ARTIKEL BIOLOGI

OLEH :

RACHMATRIADI
I WAYANG PASEK

SEKOLAH MENENGAH ATAS (SMA) 2

KOTA MATARAM
TAHUN 2017/2018
7. 117 Studi Tata Letak (Layout) Fasilitas.

Tata letak fasilitas (facility layout) dan desain alur perpindahan barang/bahan (material
flowpath) merupakan faktor penting dalam analisis produktivitas system manufaktor yang
terotomatis. Tata-letak fasilitas berkaitan dengan pengaturan lokasi mesin dan stok
penyangga (buffer) untuk barang dalam proses (work-in-process). Desain alur barang
berkaitan dengan arah perpindahan bahan manufaktur (yaitu ke satu arah atau ke dua arah;
Lee, Lei. Dan Pinedo, Annals of Operations Research, 1997). Produsen papan sirkuit tercetak
(printed circuit board) ingin mengevaluasi 2 alternative desain tata-letak dan alur barang
yang telah diterapkan. Output dari masing-masing desain dipantau selama 8 hari kerja
berturut-turut. Datanya (yang disajikan dalam tabel berikut ini) di simpan dalam file
FLOWPATH. Desain 2 nampak lebih baik dari pada desain 1. Apakah anda setuju? Jelaskan
pendapat anda secara lengkap.

HARI KERJA DESAIN 1 (UNIT) DESAIN 2 (UNIT)

16/8 1.220 1.273
17/8 1.092 1.363
18/8 1.136 1.342
19/8 1.205 1.471
20/8 1.086 1.299
23/8 1.274 1.457
24/8 1.145 1.263
25/8 1.281 1.368

Penyelesaian :
Bagan Informasi :

Pada kasus diatas yang ingin di uji adalah apakah rata-rata desain 2 lebih baik dari rata-
rata desain 1 dalam hal desain tata-letak dan alur arah perpindahan barang manufaktur yang
telah diterapkan. Untuk mengetahui hal tersebut digunakan pengujian t sampel independen.
Hipotesis yang digunakan adalah sebagai berikut:
0 : Rata-rata desain 2 sama dengan rata-rata desain 1
1 : Rata-rata desain 2 lebih baik dari pada rata-rata desain 1

Sebelum melakukan pengujian menggunakan t sampel independen, terlebih dahulu

diperiksa apakah asumsi bahwa kedua kelompok data mempunyai varians sama (varian
desain 1 dan desain 2), sudah terpenuhi atau tidak terpenuhi. Untuk pengujian asumsi tersebut
digunakan uji Levenes.
Uji Levenes
Uji Levenes merupakan metode pengujian homogenitas varians yang hamper
sama dengan uji Bartlet. Perbedaan uji Levenes dengan uji Bartlet yaitu bahwa data
yang diuji dengan Levenes tidak harus berdistribusi normal, namun harus kontinu.
Hipotesis yang digunakan sebagai berikut:
0 : 12 = 22 = = 2 (data homogen/varian sama)
1 : paling sedikit ada satu 2 yang tidak sama
Statistik uji :
( ) =1 (. .. )2
=
( 1) =1 (. .. )2
=1

dimana : = median data pada kolom ke-i

.. = median untuk keseluruhan data

Kesimpulan : 0 ditolak jika > (, 1, ).

Hasil pengujian sebagai berikut:

Akan diperiksa apakah dua kelompok data mempunyai varians yang sama atau tidak,
dalam hal ini ingin mengetahui apakah varians desain 1 dan desain 2 sama atau tidak.
Dengan hipotesis sebagai berikut :
0 : kedua varians identik (varians desain 1 dan desain 2 sama)
1 : kedua varians tidak identik (varians desain 1 dan desain 2 tidak sama)

Tabel 1 :

desain N Lower StDev Upper

desain 1 8 47.8810 76.5347 175.301
desain 2 8 48.7955 77.9963 178.649

F-Test (Normal Distribution)

Test statistic = 0.96, p-value = 0.961

Levene's Test (Any Continuous Distribution)

