Rancangan Faktorial 2 3

Didonwload dari ririez.blog.uns.ac.
id
BAB I
PENDAHULUAN
Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti
berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya
terdiri atas dua buah taraf atau level. Oleh karena itu perlu dilakukan rancangan faktorial 2k,
yaitu rancangan faktorial yang menyangkut k buah faktor dengan masing-masing faktor
memiliki dua taraf atau level. Banyaknya taraf yaitu 2, ditulis sebagai bilangan pokok dan
banyaknya faktor yaitu k, ditulis sebagai pangkat. Apabila rancangan melibatkan dua faktor
maka disebut rancangan faktorial 22. Jika rancangan melibatkan tiga faktor maka disebut
rancangan faktorial 23. Rancangan melibatkan empat faktor maka disebut rancangan faktorial 24,
dan seterusnya. Batasan-batasan:
• Faktor-faktor tersebut fixed (tetap)
• Merupakan rancangan random lengkap
• Asumsi normalitas, independensi dan homogenitas variansi dipenuhi.
1. Asumsi normalitas dipenuhi apabila Normal Probability plot of the Residuals
membentuk atau mendekati garis lurus.
2. Asumsi homogenitas variansi dipenuhi jika :
a. Residuals versus the Fitted Values tidak membentuk suatu pola tertentu atau acak.
3. Asumsi independensi dipenuhi apabila Residuals versus the order of the data tidak
membentuk suatu pola tertentu atau acak.
4
Didonwload dari ririez.blog.uns.aac.id
BAB II
PEMBAHASAN
2.1 Rancangan Faktorial

Rancangan faktorial 22 merupakan kejadian khusus dari rancangan faktorial dimana
melibatkan dua faktor dengan masing-masing
masing masing faktor terdiri atas dua buah taraf atau level.
Misalkan ada dua faktor, yaitu faktor A dan B dengan masing-masing
masing masing terdiri dari dua taraf yaitu
rendah dan tinggi, maka percobaan dilakukan sebagai n ulangan, dan kombinasi perlakuan dapat
ditulis sebagai berikut:
A B
Rendah (-) Tinggi (+)
Rendah (-) y111 y112 y121 y122
.... y11n ... y12 n
y11. = (1) y12. = b
Tinggi (+) y 211 y 212 y 221 y 222
.... y 21n .... y 22 n
y 21. = a y 22. = ab
Atau dapat digambarkan sebagai berikut :

b ab
2
Faktor B
(1) a
1 2
Faktor A
Keterangan : taraf rendah dinyatakan 1
taraf tinggi dinyatakan 2
taraf rendah faktor A dan taraf rendah faktor B = A1B1
taraf rendah faktor A dan taraf tinggi faktor B = A1B2
taraf tinggi faktor A dan taraf rendah faktor B = A2B1
taraf tinggi faktor A dan taraf tinggi faktor B = A2B2
5
Didonwload dari ririez.blog.uns.ac.id
Terdapat kombinasi perlakuan yang ditulis (1), a, b, dan ab, dengan (1) menyatakan
kombinasi perlakuan yang terjadi karena taraf rendah faktor A dan taraf rendah faktor B, a
menyatakan kombinasi perlakuan yang terjadi karena taraf tinggi faktor A dan taraf rendah
faktor B, b menyatakan kombinasi perlakuan yang terjadi karena taraf rendah faktor A dan
taraf tinggi faktor B, ab menyatakan kombinasi perlakuan yang terjadi karena taraf tinggi faktor
A dan taraf tinggi faktor B.
2.1.1 Estimasi Efek
Dalam suatu percobaan rancangan faktorial 22 terdapat beberapa efek. Dimana efek
tersebut antara lain efek faktor dan efek taraf yang masing – masing berjumlah dua buah. Efek
tersebut kemudian diestimasi untuk pengujian lebih lanjut dalam penentuan jumlah kuadrat.
Estimasi efek dapat dilakukan dengan 3 cara, yaitu estimasi efek dengan rata – rata, estimasi
efek dengan kontras, estimasi efek dengan tabel.
2.1.1.1 Estimasi Efek dengan Rata – Rata
Efek faktor A dapat diestimasi dengan rata – rata efek A yang dikombinasikan dengan
B, yaitu saat B rendah dan tinggi, sehingga diperoleh hasil sebagai berikut :
Efek A dengan B rendah adalah [a − (1)] / n , efek A dengan B tinggi adalah [ab − b ] / n
Rata-rata efek A dirumuskan A =

1
[(ab − b ) + (a − (1) )] = 1 [ab + a − b − (1)]
2n 2n
Dengan cara yang sama diperoleh estimasi efek B:
Efek B dengan A rendah adalah [b − (1) ] / n , Efek B dengan A tinggi adalah [ab − a ] / n
Rata-rata efek B dirumuskan B =

