himpunan r k-p dari faktor asal.
Subhimpunan faktor yang membentuk faktorial fraksional adalah
subhimpunan faktor dalam relasi penentu. Sedangkan subhimpunan faktor
yang membentuk faktorial penuh adalah subhimpunan faktor yang bukan
merupakan relasi penentu.
Contoh 4. 5
Sebuah percobaan akan menguji 7 faktor dalam delapan amatan, sehingga
1
percobaan itu merupakan sebuah pecahan dari faktorial penuh 27.
16
Rancangan 27-4 terlebih dahulu dibentuk rancangan 23 dalam faktor A, B, C
dan empat faktor ditambahkan yaitu D = AB, E = AC, F = BC, G = ABC. Jadi
97
pembangkit untuk rancangan ini adalah ABD, ACE, BCF, ABCG. Tabel 4.11
berikut menujukan rancangan 27-4.
Tabel 4.11. Koefisien tanda untuk rancangan dasar faktorial 23 dalam

rancangan fraksional 27-4
Amatan A B C D=AB E=AC F=BC G=ABC Kombinasi

perlakuan
1 - - - + + + - def
2 + - - - - + + afg
3 - + - - + - + beg
4 + + - + - - - abd
5 - - + + - - + cdg
6 + - + - + - - ace
7 - + + - - + - bcf
8 + + + + + + + abcdefg
Dengan relasi penentu untuk rancangan 27-4 adalah I = ABD = ACE = BCF =
ABCD = BCDE = ACDF = CDG = ABEF = BEG = AFG = DEF = ADG =
BDFG = CEFG = ABCDEFG
Jika diasumsikan bahwa interaksi antara tiga faktor dan interaksi order yang
lebih tinggi dapat diabaikan, maka setiap kombinasi linear yang berkaitan efek
utama sesungguhnya akan mengestimasi efek utama dan tiga buah interaksi
dua faktor. Sehingga dibawah ini merupakan alias untuk efek utama:
D D + AB + EF + CG
A A + BD + CE + FG
E E + AC + DF + BG
B B + AD + CF + EG
F F + BC + DE + AG
C C + AE + BF + DG
G G + CD + BE + AF
Ada 16 rancangan 27-4 yang berbeda dapat dibentuk dengan mengunakan
pembangkit salah satu dari 16 pilihan yang mungkin dalam I = ABD,
I I = ACE, I = BCF, I = ABCG.

98
Salah satu pecahan 1

16 yang lain dari rancangan 27-4 adalah pecahan dengan
E dan F yang diidentifikasikan dengan E = -AC dan F = -BC. Relasi
pembangkit untuk rancangan ini adalah I = ABD, I = -ACE, I = -BCF, I =
ABCG. Dengan relasi penentu I = ABD = -ACE = -BCF = ABCG = BCDE = -
ACDF = CDE = ABEF = -BEG = -AFG = DEF = -ADEG = BDFG = CEFG
= ABCDEFG
Sehingga struktur alias untuk pecahan ini dapat diperoleh dengan mengganti
tanda faktor E dan F dalam struktur alais pecahan asal yaitu:
A ' A + BD CE FG
B ' B + AD CF EG
C ' C AE BF + DG
D ' D + AB EF + CG
E ' E AC + DF BG ( E ' E + AC DF + BG )
F ' F BC + DE AG ( F ' F + BC DE + AG )
G ' G + CD + BE + AF
Jika kedua pecahan tersebut dijumlahkan dan dikurangkan maka akan
diperoleh estimasi efek untuk efek utama dan interaksi dua faktor. Seperti
dibawah ini
Tabel 4.12.Gabungan pecahan utama dan pecahan penganti untuk rancangan

fraksional 27-4 dalam Contoh 4.5
i ( i+ i) ( i- i)
A A + BD CE + FG
B B + AD CF + EG
C C + DG AC + BF
D D + AB + EF + CG Interaksi yang lebih tinggi
E E + DF AC + BG
F F + DE BC +AG
G G +CD BE + AF
99
3. Menggabungkan pecahan
Secara umum jika dua pecahan dari keluarga yang sama digabung
penjumlahan dan pengurangan dari kombinasi linear efek akan menghitung
efek- efek yang dapat diestimasi dari rancangan gabungan.
Prosedur penambahan pecahan dalam suatu rangkaian percobaan
fraksional dengan pengantian tanda yang sesuai akan memberikan suatu
metode yang berguna untuk memisahkan secara sistematik efek-efek penting
dalam sistem multi faktor. Ada dua macam penambahan pacahan dalam suatu
rancangan faktorial fraksional yaitu:
a. Penambahan sebuah pecahan penganti dengan menganti tanda sebuah
faktor.
Misalkan dalam Contoh 4.5 sebuah pecahan kedua dibentuk dengan
merubah tanda dari faktor C dalam pecahan utama rancangan 27-4 maka
kombinasi linear untuk menghitung estimasi efek dari rancangan ini
adalah (diasumsikan interaksi tiga faktor dan order tinggi dapat diabaikan)
A ' A + BD CE + FG
B ' B + AD CF + EG
C ' C AC BF DG ( yaituC ' C + AC + BF + DG )
D ' D + AB EF CG
E ' E AC + DE + BG
F ' F BC + DC + AG
G ' G CD + BE + AF
Dengan mengabungkan pecahan ini dengan pecahan utama diperoleh:
Tabel 4.13. Pengabungan pecahan utama dan pecahan penganti dalam