Test statistic = 0.06, p-value = 0.804

Berdasarkan tabel hasil ujian di atas, terlihat bahwa deviasi standar untuk desain 1
sebesar 76,5347 dan deviasi standar untuk desain 2 sebesar 77,9963. Berdasarkan
Levenes Test pada tabel di atas dapat diperolah P-value = 0,804. Karena P-value >
( = 0,05) maka 0 tidak ditolak. Sehingga dapat disimpulkan bahwa kedua varians
sama.
 Pengujian menggunakan uji t dua sampel independen.
Karena asumsi bahwa kedua kelompok data mempunyai varians sama terpenuhi,
maka selanjutnya kita dapat menggunakan uji t dua sampel independen dengan asumsi
kedua varians sama. Uji t dua sampel independen pada prinsipnya akan membandingkan
rata-rata dari dua grup/kelompok data yang saling independen, dengan tujuan untuk
mengetahui apakah kedua kelompok data tersebut mempunyai rata-rata yang sama atau
tidak. Statistik yang digunakan adalah :
1 2
= 1 1
2 ( + )
1 2

dimana : 1 : rata-rata hitung sampel pertama

2 : rata-rata hitung sampel kedua
1 : jumlah sampel pertama
2 : jumlah sampel kedua
2 : penduga gabungan varians populasi

(1 1)12 +(2 1)22

dengan : 2 = dan derajat bebas = (1 + 2 2). Dengan Kriteria
1 +2 2

yang digunakan adalah : 0 ditolak jika < 2, atau > 2, , dalam hal
lainnya 0 tidak ditolak.

Kondisi yang diperlukan agar penarikan kesimpulan berbasis sampel kecil tentang
(1 2 ) menjadi valid:
a. Dua sampel diambil secara acak dengan cara yang independen dari dua populasi
sasaran.
b. Kedua sampel populasi memiliki distribusi yang mendekati normal.
c. Varians populasi adalah sama (yaitu, 12 = 22 ).

Hasil Analisis :
Akan dilakukan pemeriksaan bahwa kedua sampel populasi berdistribusi normal
(mendekati distribusi normal), dengan hipotesis :
 0 : data berdistribusi normal
1 : data tidak berdistribusi normal

Probability Plot of desain1

Normal
99
Mean 1180
StDev 76.53
95 N 8
KS 0.176
90
P-Value >0.150
80
70
Percent

60
50
40
30
20

10

1
1000 1100 1200 1300 1400
desain1

Probability Plot of desain2

Normal
99
Mean 1355
StDev 78.00
95 N 8
KS 0.181
90
P-Value >0.150
80
70
Percent

60
50
40
30
20

10

1
1200 1250 1300 1350 1400 1450 1500 1550
desain2

Berdasarkan gambar di atas terlihat bahwa nilai uji Kolmogorov-Smirnov untuk

desain 1 sebesar 0,176 dan desain 2 sebesar 0,181 serta P-value > 0,150. Karena P-value
> 0,150 yang berati bahwa P-value > ( = 0,05) maka 0 tidak ditolak. Sehingga
dapat disimpulkan bahwa desain 1 dan desain 2 berdistribusi normal. Selanjutnya
dilakukan pengujian untuk menentukan apakah rata-rata desain 2 lebih baik dari rata-
rata desain 1.
 Tabel 2 :
Two-sample T for desain2 vs desain1

SE
N Mean StDev Mean
desain2 8 1354.5 78.0 28
desain1 8 1179.9 76.5 27

Difference = mu (desain2) - mu (desain1)

Estimate for difference: 174.6
95% lower bound for difference: 106.6
T-Test of difference = 0 (vs >): T-Value = 4.52 P-Value = 0.000 DF = 14
Both use Pooled StDev = 77.2690

Berdasarkan hasil pengujian pada tabel 2 diatas diperolah rata-rata untuk desain 2
sebesar 1354,5 dan rata-rata untuk desain1 sebesar 1179,9. nilai t = 4,52 dengan derajat
bebas = (8 + 8 2) = 14 dan P-value sebesar 0,000. Karena P-value kurang dari ( =
0,05), maka 0 ditolak. Sehingga dapat disimpulkan bahwa rata-rata desain 2 lebih baik
dari pada rata-rata desain 1 (dalam hal desain tata-letak dan alur arah perpindahan barang
manufaktur).
Jadi, dalam kasus di atas ternyata memang benar bahwa desain 2 lebih baik dari
pada desain 1 dalam hal desain tata-letak dan alur arah perpindahan barang manufaktur.