1
[(ab − a ) + (b − (1) )] = 1 [ab + b − a − (1)]
2n 2n
Estimasi efek interaksi AB merupakan rata-rata selisih antara efek A dengan B tinggi dan efek A
dengan B rendah, sehingga dapat dirumuskan
AB =
1
[(ab − b ) − (a − (1) )] = 1 [ab − a − b + (1)]
2n 2n
Metode lain untuk memperoleh formula rata – rata efek di atas, misalkan efek A adalah
dengan menyelisihkan antara rata – rata respon dari 2 kombinasi perlakuan di sisi kanan bujur
sangkar (gambar) Y A+ dan 2 kombinasi perlakuan di sisi kiri bujur sangkar Y A− . Diperoleh
hasil:
6
ab + a b + (1)
A = Y A+ − Y A− = − =
1
[ab + a − b − (1)]
2n 2n 2n
Dengan cara yang sama diperoleh
ab + b a + (1)
B = Y B+ − Y B− = − =
1
[ab + b − a − (1)]
2n 2n 2n
Sedangkan untuk efek interaksi AB didapat dari selisih antara rata-rata kombinasi perlakuan
diagonal kanan ke kiri { ab dan (1)} dan rata-rata diagonal kiri ke kanan { a dan b }
ab + (1) a + b
AB = − =
1
[ab + (1) − a − b]
2n 2n 2n
Efek faktor A bernilai positif berarti adanya peningkatan taraf dari rendah ke tinggi akan
meningkatkan respon. Efek faktor B bernilai negatif berarti adanya peningkatan taraf dari rendah
ke tinggi akan menurunkan respon. Efek interaksi AB muncul relatif kecil.
2.1.1.2 Estimasi Efek dengan Kontras
Kombinasi perlakuan ditulis dengan urutan tertentu, yang merupakan urutan baku
(standart) yaitu (1), a, b, ab . Dengan urutan standar tersebut, koefisien kontras digunakan untuk
mengestimasi efek. Dimana koefisien kontras biasanya +1 atau -1.
Efek (1) A b Ab
A -1 +1 -1 +1
B -1 -1 +1 +1
AB +1 -1 -1 +1
Perlu diperhatikan bahwa koefisien kontras untuk mengestimasi efek interaksi didapat dengan
mengalikan koefisien antara dua efek utama yang bersesuaian.
2.1.1.3 Estimasi Efek dengan Tabel
Tabel plus minus berikut dapat digunakan untuk menentukan tanda setiap kombinasi
perlakuan. Efek utama A, B, interaksi AB, dan I menunjukkan total atau rata-rata dari jumlah
eksperimen. Di mana I hanya memiliki tanda plus.
Kombinasi Faktorial
perlakuan I A B AB
(1) + - - +
a + + - -
b + - + -
ab + + + +
7
Perlu diperhatikan untuk mencari kontras dengan cara mengalikan tanda (dengan kolom yang
sesuai) terhadap kombinasi perlakuan kemudian dijumlahkan.
Contoh: untuk mengestimasi A, kontrasnya adalah − (1) + a − b + ab
untuk mengestimasi B, kontrasnya adalah − (1) − a + b + ab
untuk mengestimasi AB, kontrasnya adalah + (1) − a − b + ab
2.1.2 Analisis Variansi
Dalam analisis variansi terdapat perhitungan jumlah kuadrat. Jumlah kuadrat sama
dengan kuadrat kontras dibagi jumlah observasi di setiap total kontras kali jumlah kuadrat
koefisien kontras. Sehingga diperoleh:
JKA =
[ab + a − b − (1)]2
n.4
JKB =
[ab + b − a − (1)]2
n.4
JKAB =
[ab + (1) − a − b]2
n.4
2 2 n
y 2 ...
JKT = ∑∑
i =1 j =1
∑ y 2ijk −
k =1 4n
JKS = JKT – JKA – JKB - JKAB
Uji hipotesis:
I. Ho : interaksi faktor AB tidak mempengaruhi respon secara signifikan
H1 : interaksi faktor AB mempengaruhi respon secara signifikan
Daerah Kritis : Ho ditolak jika Fhit > F(α , ( a −1)( b −1), ab ( n −1))
RK AB
Statistik Uji : Fhitung =
RK S
II. Ho : faktor A tidak mempengaruhi respon secara signifikan
H1 : faktor A mempengaruhi respon secara signifikan
Daerah Kritis : Ho ditolak jika Fhit > F(α , ( a −1), ab ( n −1))
RK A
RK S
III. Ho : faktor B tidak mempengaruhi respon secara signifikan
H1 : faktor B mempengaruhi respon secara signifikan
8
Daerah Kritis : Ho ditolak jika Fhit > F(α , ( b −1), ab ( n −1))
RK B
RK S
Tabel Anava
Sumber JK Db RK F
variasi
JKA =
[ab + a − b − (1)]2 RKA =
JK A RK A
A n.4 a −1 = 1 1 RK S
JKB =
[ab + b − a − (1)]2 RKB =
JK B RK B
B n.4 b–1 =1 1 RK S
JKAB =
[ab + (1) − a − b]2 RKAB =
JK AB RK AB
AB n.4 ( a − 1)(b − 1) = 1 1 RK S
Sesatan JKS = JKT – JKA – JKB - ab( n − 1) RKS =

JKAB JK S
ab ( n − 1 )
2 2 n
Y 2 ...
Total JKT = ∑
i =1
∑
j =1
∑ Y 2ijk −
k =1 4n N-1
2.1.3 Analisis Residual

Residual dari rancangan faktorial 2k dengan mudah dihitung melalui model regresi.
Model regresinya yaitu yˆ = βˆ0 + βˆ1 x1 + βˆ2 x2 + ε , dimana
x1 = variabel kode untuk faktor A

x2 = variabel kode untuk faktor B
β. = koefisien regresi
x ditentukan berdasarkan efek yang signifikan dari tabel anava.
Gabungan antara variabel alami faktor A dan B dengan variabel kode antara lain
A − ( A− + A+ ) / 2 B − (B− + B+ ) / 2
x1 = x2 =
( A− + A+ ) / 2 (B− + B+ ) / 2
9
Sehingga akan menghasilkan variabel kode yang bernilai ± 1 . Apabila faktor A dengan taraf
rendah maka x1 = −1 . Apabila faktor A dengan taraf tinggi maka x1 = +1 . Apabila faktor B
dengan taraf rendah maka x2 = −1 . Apabila faktor B dengan taraf tinggii maka x2 = +1 .
rata rata dari seluruh eksperimen dan koefisien regresi β1 , β 2 adalah

Intersep merupakan rata-rata
setengah dari estimasi efek faktor yang bersesuaian. Hal ini dikarenakan koefisien regresi
mengukur efek dari perubahan satuan dari x terhadap rata-rata
rata rata y dan estimasi efek didasarkan
pada dua satuan perubahan (dari -1 ke +1). Sehingga model regresi dapat ditulis juga dengan
Model regresi dapat digun

digunakan
akan untuk memprediksi nilai y pada kombinasi perlakuan
dan residualnya. Residual dapat ditentukan dengan e = yijk − yˆ . Dimana perhitungan residual
tiap kombinasi perlakuan sebagai berikut.