Contoh 4.5 dengan menganti tanda faktor C
i ( i+ i) ( i- i)
100
A A +BD+FG CE
B B + AD +EG CF
C C AC + BF+ DG
D D + AB BC +DG
E E + BG + DF AC
F F +AG + DE BC
G G + BE + AF CD
Jika penambahan sebuah rancangan faktorial fraksional maka sebuah
pecahan penganti sama dengan pecahan utama, kecuali tanda dari sebuah
faktor diganti. Sehingga faktor tersebut dan gabungannya akan memberikan
estimasi efek utama faktor tersebut dan semua interaksi dua faktor yang
berkaitan dengannya bebas dari efek utama dan interaksi lainnya.
b. Penambahan sebuah pecahan penganti dengan menganti semua tanda dari
kolom perlakuan.
Misalkan dalam Contoh 4.5 sebuah pecahan kedua ditambahkan pada
rancangan 27-4dengan merubah tanda untuk semua faktornya
sehinggadiperoleh kombinasi linear sebagai berikut:
A ' A BD CE FG
B ' B AD CF EG
C ' C AC BF DG
D ' D AB EF CG
E ' E AC DF BG
F ' F BC DC AG
G ' G CD BE AF
Dengan mengabungkan pecahan ini dengan pecahan utama diperoleh:
Tabel 4.14. Pengabungan pecahan utama dan pecahan penganti dalam

Contoh 4.5 dengan menganti semua tanda dalam kolom
perlakuan
i ( i+ i) ( i- i)
101
A A CE + FG + BD
B B CF + EG+ AD
C C AC + BF+ DG
D D AE + BC +DG
E E AC + BG + DF
F F BC +AG + DE
G G BE + AF +CD
Penambahan sebuah pecahan penganti dengan menganti semua tanda
dari semua faktor, maka rancangan gabungannya akan memberikan estimasi
semua efek utama yang bebas dari semua interaksi dua faktor. Prosedur ini
disebut dengan melipat (folding over) rancangan.
Menurut Box dan Hunter (dalam Box dan Hunter 2000) jika suatu
pecahan diulang dengan tanda yang dibalik maka semua hubungan alias antara
efek utama dan interaksi dua faktor menjadi terputus.
Jika mengunakan rancangan percobaan faktorial 2k secara lengkap,
pada awal percobaan mungkin merupakan hal yang kurang praktis maka
pengunaan rancangan fraksional 2k-p jumlah amatan akan berkurang dan
homogenitas antar perlakuan dapat diperbaiki, karena jumlah amatan
menjadi lebih sedikit. Selain itu dengan mengabungkan rancangan
fraksional dapat diperoleh rancangan fraksional dengan ukuran yang lebih
besar yaitu dengan mengabungkan beberapa pecahan yang mungkin
terbentuk. Karena dalam rancangan fraksional 2k-p memerlukan p efek yang
dibaurkan untuk dijadikan sebagai pembangkit, maka dapat mengakibatkan
hilangnya informasi penting dan sulit menentukan faktor mana yang akan
dibaurkan
102
Contoh 4.6
Seseorang yang gemar bersepada ingin tertarik untuk mengetahui berapa
waktu yang diperlukan untuk menadaki sebuah bukit dan faktor apa yang
sangat mempengaruhi pendakian tersebut. Maka Dalam penelitian itu
diduga ada 7 faktor akan mempengaruhi waktu pendakian dan masing-
masing faktor mendapat dua taraf perlakuan. Adapun ketujuh faktor
tersebut adalah:
Faktor Taraf Taraf

rendah tinggi
Posisi sedel sepeda (A) Rendah Maksimum
Dinamo (B) Mati Hidup
Setang (pengemudi) (C Bawah Atas
Gear (D) Kecil Sedang
Jas hujan (E) Tidakmemakai Memakai
Sarapan (F) Tidak Ya
Tingkat kecapekan (G) rendah tinggi
Sedangkan jumlah amatan yang akan diamati dalam percobaan tersebut
hanya sebanyak delapan amatan. Sehingga rancangan untuk percobaan
tersebut adalah rancangan fraksional 27-4. Adapun kedelapan amatan
tersebut tampak seperti dalam Tabel 4.15
Tabel 4.15. Hasil waktu untuk delapan amatan dalam Contoh 4.6
Amat A B C D= E=AC F=BC G= Kombinasi Waktu