8. 103 Studi Tentang Performa Ujian

Buka kembali studi dalam jurnal Teaching of Psychology (Agustus 1998) mengenai
apakah sesi latihan ujian dapat membantu para mahasiswa mempersiapkan diri secara lebih
baik dalam menghadapi ujian akhir, latihan 8.9 (hal 11). Ingat kembali bahwa para
mahasiswa program sarjana dikelompokkan menurut peringkat kelas mereka dan menurut
apakah mereka mengikuti sesi penyegaran materi (review) atau sesi latihan ujian sebelum
menjalani ujian akhir. Desain eksperimen yang digunakan adalah sebuah desain faktorial
3x2, dengan [faktor] Peringkat kelas dalam 3 level (bawa, tengah atau atas) dan Persiapan
ujian dalam 2 level (latihan ujian atau penyegaran materi). Terdapat 22 orang mahasiswa di
dalam masing-masing 3x2=6 kelompok perlakuan tersebut. Setelah selesai mengikuti ujian
akhir, tiap-tiap mahasiswa diminta untuk memberi penilaian terhadap kegiatan persiapan
ujian yang mereka jalani dengan sebuah skor berskala 10 poin, yang berkisar dari 0 (sama
sekali tidak membantu) hingga 10 (amat sangat membantu). Data-data untuk eksperimen ini
(disimulasikan dari statistik rangkuman yang tersedia di dalam artikel) dapat ditemukan
dalam file PRACEXAM. Lima data pengamatan pertama dan lima data pengamatan terakhir
disajikan pula pada tabel di bawah ini. Lakukan analisis variansi lengkap terhadap data-data
penilaian manfaat dari para mahasiswa tersebut, termasuk (jika diperlukan) prosedur
perbandingan berganda mean-mean perlakuan. Apakah hasil-hasil yang anda dapatkan
mendukung kesimpulan di dalam artikel bahwa para mahasiwa dari segala tingkatan
kemampuan akademis dapat memperoleh manfaat dari sesi latihan ujian?

PERSIAPAN UJIAN PERINGKAT KELAS PENILAIAN

MANFAAT
Latihan Bawah 6
Latihan Bawah 7
Latihan Bawah 7
Latihan Bawah 5
Latihan Bawah 3



Penyegaran Atas 5
Penyegaran Atas 2
Penyegaran Atas 5
Penyegaran Atas 4
Penyegaran Atas 3
Bagan Informasi :

- Desain eksperimen yang digunakan yaitu desain faktorial 3 x 2

- Terdapat 22 orang mahasiswa yang di dalam masing masing 3 x 2 = 6 perlakuan
- Penilaian mahasiswa terhadap kegiatan persiapan ujian yang mereka jalani dengan
sebuah skor berskala 10 poin, yang berkisar dari 0 (sama sekali tidak membantu)
hingga 10 (amat sangat membantu)
- 5 data pengamatan pertama dan 5 data pengamatan terakhir terdapat dalam tabel yang
disajikan

Ditanya:
Lakukan analisis variansi lengkap terhadap data-data penilaian manfaat dari para
mahasiswa tersebut, termasuk (jika diperlukan) prosedur perbandingan berganda mean-mean
perlakuan. Apakah hasil-hasil didapatkan mendukung kesimpulan di dalam artikel bahwa
para mahasiwa dari segala tingkatan kemampuan akademis dapat memperoleh manfaat
dari..sesi latihan ujian?

Atau dengan kata lain :

 Apakah sesi latihan ujian dapat membantu para mahasiswa mempersiapkan diri secara
lebih baik dalam menghadapi ujian akhir?