(i) Untuk (1)
1) yaitu kombinasi perlakuan fak
faktor A dengan taraff rendah dan fak
faktor B dengan
taraf rendah, dimana yˆ I = β 0 + β1 (−1) + β 2 (−1) sehingga diperoleh residual en = y11. − ŷ1 .
(ii) Untuk a yaitu kombinasi perlakuan faktor A dengan taraf tinggi dan faktor B dengan taraf
rendah, dimana yˆ a = β 0 + β1 (+1) + β 2 (−1) sehingga diperoleh residual en = y 21. − yˆ a .
(iii) Untuk b yaitu kombinasi perlakuan faktor A dengan taraf rendah dan
dan faktor B dengan taraf
tinggi, dimana yˆb = β 0 + β1 (−1) + β 2 (+1) sehingga diperoleh residual en = y12. − yˆ b
(iv) Untuk ab yaitu kombinasi perlakuan faktor A dengan taraf tinggi dan faktor B dengan
taraf tinggi, dimana yˆ ab = β 0 + β1 (+1) + β 2 (+1) sehingga diperoleh residual en = y 22. − yˆ ab
dengan n = banyak replikasi.
2.2 Rancangan Faktorial
Rancangan ini melibatkan 3 faktor dengan masing-masing
masing masing faktor mempunyai 2 level.
Misalkan, terdapat 3 faktor A, B, dan C dengan masing-masing
masing mempunyai 2 level, yaitu
“rendah” dan “tinggi”. Jika dilakukan percobaan dengan perulangan sebanyak n, maka total
seluruh kombinasi perlakuan dapat disajikan sebagai berikut:
10
B
“rendah” “tinggi”
A C C
“rendah” “tinggi” “rendah” “tinggi”
. . . .
“rendah” . . . .
. . . .
“tinggi” . . . .
Keterangan :
= observasi dengan kombinasi perlakuan dari masing-masing
masing masing taraf
i = taraf untuk faktor

fak A : 1, 2 k = taraf untuk faktor C : 1, 2
j = taraf untuk faktor
fak B : 1, 2 l = perulangan : 1, 2, …, n
Jika level “rendah” dinotasikan “-“
“ “ dan level “tinggi” dinotasikan dengan “+”,
sedangkan 8 kombinasi perlakuan dapat dinyatakan sebagai (1), a, b, c, ab, ac, bc, abc, maka
dapat dibuat tabel plus-minus
minus dari seluruh kombinasi perlakuan sebagai berikut.
A B C Komb.perlk A B C
1 - - - (1) 0 0 0
2 + - - A 1 0 0
3 - + - B 0 1 0
4 + + - Ab 1 1 0
5 - - + C 0 0 1
6 + - + Ac 1 0 1
7 - + + bc 0 1 1
8 + + + abc 1 1 1
Keterangan : - 0 menyatakan tinggi rendahnya

+1 taraf faktor
11
Sebagaimana notasi yang telah dijelaskan sebelumnya, kombinasi perlakuan dapat

dituliskan dengan simbol (1), a, b, c, ab, ac, dan abc. Simbol ini juga menyatakan jumlah
observasi untuk n perulangan dari masing - masing kombinasi perlakuan.
Rancangan faktorial
ial dapat direpresentasikan dalam diagram rancangan yang
berbentuk kubus. Dimana diagram
diagr rancangannya sebagai berikut:
2.2.1 Estimasi Efek

Estimasi efek sangat diperlukan karena digunakan untuk menghitung jumlah kuadrat
dalam analisis variansi. Ada 3 cara untuk mengestimasi efek utama. Ketiga cara itu adalah
estimasi efek dengan rata-rata,
rata, estimasi efek dengan kontras, estimasi efek dengan tabel.
2.2.1.1 Estimasi Efek dengan Rata - Rata
Efek faktor A dapat diestimasi dengan rata-rata
rata rata efek A dengan kombinasi B dan C
dalam dua level, yaitu

(i) efek A dengan B- C- adalah

(ii) efek A dengan B+ C- adalah

(iii) efek A dengan B- C+ adalah

(iv) efek A dengan B+ C+ adalah

Metode lain untuk memperoleh formula rata – rata efek A dengan menyelisihkan rata – rata efek
A yang telah dikombinasikan dengan perlakuan pada saat A “tinggi” dengan A “rendah”
, maka efek faktor A dapat dirumuskan

1
1

1

4 4 4
12
Efek faktor B dapat diestimasi dengan rata

rata-rata
rata efek B dengan kombinasi A dan C
dalam dua level, yaitu :

(i) efek B dengan A+ C- adalah

(ii) efek B dengan A- C+ adalah

(iii) efek B dengan A+ C+ adalah

(iv) efek B dengan A- C- adalah

efek faktor B dapat dirumuskan
Efek faktor C dapat diestimasi dengan rata

rata-rata
rata efek C dengan kombinasi A dan B
dalam dua level, yaitu
(i) efek C dengan A- B- adalah
(ii) efek C dengan A+ B- adalah
(iii) efek C dengan A- B+ adalah
(iv) efek C dengan A+ B+ adalah
Dengan cara yang sama, efek factor C dapat dirumuskan
Efek interaksi AB merupakan setengah selisih dari rata – rata efek A pada saat B tinggi
dengan B rendah. Rata – rata efek A saat B+ adalah . Sedangkan rata – rata efek A
pada saat B- adalah .
Maka efek faktor AB dapat dirumuskan
13
Efek interaksi AC merupakan setengah selisih dari rata – rata efek A pada saat C tinggi
dengan C rendah. Rata – rata efek A saat C+ adalah . Sedangkan rata – rata efek A
pada saat C- adalah . Maka efek faktor AC dapat dirumuska:
Efek interaksi BC merupakan setengah selisih dari rata – rata efek B pada saat C tinggi
dengan C rendah. Rata – rata efek B saat C+ adalah
Sedangkan rata – rata efek B pada saat C

C- adalah . Maka efek faktor BC dapat

dirumuskan

1
Dengan cara yang sama maka efek interaksi ABC adalah
. Dimana efek interaksi ABC merupakan rata
– rata selisih antara interaksi AB pada saat C tinggi dengan C rendah.