an AB ABC perlakuan (sekon)
1 - - - + + + - def 69
2 + - - - - + + afg 52
3 - + - - + - + beg 60
4 + + - + - - - abd 83
5 - - + + - - + cdg 71
6 + - + - + - - ace 50
7 - + + - - + - bcf 59
8 + + + + + + + abcdefg 88
103
Dari Contoh 4.5 maka stuktur alias untuk percobaan diatas adalah
A A + BD + CE + FG = 14 ( 69 + 52 60 + 83 71 + 50 59 + 88) =
14
= 3.5
4
B B + AD + CF + EG = 14 ( 69 52 + 60 + 83 71 50 + 59 + 88) = = 12
48
4
C C + AE + BF + DG = 14 ( 69 52 60 83 + 71 + 50 + 59 + 88) = = 1
4
4
D D + AB + EF + CG = 14 (69 52 60 + 83 + 71 50 59 + 88) = = 22.5
90
4
E E + AC + DF + BG = 14 (69 52 + 60 83 71 + 50 59 + 88) = = 0.5
2
4
F F + BC + DE + AG = 14 (69 + 52 60 83 71 50 + 59 + 88) = = 1
4
4
G G + CD + BE + AF = 14 ( 69 + 52 + 60 83 + 71 50 59 + 88) = = 2.5
10
4
Dari estimasi efek utama efek yang signifikan berpengaruh terhadap waktu
untuk mendaki tersebut yaitu faktor D dan B
Sehingga jumlah kuadrat untuk B dan D adalah
JK B =
(48)
2
= 36 JK D =
(90 )
2
= 126.5625
26 26
sedangkan rata kuadrat dari B, D adalah RJKB = 36 dan RJKD = 126.5625

B
JKeror =
(14)2 + (4)2 + (2)2 + (4)2 + (10)2 = 5.1875
26
5.1875
Dan nilai RJK error = = 1.296875
4
1.296875
maka Standar eror efek = = = 0.201 . Perhitungan diatas
RJK error
2k 2
25
dapat juga dilakukan dengan program minitab 14 (Lampiran 8)
Untuk mengetahui faktor atau kombinasi perlakuan yang akan
menghasilkan waktu pendakian yang maksimum maka rancangan fraksional

104
27-4 diproyeksikan dalam rancangan faktorial 22 dengan 2 ulangan, maka
diperoleh seperti dalam Tabel 4.16
Tabel 4.16. Proyeksi rancangan faktorial 27-4 dalam Contoh 4.6
Faktor Dynamo (B)

mati hidup
Gear Kecil 52 60
(D) 50 59
102 119
sedang 69 83
71 88
140 171
Dari Tabel 4.16 maka dapat ditentukan estimasi efek utama B,D dan
kombinasi BD adalah:
B=
1
(bd + b d (1)) = (171 + 119 140 102) = 12
2.2 4
D=
1
(bd + d b (1)) = (171 + 140 119 102) = 22
2.2 4
BD =
1
(bd + (1) b d ) = (171 + 102 140 119) = 3.5
2.2 4
Karena faktor gear mempunyai pengaruh yang besar dari faktor dynamo maka
faktor gear mempunyai pengaruh yang signifikan dibandingkan dengan
keenam faktor yang lain.

105
BAB V
KESIMPULAN
Rancangan percobaan faktorial 2k adalah suatu rancangan percobaan yang
melibatkan k buah faktor dengan setiap faktor hanya terdiri atas dua taraf.
Banyaknya taraf 2 ditulis menjadi bilangan pokok dan banyaknya faktor ialah k
menjadi pangkat. Sehingga jumlah amatan untuk rancangan percobaan faktorial 2k
sebanyak 2k. Semakin banyak k faktor yang terlibat maka jumlah amatan akan
semakin bertambah sehingga untuk menghitung jumlah kuadrat dan estimasi
setiap perlakuan akan menjadi sulit, untuk mempermudahnya maka digunakan
algoritma Yates.
Kelebihan rancangan percobaan faktorial 2k
1. Semua unit percobaan dapat digunakan dalam mengevaluasi efek dari
masing-masing faktor.
2. Interaksi antar faktor dapat diduga . Ini berarti dapat diketahui apakah
masing-masing faktor bekerja sendiri atau secara bersama-sama.
3. Ruang lingkup kesimpulan dapat diperluas dengan menambah faktor yang
diteliti, dengan demikian suatu faktor dapat direkomendasikan pada berbagai
kondisi yang sesuai.
Kelemahan rancangan percobaan faktorial 2k.
1. Jumlah faktor yang diteliti semakin banyak akan membutuhkan banyak
materi, pembiayaan dan kerumitan dalam penghitungan