Penyelesaian:
1. Teori Pengantar Kasus
Di dalam dunia pendidikan, seringkali peringkat kelas dan sesi penyegaran materi
atau sesi latihan sangat berpengaruh terhadap persiapan ujian mahasiswa. Hal ini penting
untuk dijadikan patokan dalam melakukan studi tentang performa ujian. Biasanya, untuk
melihat bahwa mahasiswa siap dalam mengikuti ujian akhir yaitu dapat dilihat dari
peringkatnya, akan tetapi terkadang persiapan ujian (penyegaran) atau review juga
sangat memiliki pengaruh yang cukup penting terhadap persiapan ujian mahasiswa.
Berdasarkan uraian singkat kasus di atas maka metode yang digunakan dalam
pemecahan masalah ini adalah dengan menggunakan rancangan faktorial (design
factorial).
Rancangan faktorial berawal dari percobaan faktorial. Dimana, percobaan
faktorial dicirikan oleh perlakuan yang merupakan komposisi dari semua kemungkinan
kombinasi dari level-level dua faktor atau lebih. Dengan faktor yang mempengaruhi
yaitu keikutsertaan mahasiswa dalam penyegaran atau review dan peringkat kelas.
Rancangan faktorial digunakan juga untuk menduga adanya interaksi dari faktor yang
diteliti. Rancangan faktorial banyak digunakan untuk penelitian yang membutuhkan
ketelitian dalam penyusunan komposisi dari perlakuan yang berbeda.
Istilah faktorial lebih mengacu bagaimana perlakuan-perlakuan yang akan diteliti
disusun, tetapi tidak menyatakan bagaimana perlakuan-perlakuan tersebut ditempatkan
pada unit-unit eksperimen.
Banyak percobaan melibatkan studi tentang efek dari dua faktor atau lebih pada
rancangan faktorial, setiap percobaan yang lengkap melibatkan semua kombinasi dari
level-level dua faktor atau lebih yang akan diselidiki. Misalnya faktor A memiliki a level
dan faktor B memiliki b level, masing-masing perulangan berisi semua kombinasi
perlakuan ab.
 Pengaruh faktor didefinisikan sebagai perubahan respon yang dihasilkan oleh
perubahan pada level dari faktor. Ini sering disebut sebagai efek utama karena mengacu
pada faktor-faktor utama yang signifikan dalam percobaan. Kelebihan percobaan
faktorial adalah mampu mendeteksi respon dari masing-masing faktor (pengaruh utama)
serta interaksi antar dua faktor.
Adapun desain faktorial yang digunakan dalam kasus ini adalah desain faktorial
acak lengkap (RAL). Hal ini dikarenakan unit eksperimen homogen.
Secara Umum Model linier untuk rancangan dengan 2 faktor adalah:
= 1,2, ,
= + + + () + { = 1,2, , }
= 1,2, ,
Keterangan
: nilai pengamatan dari faktor A level ke , faktor B level ke dan ulangan ke
.
: rataan umum
: pengaruh utama dari faktor A level ke
: pengaruh utama dari faktor B level ke
() : pengaruh interaksi dari faktor A level ke dan faktor B level ke
: pengaruh acak dari faktor A level ke , faktor B level ke , dan ulangan ke
k.

Pengaruh Utama Faktor A

0 : 1 = 2 = = = 0 (faktor A tidak berpengaruh terhadap respon)
1 : paling sedikit ada satu dimana 0

Pengaruh Utama Faktor B

0 : 1 = 2 = = = 0 (faktor B tidak berpengaruh terhadap respon)
1 : paling sedikit ada satu dimana 0
Pengaruh interaksi AB
0 : 11 = = = 0 (interaksi faktor A dan faktor B tidak berpengaruh
terhadap respon)
1 : paling sedikit ada sepasang(, ) dimana () 0

Tolak 0 : Jika 0 > F (alpha, 1 , 2 )

Dekomposisi sumber keragaman:

a b n a b

( y
i 1 j 1 k 1
ijk y... ) bn ( yi.. y... ) an ( y. j . y... ) 2
2

i 1
2

j 1
a b a b n
n ( yij . yi.. y. j . y... ) 2 ( yijk yij . ) 2
i 1 j 1 i 1 j 1 k 1
2. Analisis Desain Faktorial

General Linear Model: rating versus standing, prep

Factor Type Levels Values

standing fixed 3 HI, LOW, MED
prep fixed 2 PRACTICE, REVIEW

Analysis of Variance for rating, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

standing 2 16.500 16.500 8.250 2.17 0.118
prep 1 54.735 54.735 54.735 14.40 0.000
standing*prep 2 13.470 13.470 6.735 1.77 0.174
Error 126 478.955 478.955 3.801
Total 131 563.659

S = 1.94967 R-Sq = 15.03% R-Sq(adj) = 11.66%

a) Pengaruh Peringkat Kelas Terhadap Persiapan Mahasiswa Dalam Menghadapi

Ujian Akhir
Hipotesis
0 : 1 = 2 = 3 = 0
0 : (Peringkat kelas tidak berpengaruh dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir)

1 0 dimana = 1,2,3
1 : (Peringkat kelas berpengaruh dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir)