2.2.1.2 Estimasi Efek dengan Kontras
Efek utama faktor A dapat juga ditentukan dengan kontras antara kombinasi perlakuan
saat A “tinggi” dengan A “rendah” . Total efek A untuk n ulangan disebut kontras A.
Efek faktor A dapat diestimasi dengan
dengan kombinasi B dan C dalam dua level, yaitu
(i) Efek A dengan B- C- adalah [a - (1)]
(ii) Efek A dengan B+ C- adalah [ab - b]
(iii) Efek A dengan B- C+ adalah [ac - c]
(iv) Efek A dengan B+ C+ adalah [abc - bc]
Maka kontras . Dengan cara yang sama dipe
diperoleh
(i) kontras
(ii) kontras
14
(iii) kontras
(iv) kontras
(v) kontras
2.2.1.3 Estimasi Efek dengan Tabel
Dari efek perlakuan di atas maka dapat dibuat tabel plus-minus
plus minus rancangan yang
disajikan sebagai berikut:
Komb. Efek Faktorial

Perlk
(1) A B AB* C AC* BC* ABC*
(1) + - - + - + + -
A + + - - - - + +
B + - + - - + - +
Ab + + + + - - - -
C + - - + + - - +
Ac + + - - + + - -
Bc + - + - + - + -
Abc + + + + + + + +
*) Kolom AB merupakan perkalian tanda pada kolom A dan B

Kolom AC merupakan perkalian tanda pada kolom A dan C
Kolom BC merupakan perkalian tanda pada kolom B dan C
Kolom ABC merupakan perkalian tanda pada kolom AB dan C
Tabel di atas memiliki
iki sifat – sifat tertentu, yaitu :
1. Kecuali kolom 1, setiap kolom punya tanda plus
plus-minus.
2. Jumlah perkalian tanda dari 2 kolom selalu nol
3. Kolom 1 dikalikan dengan kolom manapun, kolom tersebut selalu tetap
4. Perkalian 2 kolom hasilnya suatu kolom dalam tabel tersebut
2.3 Analisis Variansi
Analisis variansi sangat diperlukan dalam uji statistik, yaitu dalam pengujian hipotesis
tentang pengaruh interaksi ataupun faktor terhadap respon. Dalam analisis variansi terdapat
15
perhitungan jumlah kuadrat yang sangat berguna untuk pengujian hipotesis. Dari perhitungan
estimasi efek di atas dapat dihitung jumlah kuadratnya baik itu jumlah kuadrat total, sesatan,
efek.
Perhitungan jumlah kuadrat total adalah J . Dimana N =
a*b*c*n. a merupakan banyak taraf pada fact

factor
or A, b banyak taraf pada faktor B, c banyak taraf
pada faktor C, sedangkan n adalah banyak replikasi atau perulangan pada tiap taraf. Jumlah
kuadrat efek dapat dihitung dengan kontras yang mempunyai derajat bebas 1 untuk n perulangan
maka
(i)
(ii)
(iii)
(iv)
(v)
(vi)
(vii)
(viii)
Tabel Anava :
Variasi Db JK RK F0
A (a–1)
1) = 1 / RKs
B (b-1)
1) = 1 / RKs
C (c-1)
1) = 1 / RKs
AB (a-1) (b-1)
1) = 1 / RKs
AC (a-1) (c-1)
1) = 1 / RKs
BC (b-1) (c-1)
1) = 1 / RKs
ABC (a-1)(b-1)(c-1) = 1 / RKs
16
Sesatan N-8 JKs RKs
Total N-1 JKT
N = a.b.c.n = 2.2.2.n = 8 n
Uji hipotesis :
a. Interaksi ABC
H0 : Tidak ada interaksi A, B, dan C terhadap respon.
H1 : Ada interaksi A, B, dan C terhadap respon.
F0 : / RKs
H0 ditolak jika F0 > Ftabel =
b. Interaksi AB
H0 : Tidak ada interaksi A dan B terhadap respon.
H1 : Ada interaksi A dan B terhadap respon.
Daerah kritis : H0 ditolak jika F0 > Ftabel =
Statistik uji : F0 : / RKs

c. Interaksi AC
H0 : Tidak ada interaksi A dan C terhadap respon.
H1 : Ada interaksi A dan C terhadap respon.
F0 : / RKs
H0 ditolak jika F0 > Ftabel =
d. Interaksi BC
H0 : Tidak ada interaksi B dan C terhadap respon.
H1 : Ada interaksi B dan C terhadap respon.

e. Faktor A
H0 : Tidak ada pengaruh faktor A terhadap respon.
H1 : Ada pengaruh faktor A terhadap respon.
17

f. Faktor B
H0 : Tidak ada pengaruh faktor B terhadap respon.
H1 : Ada pengaruh faktor B terhadap respon.

g. Faktor C
H0 : Tidak ada pengaruh faktor C terhadap respon.
H1 : Ada pengaruh faktor C terhadap respon.

Jika setelah diuji, maka faktor-faktor
faktor faktor yang signifikan berarti mempengaruhi respon.
Misal dari masalah di atas setelah diuji yang signifikan adalah A, B, C, AB, dan ABC.
Sedangkan A, B, dan C masing
masing-masing dinotasikan sehingga model persamaannya
persamaa
menjadi
dimana
masing-masing
masing adalah variabel kode utuk A, B, C.
Cara menentukan variabel kode :
Hasil dari perhitungan di atas adalah -1 dan +1.

Residual dapat ditentukan dengan
18
BAB III
CONTOH APLIKASI
3.1 Contoh aplikasi faktorial