106
2. Tidak praktis dan bijaksana melakukan percobaan besar pada awal
penelitian apabila hasil dari beberapa percobaan awal yang kecil mungkin
memberikan hasil yang lebih baik.
Ada kemungkinan rancangan percobaan faktorial 2k lengkap tidak dapat
dilakukan dalam keadaan yang homogen. Maka dapat digunakan teknik
pembauran rancangan faktorial 2k-p, yaitu teknik rancangan percobaan faktorial 2k
dapat dilakukan dalam 2p blok (p<k) dengan setiap blok memuat 2k-p amatan dan p
efek yang saling bebas dipilih untuk dibaurkan dalam blok. Sedangkan 2p-p-1 efek
yang tersisa dibaurkan dalam blok menjadi interaksi yang disamaratakan dari p
efek yang saling bebas tersebut. Hasil penyelesaian dan analisis yang diperoleh
dengan melakukan pembauran akan sama dengan hasil yang diperoleh jika
melakukan rancangan percobaan faktorial lengkap. Hal ini karena dalam
pembauran percobaan faktorial dibagi kedalam blok-blok yang berukuran yang
lebih kecil dengan membaurkan p efek ke dalam blok tanpa menggurangi jumlah
amatan.
Kelebihan pemburan dalam rancangan percobaan faktorial 2k
1. Pengamatan terbagi menjadi dalam blok yang lebih kecil, sehingga
keragaman dalam setiap blok minimum dan keragaman antar blok
maksimum, karena keragaman blok menjadi bagian dari galat percobaan.
2. Ketepatan percobaan lebih tinggi.
Kelemahan pembauran dalam rancangan percobaan faktorial 2k adalah sulit
menentukan kombinasi mana yang akan dibaurkan sebagai landasan
pengelompokan.
107
Dalam praktek pengamatan rancangan faktorial 2k secara lengkap tidaklah
ekonomis bahkan dalam beberapa hal tidak mungkin dilakukan, maka diambil
sebagian amatan dari pengamatan penuh. Jika hal ini terjadi maka dikatakan
rancangan tersebut disebut dengan rancangan fraksional.
Dengan rancangan faktorial fraksional 2k-p memerlukan jumlah amatan
yang lebih sedikit dari rancangan faktorial 2k. Rancangan faktorial fraksional 2k-p
dapat diproyeksikan kedalam rancangan faktorial 2r, dengan r k p.
Rancangan resolusi merupakan suatu cara untuk menyususun rancangan
fraksional 2k-p berdasarkan stuktur alias yang dihasilkan. Alias adalah dua efek
atau lebih yang mempunyai nilai kombinasi perlakuan yang sama. Hasil
penyelesaian dan analisis dengan perulangan fraksional 2k-p akan mempunyai hasil
yang sama dengan pengamatan penuh, karena sebuah rancangan yang berisi
2kamatan dibentuk dari perulangan rancangan 2k-p sebanyak 2p dengan pergantian
tanda (+) dan tanda (-).
Kelemahan dari perulangan fraksional adalah kehilangan keterangan untuk
beberapa pengaruh dalam percobaan dan sulit menentukan faktor mana yang akan
dihilangkan. Sedangkan kelebihannya adalah:
1. Jumlah amatan berkurang.
2. Memungkinkan mengurangi ukuran kelompok dengan tidak memerlukan
seluruh perlakuan yang diujikan ada dalam satu kelompok.
3. Homogenitas satuan percobaan dapat diperbaiki.

108
DAFTAR PUSTAKA
Finney, DJ. 1965. An Introduction to the teory of experimental design. Chicago:

The University of Chicago press
Gomez, A.Kwanchai. 1998. Prosedur Statistik Untuk Penelitiian Pertanian. Edisi

kedua. Jakarta: Universitas Indonesia
Montgomery, Douglas C. 1976. Design Analysis of Experiments. Third edition.

USA: Courier Companies
Sandra Widasari. 1988. Rancangan Percobaan. Jakarta: Universitas terbuka
Sugandi, E. Sugiarto. 1994. Rancangan Percobaan. Edisi pertama. Yogyakarta:

Andi offset
Sudjana. 1989. Desain dan Analisis Eksperimen. Bandung:Tarsito
Ronald, A Fisher. 1960. Design of Experiments. Eight edition. Britain: Oliver and
Boys.
Walpole, R. E. 1990. Pengantar Statistika. Edisi ketiga. Jakarta: Gramedia

109
110
111
112
113
Lampiran 4 :
Hasil dengan minitab untuk Contoh 3.1
Data pengamatan
kosentrasi jenis
StdOrder RunOrder CenterPt Blocks reaktan katalis hasil
3 1 1 1 15% 2 18
8 2 1 1 25% 2 31
12 3 1 1 25% 2 30
11 4 1 1 15% 2 19
4 5 1 1 25% 2 29
1 6 1 1 15% 1 28
10 7 1 1 25% 1 36
6 8 1 1 25% 1 32
9 9 1 1 15% 1 25
5 10 1 1 15% 1 27
7 11 1 1 15% 2 23
2 12 1 1 25% 1 32
Full Factorial Design
Factors: 2 Base Design: 2, 4

Runs: 12 Replicates: 3
Blocks: 1 Center pts (total): 0
Factorial Fit: hasil versus kosentrasi reaktan, jenis katalis
Estimated Effects and Coefficients for hasil (coded units)
Term Effect Coef SE Coef T P