Daerah Penolakan
Statistik < 0,05;2;35 = 3,27, maka gagal tolak 0 , atau dapat juga dilihat dari
nilai > , maka gagal tolak 0 .
 Interpretasi Out Put ANOVA untuk Uji Pengaruh Peringkat Kelas
Dari output, diketahui statistik F standing (peringkat kelas) adalah 2,17 dan p-value
adalah 0,118. Lebih lanjut, kesimpulannya adalah gagal menolak hipotesis awal
yang mengatakan bahwa Peringkat kelas tidak berpengaruh dalam membantu para
mahasiswa mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir.
Dengan kata lain, hipotesis awal diterima. Artinya, tidak ada perbedaan yang cukup
signifikan antara level dalam faktor standing (peringkat kelas) atau tidak ada
pengaruh yang cukp signfikan dari standing (peringkat kelas) terhadap persiapan
mahasiswa dalam mengahadapi ujian akhir.

b) Pengaruh Sesi Persiapan Ujian (Sesi Penyegaran atau Review) Terhadap

Persiapan Mahasiswa Dalam Menghadapi Ujian Akhir
Hipotesis
0 : 1 = 2 = 0
0 : (Sesi penyegaran tidak berpengaruh dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir)

1 : paling sedikit ada satu dimana 0 dimana = 1,2

1 : Sesi penyegaran berpengaruh dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir)

Daerah Penolakan
Statistik > 0,05;1;35 = 4,125, maka tolak 0 , atau dapat juga dilihat dari nilai
< , sehingga keputusannya tolak 0

Interpretasi Out Put ANOVA untuk Uji Pengaruh Sesi Persiapan Ujian
Dari output, diketahui statistik F persiapan ujian (sesi penyegaran atau review)
adalah 14,40 dan p-value adalah 0,000. Lebih lanjut, kesimpulannya adalah menolak
hipotesis awal yang mengatakan bahwa Sesi penyegaran tidak berpengaruh dalam
membantu para mahasiswa mempersiapkan diri secara lebih baik dalam
 menghadapi ujian akhir. Dengan kata lain, hipotesis alternatif diterima. Artinya,
ada perbedaan yang cukup signifikan antara level dalam faktor sesi persiapan ujian
atau ada pengaruh yang cukup signfikan dari sesi persiapan ujian dalam hal ini
adalah sesi penyegaran atau review terhadap persiapan mahasiswa dalam
mengahadapi ujian akhir.

c) Pengaruh interaksi antar faktor terhadap Persiapan Mahasiswa Dalam

Menghadapi Ujian Akhir
Hipotesis
0 : () = 0
0 : (interaksi antar faktor tidak berpengaruh dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir)

1 : paling sedikit ada sepasang(, ) dimana () 0

1 : (interaksi antar faktor berpengaruh dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir)

Daerah Penolakan
Statistik < 0,05;2;35 = 3,27, maka gagal tolak 0 , atau dapat juga dilihat dari
nilai > , maka gagal tolak 0 .

Interpretasi Out Put ANOVA untuk Uji Pengaruh Sesi Persiapan Ujian
Dari output, diketahui statistik F sebesar 1.77 dan P-value adalah 0,174. Oleh
karena itu, keputsannya adalah tidak terdapat pengaruh interaksi antara peringkat
mahasiswa dengan sesi penyegaran atau review dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir.
3. Grafik untuk Desain Faktorial serta Pengujian Perbandingan Berganda Mean-
Mean

Gambar 1 Gambar 2

Pada output analisis berupa grafik plot. Ada 2 grafik yang ditampilkan. Grafik
pertama adalah grafik untuk faktor utama yang digambarkan dalam 1 grafik dan grafik
ke 2 adalah grafik untuk interaksi kedua faktor.
Gambar 1 menggambarkan bahwa kedua faktor memiliki pengaruh yang
berlawanan dan terlihat bahwa standing (peringkat kelas yaitu; High, Low dan Medium)
tidak memiliki pengaruh besar dalam membantu para mahasiswa mempersiapkan diri
secara lebih baik dalam menghadapi ujian akhir. Bahkan peringkat kelas yang
menengahpun jauh lebih rendah dari peringkat yang rendah sekalipun. Sebaliknya untuk
sesi persiapan ujian (sesi penyegaran atau review) hal ini bisa dilihat, semakin intensif
sesi penyegaran maupun review dilakukan maka semakin tinggi juga nilai yang
diperoleh dalam mempersiapkan diri menghadapi ujian akhir. Ini berarti bahwa sesi
penyegaran atau review memiliki pengaruh yang sangat besar dalam membantu para
mahasiswa mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir.
Untuk Gambar ke-2 dapat dijelaskan melalui uji perbandingan berganda mean-
mean berikut ini:

a. Uji Rata-Rata Rating (Penilaian Mahasiswa) pada Sesi Penyegaran

 One-way ANOVA: rating_PRACTICE versus standing_PRACTICE

Source DF SS MS F P
standing_PRACTICE 2 29.48 14.74 3.77 0.028
Error 63 246.45 3.91
Total 65 275.94