Sebuah mesin industri dipakai untuk botol minuman yang mementingkan pengaruh
dari dua tipe botol 32 ons yang dikirim 12 peti botol dari sebuah produksi. Dua jenis botol
tersebut adalah kaca dan plastik. Dua pekerja digunakan untuk menjalankan tugas tertentu
yang terdiri dari memindahkan 40 peti dari 50 barisan dalam jenis ukuran dari gerbong tangan
dan menimbun peti. Empat replikasi dari rancangan faktorial ditampilkan, dan
diperlihatkan pada tabel di bawah ini. Analisis data dan gambarkan
kan kesimpulannya..
Pekerja
Tipe botol
1 2
Kaca 5.12 4.89 6.65 6.24
4.98 5.00 5.49 5.55
Plastik 4.95 4.43 5.28 4.91
4.27 4.25 4.75 4.71
Penyelesaian :
AB A B Komb.Perlk
Komb. 1 2 3 4 Total
+ - - (1) 5.12 4.89 4.98 5.00 19.99
- + - A 4.95 4.43 4.27 4.25 17.90
- - + B 6.65 6.24 5.49 5.55 23.93
+ + + Abb 5.28 4.91 4.75 4.71 19.65
81.47
a. Uji hipotesis
- Kontras A : -(1) + a – b +ab = -19.99 +17.90 – 23.93 + 19.65 = - 6.37
- Kontras B : -(1) - a + b + ab = -19.99 - 17.90 + 23.93 + 19.65 = 5.69
- Kontras AB : (1) - a - b + ab = 19.99 - 17.90 - 23.93 + 19.65 = - 2.19
19
Tabel anava
Sv Db JK RK F
A (tipe botol) 1 2.5361 2.5361
.5361 20.40
B (pekerja) 1 2.0235 2.0235 16.28
AB (interaksi) 1 0.2988 0.2988 2.411
Sesatan 12 1.4910 0.1243
Type equation here.Total 15 6.3504
# Uji hipotesis efek interaksi tipe botol dan pekerja dalam industri #
a. 01 : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri.
0 : terdapat efek interaksi tipa botol dan pekerja dalam industri.
b. 3 0.05
c. Daerah kritis : 01 ditolak jika6
jika 8 69;: 61.17::
11.75
d. Statistik uji :Dari

Dari tabel anava diperoleh F = 2.411
e. Kesimpulan
Karena F= 2.411 < 61.17
17:: 11.75 maka 01 tidak ditolak, artinya tidak terdapat efek
interaksi tipe botol dan pekerja dalam industri.
# Uji hipotesis efek interaksi tipe botol dalam pengembangan industri #

a. 01 : tidak terdapat efek tipe botol dalam pengembangan industri.
0 : terdapat efek tipe botol dalam pengembangan industri
b. 3 0.05
c. Daerah kritis : 01 ditolak jika 6 8 69;: 61.17::
11.75
d. Statistik uji : Dari tabel anava diperoleh F = 20.40

e. Kesimpulan
Karena F= 20.40 > 61.17
17:: 11.75 maka 01 ditolak, artinya terdapat efek tipe botol
dalam pengembangan industri.
20
# Uji hipotesis efek interaksi peke

pekerja dalam pengembangan industri#
a. 01 : tidak terdapat efek pekerja dalam pengembangan industri.
0 : terdapat efek pekerja dalam pengembangan industri
b. 3 0.05
c. Daerah kritis : 01 ditolak jika 6 8 69;: 61.17::
11.75
d. Statistik uji : Dari tabel anava diperoleh F = 16.28

e. Kesimpulan
17:: 11.75 maka 01 ditolak, artinya terdapat efek pekerja
Karena F= 16.28 >61.17
dalam pengembangan industri.
b. Analisis Residual
Estimasi Efek:
Untuk , diperoleh , ,
, ,
, ,
Untuk , diperoleh ,
, ,
, ,
21
c. Menggunakan Minitab.14
Uji Hipotesis :
1. 01 : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri.
2. α = 0,05
3. Daerah kritis : Ho ditolak jika P-Value < α = 0.05
4. Statistik Uji
Faktor Type Levels Values
tipe botol fixed 2 1, 2
pekerja fixed 2 1, 2
Source DF Seq SS Adj SS Adj MS F P

tipe botol 1 2.5361 2.5361 2.5361 20.41 0.001
pekerja 1 2.0235 2.0235 2.0235 16.28 0.002
tipe botol*pekerja 1 0.2998 0.2998 0.2998 2.41 0.146
Error 12 1.4911 1.4911 0.1243
Total 15 6.3504
5. Kesimpulan
Karena P-Value=0.146 > α = 0,05 maka 01 tidak ditolak, artinya tidak terdapat efek
interaksi tipe botol dan pekerja dalam industri.
# Uji kecocokan model #

a. asumsi kenormalan
Normal Probability Plot of the Residuals
(response is respon)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Residual
Terlihat dari plot di atas titik – titiknya mendekati garis lurus maka asumsi kenormalan
dipenuhi.
22
b. Asumsi homogenitas
Residuals Versus the Order of the Data

0.75
0.50
0.25
Residual
0.00
-0.25
-0.50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Observation Order
Terlihat dari plot di atas titik – titiknya dapat dikatakan berpola acak atau tidak membentuk
pola tertentu sehingga asumsi independensi dipenuhi.
c. Analisis adanya efek
Residuals Versus the Fitted Values

0.75
0.50
0.25
Residual
0.00
-0.25
-0.50
4.50 4.75 5.00 5.25 5.50 5.75 6.00
Fitted Value
Dari grafik residuals vs the fitted values tampak titik- titik yang acak (tidak membentuk pola
tertentu), berarti tidak ada efek interaksi antara tipe botol dan pekerja terhadap pengembangan
industri.
d. Uji homogenitas variansi dengan menggunakan metode bartlet’s
1. Respon terhadap tipe botol
01 : tidak terdapat efek tipe botol dalam pengembangan industri.
0 : terdapat efek tipe botol dalam pengembangan industri
23
Daerah kritis : 01 ditolak jika p-value < 3 0.05

Stat uji
Test for
f Equal Variances for respon
F-Test
Test Statistic 3.21
1 P-Value 0.147
tipe botol
Lev ene's Test

Test Statistic 1.67
P-Value 0.218
2
0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6

95% Bonferron
ni Confidence Intervals for StDevs
1
tipe botol
4.0 4.5 5.0 5.5 6.0 6.5 7.0

respon
Dari output dengan menggunakan

meng uji Bartlett di dapat P = 0.147
Kesimpulan: Karena P = 0.147 > α = 0.05 maka H 0 tidak di tolak artinya tidak
terdapat efek tipe botol dalam pengembangan industri.
2. Respon terhadap pekerja
01 : tidak terdapat efek pekerja dalam pengembangan industri.
0 : terdapat efek pekerja dalam pengembangan industri

Stat uji
Test fo
or Equal Variances for respon
F-Test
Test Statistic 0.26
1 P-Value 0.096
pek erja
Levene's Test
Test Statistic 2.17
P-Value 0.163
2
0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6