Constant 27.500 0.5713 48.14 0.000
kosentrasi reaktan 8.333 4.167 0.5713 7.29 0.000
jenis katalis -5.000 -2.500 0.5713 -4.38 0.002
kosentrasi reaktan*jenis katalis 1.667 0.833 0.5713 1.46 0.183
S = 1.97906 R-Sq = 90.30% R-Sq(adj) = 86.66%
Analysis of Variance for hasil (coded units)
Source DF Seq SS Adj SS Adj MS F P

Main Effects 2 283.333 283.333 141.667 36.17 0.000
2-Way Interactions 1 8.333 8.333 8.333 2.13 0.183
Residual Error 8 31.333 31.333 3.917
Pure Error 8 31.333 31.333 3.917
Total 11 323.000
Estimated Coefficients for hasil using data in uncoded units

114
Term Coef
Constant 35.0000
kosentrasi reaktan 1.66667
jenis katalis -5.00000
kosentrasi reaktan*jenis katalis 1.66667
Normal Probability Plot of the Standardized Effects

(response is hasil, Alpha = .05)
99
Effect Type
Not Significant
95 Significant
90 Factor Name
A kosentrasi reaktan
80 A B jenis katalis
70
Percent
60
50
40
30
20 B
10
1
-5.0 -2.5 0.0 2.5 5.0 7.5
Standardized Effect
Interaction Plot (data means) for hasil

34 kosentrasi
reaktan
15%
32
25%
30
28
Mean
26
24
22
20
1 2
jenis katalis
115
Lampiran 5 :
Full Factorial Design
Factors: 3 Base Design: 3, 8

Factorial Fit: hasil versus kecepatan, dalamnya pemotongan, Sudut
Estimated Effects and Coefficients for hasil (coded units)
Term Effect Coef SE Coef T

P
Constant 11.0625 0.3903 28.34
0.000
kecepatan 3.3750 1.6875 0.3903 4.32
0.003
dalamnya pemotongan 1.6250 0.8125 0.3903 2.08
0.071
Sudut 0.8750 0.4375 0.3903 1.12
0.295
kecepatan*dalamnya pemotongan 1.3750 0.6875 0.3903 1.76
0.116
kecepatan*Sudut 0.1250 0.0625 0.3903 0.16
0.877
dalamnya pemotongan*Sudut -0.6250 -0.3125 0.3903 -0.80
0.446
kecepatan*dalamnya pemotongan*Sudut 1.1250 0.5625 0.3903 1.44
0.188
S = 1.56125 R-Sq = 79.02% R-Sq(adj) = 60.66%
Analysis of Variance for hasil (coded units)

Main Effects 3 59.1875 59.1875 19.729 8.09 0.008
Residual Error 8 19.5000 19.5000 2.438
Pure Error 8 19.5000 19.5000 2.438
Total 15 92.9375
Estimated Coefficients for hasil using data in uncoded units
Term Coef
Constant 11.0625
kecepatan 1.68750
dalamnya pemotongan 0.812500
Sudut 0.437500
116
kecepatan*dalamnya pemotongan 0.687500

kecepatan*Sudut 0.062500
dalamnya pemotongan*Sudut -0.312500
kecepatan*dalamnya pemotongan*Sudut 0.562500
Normal Probability Plot of the Standardized Effects

(response is hasil, Alpha = .05)
99
Effect Type
Not Significant
95 Significant
90 A F actor Name
A kecepatan
80 B dalamny a pemotongan
C Sudut
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3 4 5
Standardized Effect
Interaction Plot (data means) for hasil

0.025 inci 0.040 inci 15 25
14 kecepatan
20 inci/menit
30 inci/menit
12
kecepatan
10
14 dalamnya
pemotongan
0.025 inci
12
dalamnya pemotongan 0.040 inci
10
Sudut
117
Probability Plot of hasil

Normal - 95% CI
99
Mean 11.06
StDev 2.489
95 N 16
AD 0.304
90
P-Value 0.532
80
70
Percent
60
50
40
30
20
10
1
5 10 15 20
hasil
118
Lampiran 6:
Factors: 4 Base Design: 4, 16 Resolution with blocks: V

Block Generators: ABCD
Alias Structure
I
Blk = ABCD
A
B
C
D
AB
AC
AD
BC
BD
CD
ABC
ABD
ACD
BCD
Factorial Fit: respon versus Block, suhu, tekanan, ...
Estimated Effects and Coefficients for respon (coded units)
Term Effect Coef