S = 1.978 R-Sq = 10.69% R-Sq(adj) = 7.85%

Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev ------+---------+---------+---------+---
HI 22 5.864 1.885 (---------*----------)
LOW 22 5.682 1.585 (----------*----------)
MED 22 4.364 2.381 (----------*---------)
------+---------+---------+---------+---
4.00 4.80 5.60 6.40

Pooled StDev = 1.978

Hipotesis
0 : (rata-rata rating (penilaian mahasiswa) pada sesi penyegaran sama)
1 : ((rata-rata rating (penilaian mahasiswa) pada sesi penyegara tidak sama)

Daerah Penolakan
Analisis data menggunakan level toleransi sebesar 5% sehingga aturan daerah
penolakan akan terletak di P-value yang kurang dari . Karena P-value lebih kacil
dari maka 0 tolak.

Interpretasi Output Fishers Test pada Tabel ANOVA

Dari output, diketahui bahwa p-value sebesar 0,028 sehingga dapat
menyimpulkan bahwa ada perbedaan rata-rata rating (penilaian mahasiswa) pada sesi
penyegara yang cukup signifikan dalam membantu para mahasiswa mempersiapkan
diri secara lebih baik dalam menghadapi ujian akhir. Yang berarti bahwa sesi
penyegaran sangat berpengaruh pada persiapan mahasiswa dalam menghadapi ujian
akhir.
b. Uji Rata-Rata Rating (Penilaian Mahasiswa) terhadap Sesi Review
 One-way ANOVA: rating_REVIEW versus standing_REVIEW

Source DF SS MS F P
standing_REVIEW 2 0.48 0.24 0.07 0.936
Error 63 232.50 3.69
Total 65 232.98

S = 1.921 R-Sq = 0.21% R-Sq(adj) = 0.00%

Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev -------+---------+---------+---------+--
HI 22 3.955 1.618 (---------------*---------------)
LOW 22 4.136 1.670 (----------------*---------------)
MED 22 3.955 2.380 (---------------*---------------)
-------+---------+---------+---------+--
3.50 4.00 4.50 5.00

Pooled StDev = 1.921

Hipotesis
0 : (rata-rata rating (penilaian mahasiswa) pada sesi review sama)
1 : ((rata-rata rating (penilaian mahasiswa) pada sesi review tidak sama)

Daerah Penolakan
Analisis data menggunakan level toleransi sebesar 5% sehingga aturan daerah
penolakan akan terletak di p-value kurang dari . Jadi oleh karena nilai p-value lebih
besarl dari maka keputusannya gaga tolak 0 .

Interpretasi Output Fishers Test pada Tabel ANOVA

Dari output, diketahui bahwa p-value sebesar 0,936 sehingga dapat
menyimpulkan bahwa tidak ada perbedaan rata-rata rating (penilaian mahasiswa)
pada sesi review yang cukup signifikan dalam membantu para mahasiswa
mempersiapkan diri secara lebih baik dalam menghadapi ujian akhir.

4. Output Desain Faktorial

 Multilevel Factorial Design

Factors: 2 Replicates: 1
Base runs: 6 Total runs: 6
Base blocks: 1 Total blocks: 1

Number of levels: 3, 2

Design Table

Run Blk A B
1 1 1 1
2 1 1 2
3 1 2 1
4 1 2 2
5 1 3 1
6 1 3 2

General Linear Model: rating versus standing, prep

Factor Type Levels Values

standing fixed 3 HI, LOW, MED
prep fixed 2 PRACTICE, REVIEW

Analysis of Variance for rating, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

standing 2 16.500 16.500 8.250 2.17 0.118
prep 1 54.735 54.735 54.735 14.40 0.000
standing*prep 2 13.470 13.470 6.735 1.77 0.174
Error 126 478.955 478.955 3.801
Total 131 563.659

S = 1.94967 R-Sq = 15.03% R-Sq(adj) = 11.66%

One-way ANOVA: rating_PRACTICE versus standing_PRACTICE

Source DF SS MS F P
standing_PRACTICE 2 29.48 14.74 3.77 0.028
Error 63 246.45 3.91
Total 65 275.94

S = 1.978 R-Sq = 10.69% R-Sq(adj) = 7.85%

Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev ------+---------+---------+---------+---
HI 22 5.864 1.885 (---------*----------)
LOW 22 5.682 1.585 (----------*----------)
MED 22 4.364 2.381 (----------*---------)
------+---------+---------+---------+---
4.00 4.80 5.60 6.40

Pooled StDev = 1.978

Grouping Information Using Fisher Method

standing_PRACTICE N Mean Grouping

HI 22 5.864 A
LOW 22 5.682 A
MED 22 4.364 B

Means that do not share a letter are significantly different.