95% Bonferronii Confidence Intervals for StDevs
1
pekerja
4.0 4.5 5.0 5.5 6.0 6.5 7.0

respon
24
Dari output terlihat di gunakan uji Bartlett di dapat P = 0.096

Kesimpulan : karena
arena p-value=0.096
p > 0.05 H 0 tidak di tolak artinya tidak terdapat efek
tipe botol dalam pengembangan industri.
3. Respon terhadap tipe botol dan pekerja
01 : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri.
α = 0,05
Daerah kritis : Ho ditolak jika P-Value < α
Stat uji
Test for
f Equal Variances for respon
tipe botol pekerja
Bartlett's Test
Test Statistic 6.49
1 P-Value 0.090
1 Lev ene's Test

Test Statistic 3.20
2 P-Value 0.062
2
2
0.0 0.5
5 1.0 1.5 2.0 2.5 3.0 3.5
95% Bonfe
erroni Confidence Intervals for StDevs
Dari output terlihat di gunakan uji Bartlett di dapat P = 0.090

Kesimpulan : karena p-value
value = 0.090 > 0.05 H 0 tidak di tolak tidak terdapat efek interaksi
tipe botol dan pekerja dalam pengembangan industri.
Kesimpulan :
Karena ketiga asumsi di atas di penuhi maka dapat disimpulkan bahwa tidak terdapat
kekurangcocokan antara model dengan data atau model sesuai dengan data.
3.2 Contoh kasus faktorial

Percobaan membuat brownis
bro yang lezat. Penulis adalah insinyur pelatihan dari suatu
perusahaan terpercaya dalam pembelajaran melakukan sesuatu. Saya mempunyai
pembelajaran ide membuat suatu rancangan untuk beberapa tahun dengan orang-orang yang
berbeda dann selalu memberikan perencanaan, menyalurkan dan menganalisis
analisis suatu percobaan
untuk peserta-peserta pada kelas. Peserta kelihatannya menikmati percobaan tersebut dan
25
selalu belajar darinya. Problem ini menggunakan hasil dari percobaan yang dilakukan oleh
Greatchen Krueger di Arizona State University.
Ada beberapa perbedaan cara membuat bronis. Tujuan dari percobaan untuk
membedakan bagaimana material pan, macam-macam jenis campuran brownis, dan metode
pengadukan yang mempengaruhi kelezatan dari brownis. Level faktornya adalah:
Level faktor
Faktor
Rendah (-) Tinggi (+)
A : material pan Gelas Aluminium
B : metode Sendok Mixer
pengadukan
C : jenis campuran Mahal Murah
Variabel responnya berupa kelezatan, sebuah ukuran subyektif yang berasal dari kuisioner
yang diberikan kepada orang-orang, yang masing-masing diberi sepotong brownis. Perlakuan
kuisioner dinilai dari macam rasa, penampilan, konsistensi, aroma dan seterusnya. Delapan
orang tester mendapat sepotong brownis dan menjawab pertanyaan. Data lengkapnya dapat
dilihat pada tabel berikut:
Angkatan Faktor Hasil uji panel Kombinasi
total
brownis A B C 1 2 3 4 5 6 7 8 perlakuan
1 - - - 11 9 10 10 11 10 8 9 78 (1)
2 + - - 15 10 16 14 12 9 6 15 97 a
3 - + - 9 12 11 11 11 11 11 12 88 b
4 + + - 16 17 15 12 13 13 11 11 108 ab
5 - - + 10 11 15 8 6 8 9 14 81 c
6 + - + 12 13 14 13 9 13 14 9 97 ac
7 - + + 10 12 13 10 7 7 17 13 89 bc
8 + + + 15 12 15 13 12 12 9 14 102 abc
740
26
Penyelesaian:
Material pan (A) Metode pengadukan (B)

Sendok (-)
( Mixer (+)
Jenis campuran (C) Jenis campuran (C)
Mahal (-)
( Murah (+) Mahal (-) Murah (+)
Kaca (-) 11 9 10 10 10 11 15 8 9 12 11 11 10 12 13 10
11 10 8 9 6 8 9 14 11 11 11 12 7 7 17 13
Alumunium (+) 15 10 16 14 12 13 14 13 16 17 15 12 15 12 15 13
12 9 6 15 9 13 14 9 13 13 11 11 12 12 9 14
1. Analisis data
Menghitung kontras
27
Menghitung efek =
Efek A =
Efek B =
Efek C =
Efek AB =
Efek AC =
Efek BC =
Efek ABC =
28
Tabel anava
Variasi Db JK RK F
A 1
B 1
C 1
AB 1
AC 1
BC 1
ABC 1
Sesatan 56
Total 63
Uji hipotesis
1. Uji hipotesis interaksi ABC
a. 0= : tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran
terhadap kelezatan brownis.
0 : terdapat efek interaksi antara material pan, metode pengadukan, dan jenis campuran
b. 3 0.05
tolak jika 6 8 69::>? 69::>? 61.17::7B 4.01792
c. Daerah kritis : 0= : ditolak
d. Statistik uji : dari tabel anava diperoleh 6 0.04136
e. Kesimpulan : karena 6 0.04136 < 61.17::7B 4.01792 maka 0= diterima, maka
tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran
29
2. Uji hipotesis interaksi AB

a. 0= : tidak ada efek interaksi antara material pan dan metode pengadukan terhadap
kelezatan brownis.
0 : terdapat efek interaksi antara material pan dan metode pengadukan terhadap kelezatan
brownis.
b. 3 0.05
c. Daerah kritis : 0= ditolak jika 6 > 6(9::>?) = 6 > 6(1.17::7B) = 4.01792
d. Statistik uji : dari tabel anava diperoleh 6 = 0.01034
e. Kesimpulan : karena 6 = 0.01034 < 6(9::>?) = 4.01792 maka 0= diterima,maka tidak
ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan
brownis.
3. Uji hipotesis interaksi AC
a. 0= : tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan
brownis.
0 : terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan
brownis.
b. 3 = 0.05
e. Kesimpulan : karena 6 = 0.2585 < 6(9::>?) = 4.01792 maka 0= diterima,maka tidak
ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis.
4. Uji hipotesis interaksi BC
a. 0= : tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap
kelezatan brownis.
0 : terdapat efek interaksi antara metode pengadukan dan jenis campuran terhadap
kelezatan brownis.
b. 3 = 0.05
c. Daerah kritis : 0= ditolak jika6 > 6(9::>?) = 6 > 6(1.17::7B) = 4.01792
30
e. Kesimpulan : karena 6 0.165 < 6(9::>?) = 4.01792 maka 0= diterima,maka tidak