Constant 70.063
Block -0.688
suhu 21.625 10.812
tekanan 3.125 1.562
konsentrasi 9.875 4.938
kecepatan penggadukan 14.625 7.312
suhu*tekanan 0.125 0.062
suhu*konsentrasi -18.125 -9.063
suhu*kecepatan penggadukan 16.625 8.313
tekanan*konsentrasi 2.375 1.188
tekanan*kecepatan penggadukan -0.375 -0.188
konsentrasi*kecepatan penggadukan -1.125 -0.563
suhu*tekanan*konsentrasi 1.875 0.938
suhu*tekanan*kecepatan penggadukan 4.125 2.062
suhu*konsentrasi* -1.625 -0.813
kecepatan penggadukan
tekanan*konsentrasi* -2.625 -1.313
Analysis of Variance for respon (coded units)

Blocks 1 7.56 7.56 7.563 * *
Main Effects 4 3155.25 3155.25 788.812 * *
119
2-Way Interactions 6 2447.88 2447.88 407.979 * *

Residual Error 0 * * *
Total 15 5730.94
Normal Probability Plot of the Effects

(response is respon, Alpha =.05)
99
Effect Type
Not Significant
95 A Significant
90 Factor Name
AD
A suhu
80 D B tekanan
C
70 C konsentrasi
Percent
60 D kecepatan penggadukan
50
40
30
20
10
5 AC
1
-20 -10 0 10 20
Effect
Lenth's PSE =3.1875
Interaction Plot (data means) for respon

-1 1 -1 1 -1 1
100
suhu
-1
75 1
suhu
50
100
tekanan
-1
75 1
tekanan
50
100
konsentrasi
-1
75 1
konsentrasi
50
120
Lampiran 7
Hasil dengan minitab untuk contoh 4.3
Fractional Factorial Design
Factors: 5 Base Design: 5, 16 Resolution: V

Runs: 16 Replicates: 1 Fraction: 1/2
Design Generators: E = ABCD
Alias Structure
I + ABCDE
A + BCDE
B + ACDE
C + ABDE
D + ABCE
E + ABCD
AB + CDE
AC + BDE
AD + BCE
AE + BCD
BC + ADE
BD + ACE
BE + ACD
CD + ABE
CE + ABD
DE + ABC
Factorial Fit: respon(%) versus kecepatan rata-rata(A), Katalis( B), ...

Estimated Effects and Coefficients for respon(%) (coded units)
Term Effect Coef

Constant 65.250
kecepatan rata-rata(A) -2.000 -1.000
Katalis( B) 20.500 10.250
Kecepatan penggadukan(C) -0.000 -0.000
Suhu (D) 12.250 6.125
Kosentrasi (E) -6.250 -3.125
kecepatan rata-rata(A)*Katalis( B) 1.500 0.750
kecepatan rata-rata(A)* 0.500 0.250
Kecepatan penggadukan(C)
kecepatan rata-rata(A)*Suhu (D) -0.750 -0.375
kecepatan rata-rata(A)* 1.250 0.625
Kosentrasi (E)
Katalis( B)*Kecepatan penggadukan(C) 1.500 0.750
Katalis( B)*Suhu (D) 10.750 5.375
Katalis( B)*Kosentrasi (E) 1.250 0.625
Kecepatan penggadukan(C)*Suhu (D) 0.250 0.125
Kecepatan penggadukan(C)* 2.250 1.125
Kosentrasi (E)
Suhu (D)*Kosentrasi (E) -9.500 -4.750
S = *
Analysis of Variance for respon(%) (coded units)

Main Effects 5 2453.5 2453.5 490.70 * *
121
Total 15 3331.0
Alias Structure
I + kecepatan rata-rata(A)*Katalis( B)*Kecepatan penggadukan(C)*Suhu
(D)*Kosentrasi (E)
kecepatan rata-rata(A) + Katalis( B)*Kecepatan penggadukan(C)*Suhu
(D)*Kosentrasi (E)
Katalis( B) + kecepatan rata-rata(A)*Kecepatan penggadukan(C)*Suhu
(D)*Kosentrasi (E)
Kecepatan penggadukan(C) + kecepatan rata-rata(A)*Katalis( B)*Suhu
(D)*Kosentrasi (E)
Suhu (D) + kecepatan rata-rata(A)*Katalis( B)*Kecepatan
penggadukan(C)*Kosentrasi (E)
Kosentrasi (E) + kecepatan rata-rata(A)*Katalis( B)*Kecepatan
penggadukan(C)*Suhu (D)
kecepatan rata-rata(A)*Katalis( B) + Kecepatan penggadukan(C)*Suhu
(D)*Kosentrasi (E)
kecepatan rata-rata(A)*Kecepatan penggadukan(C) + Katalis( B)*Suhu
(D)*Kosentrasi (E)
kecepatan rata-rata(A)*Suhu (D) + Katalis( B)*Kecepatan
kecepatan rata-rata(A)*Kosentrasi (E) + Katalis( B)*Kecepatan
Katalis( B)*Kecepatan penggadukan(C) + kecepatan rata-rata(A)*Suhu
(D)*Kosentrasi (E)
Katalis( B)*Suhu (D) + kecepatan rata-rata(A)*Kecepatan
Katalis( B)*Kosentrasi (E) + kecepatan rata-rata(A)*Kecepatan
Kecepatan penggadukan(C)*Suhu (D) + kecepatan rata-rata(A)*Katalis(
B)*Kosentrasi (E)
Kecepatan penggadukan(C)*Kosentrasi (E) + kecepatan rata-rata(A)*Katalis(
B)*Suhu (D)
Suhu (D)*Kosentrasi (E) + kecepatan rata-rata(A)*Katalis( B)*Kecepatan
penggadukan(C)
degrees of freedom for error = 0.
Normal Probability Plot of the Effects