Fisher 95% Individual Confidence Intervals

All Pairwise Comparisons among Levels of standing_PRACTICE

Simultaneous confidence level = 87.90%

standing_PRACTICE = HI subtracted from:

standing_PRACTICE Lower Center Upper

LOW -1.374 -0.182 1.010
MED -2.692 -1.500 -0.308

standing_PRACTICE --------+---------+---------+---------+-
LOW (-------*-------)
MED (-------*-------)
--------+---------+---------+---------+-
-1.5 0.0 1.5 3.0

standing_PRACTICE = LOW subtracted from:

standing_PRACTICE Lower Center Upper

MED -2.510 -1.318 -0.126

standing_PRACTICE --------+---------+---------+---------+-
MED (-------*-------)
--------+---------+---------+---------+-
-1.5 0.0 1.5 3.0
One-way ANOVA: rating_REVIEW versus standing_REVIEW

Source DF SS MS F P
standing_REVIEW 2 0.48 0.24 0.07 0.936
Error 63 232.50 3.69
Total 65 232.98

S = 1.921 R-Sq = 0.21% R-Sq(adj) = 0.00%

Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev -------+---------+---------+---------+--
HI 22 3.955 1.618 (---------------*---------------)
LOW 22 4.136 1.670 (----------------*---------------)
MED 22 3.955 2.380 (---------------*---------------)
-------+---------+---------+---------+--
3.50 4.00 4.50 5.00

Pooled StDev = 1.921

Grouping Information Using Fisher Method

standing_REVIEW N Mean Grouping

LOW 22 4.136 A
MED 22 3.955 A
HI 22 3.955 A

Means that do not share a letter are significantly different.

Fisher 95% Individual Confidence Intervals
All Pairwise Comparisons among Levels of standing_REVIEW

Simultaneous confidence level = 87.90%

standing_REVIEW = HI subtracted from:

standing_REVIEW Lower Center Upper

LOW -0.976 0.182 1.339
MED -1.157 0.000 1.157

standing_REVIEW ---------+---------+---------+---------+
LOW (----------------*---------------)
MED (----------------*----------------)
---------+---------+---------+---------+
-0.70 0.00 0.70 1.40

standing_REVIEW = LOW subtracted from:

standing_REVIEW Lower Center Upper

MED -1.339 -0.182 0.976

standing_REVIEW ---------+---------+---------+---------+
MED (---------------*----------------)
---------+---------+---------+---------+
-0.70 0.00 0.70 1.40
 Membuat Keputusan Bisnis
Kasus dalam Proses Manufaktur Gasket

Hipotesis:
=
=

Grafik individual pembuatan gasket menunjukan bahwa seluruh data pengamatan

berada dalam batas kendali yaitu antara batas kendali atas (UCL) dan batas kendali bawah
(LCL). Sehingga dapat disimpulkan bahwa variasi ketebalan gasket berada dalam batas-
batas yang wajar, baik untuk ketebalan gasket dengan penyesuaian oleh operator maupun
yang tanpa penyesuaian. Jadi tidak ada cukup bukti untuk menolak 0 atau dapat
dikatakan bahwa Proses Manufaktur gasket bereda dalam control atau terkendali.
Nampak pula bahwa hasil pencatatan ketebalan gasket tanpa penyesuaian cenderung
lebih dekat ke nilai ketebalan yang ditargetkan dibandingkan dengan penyesuaian oleh
operator.
Grafik moving range menunjukan terdapat satu titik diatas batas kendali. Hal ini
mengindikasikan bahwa meneliti atau mengawasi proses produksi untuk meningkatkan
control atas ketebalan gasket yang diproduksi sangat disarankan.