ada efek interaksi metode pengadukan dan jenis campuran terhadap kelezatan brownis.
5. Uji hipotesis interaksi A
a. 0= : tidak ada efek material pan terhadap kelezatan brownis.
0 : terdapat efek material pan terhadap kelezatan brownis.
b. 3 = 0.05
e. Kesimpulan : karena 6 = 11.9528 > 6(9::>?) = 4.01792 maka 0= ditolak,maka
terdapat efek material pan terhadap kelezatan brownis.
6. Uji hipotesis interaksi B
a. 0= : tidak ada efek metode pengadukan terhadap kelezatan brownis.
0 : terdapat efek metode pengadukan terhadap kelezatan brownis.
b. 3 = 0.05
e. Kesimpulan : karena 6 = 2.9882<6(1.17::7B) = 4.01792 maka 0= diterima, maka tidak
ada efek metode pengadukan terhadap kelezatan brownis.
7. Uji hipotesis interaksi C
a. 0= : tidak ada efek jenis campuran terhadap kelezatan brownis.
0 terdapat efek jenis campuran terhadap kelezatan brownis.
b. 3 = 0.05
e. Kesimpulan : karena 6 = 0.01034 <6(1.17::7B) = 4.01792 maka 0= diterima, maka tidak
ada efek jenis campuran terhadap kelezatan brownis.
Minitab.14
Uji hipotesis interaksi ABC
a. 0= : tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran
31
0 : terdapat efek interaksi antara material pan, metode pengadukan, dan jenis campuran
b. 3 0.05
c. Daerah kritis : 0= ditolak jika P-Value > α = 0.05
d. Statistik uji :
Faktor Type Levels Values
A fixed 2 1, 2
B fixed 2 1, 2
C fixed 2 1, 2
Source DF Seq SS Adj SS Adj MS F P

A 1 72.250 72.250 72.250 11.95 0.001
B 1 18.062 18.062 18.062 2.99 0.089
C 1 0.062 0.062 0.062 0.01 0.919
A*B 1 0.063 0.063 0.063 0.01 0.919
A*C 1 1.563 1.563 1.563 0.26 0.613
B*C 1 1.000 1.000 1.000 0.17 0.686
A*B*C 1 0.250 0.250 0.250 0.04 0.840
Error 56 338.500 338.500 6.045
Total 63 431.750
S = 2.45859 R-Sq = 21.60% R-Sq(adj) = 11.80%

e. Kesimpulan : karena P-Value = 0.840 > α = 0,05 maka 0= diterima,maka tidak ada efek
interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan
brownis.
32
# Uji kecocokan model untuk asumsi kenormalan #
Normal Probability Plot of the Residuals

(response is Respon)
99.9
99
95
90
80
70
Percent
60
50
40
30
20
10
5
0.1
-8 -6 -4 -2 0 2 4 6 8
Residual
Terlihat dari plot di atas titik – titiknya mendekati garis lurus maka asumsi kenormalan
dipenuhi.
# Uji kecocokan model untuk asumsi homogenitas variansi #
Residuals Versus the Fitted Values

(response is Respon)
5.0
2.5
Residual
0.0
-2.5
-5.0
-7.5
10 11 12 13 14
Fit t ed V alue
Dari plot di atas terlihat acak, maka asumsi homogenitas variansi terpenuhi.
# Uji kecocokan model untuk asumsi independensi #

Terlihat dari plot di atas titik – titiknya dapat dikatakan berpola acak atau tidak membentuk
pola tertentu sehingga asumsi independensi dipenuhi.
e. Uji homogenitas variansi dengan menggunakan metode bartlet’s
1. Respon terhadap material pan
33
0= : tidak ada efek material pan terhadap kelezatan brownis.

0 : terdapat efek material pan terhadap kelezatan brownis.
Daerah kritis : 0= ditolak jika p-value < 3 0.05

Stat uji
Test for
f Equal Variances for Respon
F-Test
Test Statistic 0.90
1 P-Value 0.764
Levene's Test
A
Test Statistic 0.10

P-Value 0.752
2
2.0 2.4 2.8 3.2 3.6

95% Bonferronni Confidence Intervals for StDevs
1
A
5.0 7.5 1
10.0 12.5 15.0 17.5
Respon
Dari output dengan uji Bartlett di dapat P-value

P = 0.764
Kesimpulan: Karena P-value
P = 0.764 > α = 0.05 maka H 0 tidak di tolak artinya tidak
ada efek material pan terhadap kelezatan brownis atau terdapat
erdapat homogenitas variansi
pada material pan.
2. Respon terhadap metode pengadukan
0= : tidak ada efek metode pengadukan terhadap kelezatan brownis.
0 : terdapat efek metode pengadukan terhadap kelezatan brownis.

Stat uji
34
Test fo
or Equal Variances for Respon
F-Test
Test Statistic 1.24
1 P-Value 0.554
Levene's Test
B
Test Statistic 1.60

P-Value 0.211
2
2.0 2.5 3.0 3.5 4.0

95% Bonferroni Confidence
C Intervals for StDevs
1
B
5.0 7.5 10..0 12.5 15.0 17.5

Respon
Dari output dengan uji Bartlett di dapat p-value

p = 0.554
Kesimpulan : karena
arena pp-value=0.554 > 0.05 H 0 tidak di tolak artinya tidak ada efek
metode pengadukan terhadap kelezatan brownis atau terdapat
erdapat homogenitas variansi
pada metode pengadukan
pengadukan.
3. Respon terhadap jenis campuran
0= : tidak ada efek jenis campuran terhadap kelezatan brownis.
0 : terdapat efek jenis campuran terhadap kelezatan brownis.