(response is respon(%), Alpha = .05)
99
Effect Type
Not Significant
95 B Significant
90 D F actor N ame
A kecepatan rata-rata(A )
80 BD
B Katalis( B)
70 C Kecepatan penggadukan(C )
Percent
60 D S uhu (D)
E Kosentrasi (E )
50
40
30
20
10 E
5 DE
1
-10 -5 0 5 10 15 20
Effect
Lenth's PSE = 1.875
122
Lampiran 8
Hasil dengan minitab untuk contoh 4.4
Fractional Factorial Design
Factors: 7 Base Design: 7, 8 Resolution: III

Runs: 8 Replicates: 1 Fraction: 1/16
* NOTE * Some main effects are confounded with two-way interactions.
Design Generators: D = AB, E = AC, F = BC, G = ABC
Alias Structure
I + ABD + ACE + AFG + BCF + BEG + CDG + DEF + ABCG + ABEF + ACDF + ADEG +
BCDE
+ BDFG + CEFG + ABCDEFG
A + BD + CE + FG + BCG + BEF + CDF + DEG + ABCF + ABEG + ACDG + ADEF +
ABCDE +
ABDFG + ACEFG + BCDEFG
B + AD + CF + EG + ACG + AEF + CDE + DFG + ABCE + ABFG + BCDG + BDEF +
ABCDF +
ABDEG + BCEFG + ACDEFG
C + AE + BF + DG + ABG + ADF + BDE + EFG + ABCD + ACFG + BCEG + CDEF +
ABCEF +
ACDEG + BCDFG + ABDEFG
D + AB + CG + EF + ACF + AEG + BCE + BFG + ACDE + ADFG + BCDF + BDEG +
ABCDG +
ABDEF + CDEFG + ABCEFG
E + AC + BG + DF + ABF + ADG + BCD + CFG + ABDE + AEFG + BCEF + CDEG +
ABCEG +
ACDEF + BDEFG + ABCDFG
F + AG + BC + DE + ABE + ACD + BDG + CEG + ABDF + ACEF + BEFG + CDFG +
ABCFG +
ADEFG + BCDEF + ABCDEG
G + AF + BE + CD + ABC + ADE + BDF + CEF + ABDG + ACEG + BCFG + DEFG +
ABEFG +
ACDFG + BCDEG + ABCDEF
Factorial Fit: waktu versus sedel, dinamo, ...
Estimated Effects and Coefficients for waktu (coded units)
Term Effect Coef

Constant 65.8750
sedel 2.2500 1.1250
dinamo 10.7500 5.3750
setang -0.2500 -0.1250
gear 21.2500 10.6250
jas hujan -0.7500 -0.3750
sarapan -0.2500 -0.1250
tingkat kecapekan 1.2500 0.6250
S = *
Analysis of Variance for waktu (coded units)

Main Effects 7 1149 1149 164.1 * *
123
Total 7 1149
Estimated Coefficients for waktu using data in uncoded units
Term Coef
Constant 65.8750
sedel 1.12500
dinamo 5.37500
setang -0.125000
gear 10.6250
jas hujan -0.375000
sarapan -0.125000
tingkat kecapekan 0.625000
Effects Plot for waktu
Alias Structure (up to order 3)