Hasil uji untuk Individual-Chart dari ketebalan menunjukan beberapa hali

sebagai berikut:

Terdapat 9 titik berturut-turut pada sisi yang sama dari garis tengah. Uji Gagal pada
titik-titik: 25, 26, 45, 46, 47, 48, 57, 58, 59
Terdapat 2 dari 3 titik berada lebih dari 2 standar deviasi dari pusat garis Uji Gagal
pada titik-titik: 17, 19, 20, 43, 55, 67, 68
Terdapat 4 dari 5 titik berada lebih dari 1 deviasi standar dari pusat garis. Uji Gagal
pada titik-titik: 45, 46, 47, 48, 58
Terdapat 8 titik berturut-turut lebih dari 1 deviasi standar dari pusat garis (di atas dan
di bawah CL). Uji Gagal di poin: 50

Hasil uji MR Chart dari ketebalan gasket menujukan hal-hal sebagai berikut:
Terdapat Satu titik berada lebih dari 3,00 standar deviasi dari garis tengah. Uji Gagal
di poin: 49.
Terdapat 9 titik berturut-turut pada sisi yang sama dari garis tengah. Uji Gagal pada
titik-titik: 33, 34

Jika grafik kendali disusun dengan menggunakan metode sub-kelompok tiga ukuran
yang samaseperti yang digunakan oleh operator (tiga hasil produksi gasket beturut-
turut diukur ketebalannya, dirata-ratakan dan dicatat) memberikan hasil sebagai
berikut:
 Dari Grafik kendali di atas dapat dilihat bahwa hasil yang diberikan kurang lebih
sama dengan grafik kendali secara individunya. Yaitu, hasil pengukuran ketebalan gasket
tanpa penyesuaian cenderung lebih dekat kepada nilai yang dikehendaki dibandingkan
dengan penyesuaian oleh operator. Bahkan terdapat dua nilai pengamatan yang berada di
luar batas atas kendali. Hal ini mengakibatkan kita tidak dapat menerima 0 . Atau
dengan kata lain proses manufaktur gasket yang dilakukan berada di luar kendali atau tak
terkendali.

Hasil uji untuk XBar-Chart dari Ketebalan Gasket menujukan beberapa hal
sebagai berikut:
Terdapat Satu titik berada lebih dari 3,00 standar deviasi dari garis tengah. Uji Gagal
pada titik-titik: 5, 7
Terdapat 2 dari 3 titik berada lebih dari 2 standar deviasi dari pusat garis. Uji Gagal
pada titik-titik: 7, 8, 16, 18, 19
 Terdapat 4 dari 5 titik berada lebih dari 1 deviasi standar dari pusat garis. Uji Gagal
pada titik-titik: 4, 8, 9, 16, 20, 22, 23, 24
Terdapat 8 titik berturut-turut berada lebih dari 1 deviasi standar dari pusat baris (di
atas dan di bawah CL). Uji Gagal pada titik-titik: 8, 9, 19, 20
Berdasarkan hasil-hasil tersebut di atas dapat disimpulkan bahwa penyebab
adanya variasi pada proses pembuatan gasket yaitu operator, mesin dan pengukuran
yang dilakukan. Jelas bahwa tidak ada dua komponen yang diproduksi persis sama oleh
dua mesin dan pengukuran yang dilakukan bisa saja kurang teliti apalagi dilakukan
oleh operator berbeda pada jam-jam kerja yang berbeda. Dan dari hasil di atas tampak
bahwa gasket hasil proses yang diberi penyesuaian oleh operator memberikan
ketebalan yang sebagian besar lebih tebal atau lebih tipis dari ketebalan yang
ditargetkan. Perubahan tentu harus dilakukan oleh pihak perusahaan jika tidak ingin
kehilangan pelanggannya. Proses kerja dengan penyesuaian yang selama ini dilakukan
tentu saja memutuhkan waktu yang sangat lama dan meningkatkan biaya produksi.
Perusahaan bisa saja membeli mesin yang baru tetapi dari hasil yang diperoleh
sebenarnya mesin masih dapat dikatakan bekerja cukup baik dan memberikan gasket
dengan ketebalan yang masih dalam batasan wajar, sebagian besar berada dalam dua
simangan baku dari rata-ratanya.
Pengetatan lebih jauh terhadap batas-batas spesifikasi baik oleh pelanggan atau
manajemen atau para insinyur internal, akan berdampak pada dihasilkannya output
yang tidak memuaskan oleh proses yang dilakukan, sehingga disarankannya dilkukan
kegitan perbaikan prosesguna memulihkan kemampuan proses dan harus dilakukan
perbaikan kapabilitas proses secara terus-menerus.