I + sedel*dinamo*gear + sedel*setang*jas hujan + sedel*sarapan*tingkat
kecapekan + dinamo*setang*sarapan + dinamo*jas hujan*tingkat
kecapekan +
setang*gear*tingkat kecapekan + gear*jas hujan*sarapan
sedel + dinamo*gear + setang*jas hujan + sarapan*tingkat kecapekan +
dinamo*setang*tingkat kecapekan + dinamo*jas hujan*sarapan +
setang*gear*sarapan + gear*jas hujan*tingkat kecapekan
dinamo + sedel*gear + setang*sarapan + jas hujan*tingkat kecapekan +
sedel*setang*tingkat kecapekan + sedel*jas hujan*sarapan +
setang*gear*jas
hujan + gear*sarapan*tingkat kecapekan
setang + sedel*jas hujan + dinamo*sarapan + gear*tingkat kecapekan +
sedel*dinamo*tingkat kecapekan + sedel*gear*sarapan +
dinamo*gear*jas
hujan + jas hujan*sarapan*tingkat kecapekan
gear + sedel*dinamo + setang*tingkat kecapekan + jas hujan*sarapan +
sedel*setang*sarapan + sedel*jas hujan*tingkat kecapekan +
dinamo*setang*jas hujan + dinamo*sarapan*tingkat kecapekan
jas hujan + sedel*setang + dinamo*tingkat kecapekan + gear*sarapan +
sedel*dinamo*sarapan + sedel*gear*tingkat kecapekan +
dinamo*setang*gear +
setang*sarapan*tingkat kecapekan
sarapan + sedel*tingkat kecapekan + dinamo*setang + gear*jas hujan +
sedel*dinamo*jas hujan + sedel*setang*gear + dinamo*gear*tingkat
kecapekan
+ setang*jas hujan*tingkat kecapekan
tingkat kecapekan + sedel*sarapan + dinamo*jas hujan + setang*gear +
sedel*dinamo*setang + sedel*gear*jas hujan + dinamo*gear*sarapan +
setang*jas hujan*sarapan
124
N o r m a l P r o b a b i l i ty P l o t o f th e E f f e c ts
( r e s p o n s e is w a ktu , A lp h a = .0 5 )
99
E ffe c t T y p e
N o t S ig n ific a n t
95 S ig n ific a n t
90 g ear
80
d in a m o
70
Percent
60
50
40
30
20
10
5
1
0 5 10 15 20
Ef f e c t
L e n th 's P S E = 1 .1 2 5

Confounding

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Confounding

Diunggah oleh

Hak Cipta:

Format Tersedia

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PEMBAURAN dan PERULANGAN FRAKSIONAL

Diajukan untuk Memenuhi Salah Satu Syarat

PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA

PERNYATAAN KEASLIAN KARYA

dalam kutipan dan daftar pustaka, sebagimana layaknya karya illmiah.

Yogyakarta, 31 Juli 2007

Segala sesuatu indah pada waktunya

Kelak disaat begitu banyak jalan tebentang dihadapanmu

(Va dove ti porta il Coure, Susanna Tamaro)

Skripsi ini ku persembahkan kepada

Sahabatku Yesus Kristus

yang selalu setia dan hadir menemaniku

Dalam praktek sering tidak memungkinkan untuk melakukan percobaan

Banyaknya amatan dalam rancangan rancangan percobaan faktorial 2k

Practically, it I imposisible to do the experiment of 2k factorial completely

Banyak hambatan dan kesulitan yang ditemui penulis dalam menyusun

terselesaikan. Oleh karena itu penulis ingin mengucapkan terimakasih kepada:

1. Ibu CH. Enny Murwaningtyas, S.Si, M.Si, selaku dosen pembimbing

yang dengan penuh kesabaran dan kasih telah meluangkan waktu,

pikiran serta kesabaran membimbing penulis menyusun dan

menyelesaikan skripsi ini.

penulis selama di bangku kuliah.

4. Ibu Suwarni dan Mas Tukijo yang telah memberikan pelayanan

adminitrasi dalam urusan urusan akademik kepada penulis.

mengantar penulis ke kampus.

6. Kedua orangtuaku yang tak henti-hentinya mendoakan dan

memberikan dukungan baik moral maupun materi sehingga penulis

dapat menyelesikan skripsi ini.

8. Sahabat sahabat yang telah memberikan semangat, keceriaan dan

kehangatan selama ini: Ayuk, Bunga, Lina, Vincent, Lia, Duduk,

Resto, Ririn, Tawang, Rm Riana, Rm. Kristyanto dan Rm.

9. Teman-teman angkatan 00, angkatan 98 ,angkatan 99 dan angkatan

besarnya, Andre, Ari, mas Loly

skripsi ini memberikan manfaat dan berguna bagi semua pihak.

Yogyakarta, Juli 2007

HALAMAN PERSETUJUAN PEMBIMBING ii

HALAMAN PENGESAHAN iii

HALAMAN PERNYATAAN KEASLIAN KARYA iv

KATA PENGANTAR viii

DAFTAR GAMBAR xii

DAFTAR TABEL xiii

BAB II LANDASAN TEORI 6

A. Distribusi Normal, distribusi Khi-kuadrat, dan distribusi - F 6

1. Tahap - Tahap Percobaan 33

3. Jenis-jenis rancangan Percobaan 37

BAB III RANCANGAN PERCOBAAN FAKTORIAL 2k 39

A. Rancangan Percobaan faktorial 22 40

B. Rancangan Percobaan faktorial 23 50

C. Rancangan Percobaan faktorial 2k 57

BAB IV PEMBAURAN dan PERULANGAN FRAKSIONAL 2k-p 69

B. Perulangan Fraksioanal 2k-p 81

1. Rancangan Fraksional 2k-1 83

2. Rancangan Fraksional 2k-p 94

BAB V KESIMPULAN 105

DAFTAR PUSTAKA 108

Tabel 4.14 100

Tabel 4.15 102

Tabel 4.16 103

Tabel Lampiran 1 109

Tabel Lampiran 2 110

Tabel Lampiran 3 111

Tabel Lampiran 1 109

Tabel Lampiran 2 110