Stat uji
Test fo
or Equal Variances for Respon
F-Test
Test Statistic 0.85
1 P-Value 0.642
Lev ene's Test
C
Test Statistic 0.76

P-Value 0.387
2
2.0 2.5 3.0 3.5 4.0

95% Bonferronii Confidence Intervals for StDevs
1
C
5.0 7.5 10
0.0 12.5 15.0 17.5
Respon
Dari output terlihat di gunakan uji Bartlett di dapat P-value

P = 0.642
642
35

p = 0.642> 0.05 H 0 tidak di tolak artinya tidak ada efek
jenis campuran terhadap kelezatan brownis atau terdapat
erdapat homogenitas variansi pada
jenis campuran.
4. Respon terhadap material pan dan metode pengadukan
0= ; tidak ada efek interaksi antara material pan dan metode pengadukan terhadap
kelezatan brownis.
0 : terdapat efek interaksi antara material pan dan metode pengadukan terhadap kelezatan
brownis.

Stat uji
Test for Equal Variances for Respon

A B
Bartlett's Test
Test Statistic 1.33
1 P-Value 0.723
1 Lev ene's Test

Test Statistic 0.44
2 P-Value 0.724
2
2
1 2 3 4 5
95% Bonferroni Con
nfidence Intervals for StDevs
Dari output terlihat di gunakan uji Bartlett di dapat P –value = 0.723

p = 0.723 > 0.05 H 0 tidak di tolak tidak ada efek interaksi
antara material pan dan metode pengadukan terhadap kelezatan brownis atau terdapat
homogenitas variansi pada jenis campuran material pan dan metode pengadukan.
pengadukan
5. Respon terhadap material pan dan jenis campuran
01 : tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan
brownis.
0 : terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan
brownis
36
α = 0,05
Stat uji

A C
Bartlett's Test
Test Statistic 15.37
1 P-Value 0.002
1 Lev ene's Test

Test Statistic 3.83
2 P-Value 0.014
1
2
2
1 2 3 4 5 6
95% Bonferroni Confidence Intervals for StDevs
Dari output terlihat di gunakan uji Bartlett di dapat P-value = 0.002

Kesimpulan : karena p-value = 0.002 < 0.05 H 0 ditolak terdapat efek interaksi antara
material pan dan jenis campuran terhadap kelezatan brownis atau tidak terdapat
homogenitas variansi pada material pan dan jenis campuran.
6. Respon terhadap metode pengadukan dan jenis campuran
0= : tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap
kelezatan brownis.
0 : terdapat efek interaksi antara metode pengadukan dan jenis campuran terhadap
kelezatan brownis.
α = 0,05
Stat uji
37

B C
Bartlett's Test
Test Statistic 1.47
1 P-Value 0.689
1 Lev ene's Test

Test Statistic 0.73
2 P-Value 0.540
2
2
1 2 3 4 5
Dari output terlihat di gunakan uji Bartlett di dapat P-value = 0.689

Kesimpulan : karena p-value = 0.689 > 0.05 H 0 tidak di tolak tidak ada efek interaksi
antara metode pengadukan dan jenis campuran terhadap kelezatan brownis atau terdapat
homogenitas variansi pada metode pengadukan dan jenis campuran.
7. Respon terhadap material pan, metode pengadukan dan jenis campuran
0= : tidak ada efek interaksi antara material pan, metode pengadukan dan jenis
campuran terhadap kelezatan brownis
0 : ada efek interaksi antara material pan, metode pengadukan dan jenis campuran
terhadap kelezatan brownis
α = 0,05
Stat uji
38

A B C
Bartlett's Test
1
1 Test Statistic 18.99
2 P-Value 0.008
1 Levene's Test
1 Test Statistic 2.62

2 P-Value 0.021
2
1
1
2
2
1
2
2
0 2 4 6 8 10
Dari output dengan uji Bartlett didapat P –value = 0.008

Kesimpulan : karena p-value = 0.008 < 0.05 H 0 ditolak ada efek interaksi antara
material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis atau
tidak terdapat homogenitas variansi pada material pan, metode pengadukan dan jenis
campuran.
Kesimpulan :
Karena asumsi di atas di penuhi maka dapat disimpulkan bahwa tidak terdapat
kekurangcocokan antara model dengan data atau model sesuai dengan data.
39
BAB IV
PENUTUP
4.1 Kesimpulan
Berdasarkan pembahasan diperoleh kesimpulan sebagai berikut:
• Rancangan faktorial 2k, yaitu rancangan faktorial yang menyangkut k buah faktor dengan
masing-masing
masing faktor memiliki dua taraf atau level. Banyaknya taraf yaitu 2, ditulis
sebagai bilangan pokok dan banyaknya faktor yaitu k, ditulis sebagai pangkat.
• Rancangan faktorial 22, yaitu rancangan faktorial yang melibatkan dua faktor
• Untuk rancangan
gan faktorial
fak 22, persamaan regresinya dapat ditulis
• Rancangan faktorial 22 dapat diselesaikan dengan uji hipotesis dengan statistik uji
[ab + a − b − (1)]2
JKA = n.4
[ab + b − a − (1)]2
JKB = n.4
[ab + (1) − a − b]2

JKAB = n.4
2 2 n
y 2 ...
∑∑
i =1 j =1
∑ y 2ijk −
k =1 4n
JKT =
JKS = JKT – JKA – JKB - JKAB
RK AB
Fhitung =
RK S
• Rancangan faktorial 23, yaitu rancangan faktorial yang melibatkan tiga faktor.
• Untuk rancangan factorial 23, persamaan regresinya dapat ditulis
• Rancangan faktorial 23 dapat diselesaikan dengan uji hipotesis dengan statistik uji
40
Efek faktor A dapat diestimasi dengan kombinasi B dan C dalam dua level, yaitu
Efek A dengan B- C- adalah [a - (1)]
Efek A dengan B+ C- adalah [ab - b]
Efek A dengan B- C+ adalah [ac - c]
Efek A dengan B+ C+ adalah [abc - bc]
Maka kontras . Dengan cara yang sama diperoleh
kontras
kontras
kontras
kontras
kontras
DAFTAR PUSTAKA
Montgomery, Douglas C.1991.Design

C.1991 and Analysis of Experiments .John Wiley & Sons:
Singapore.
Zukhronah, Etik.2007.Modul Praktikum mata Kuliah Rancangan Percobaan.Matematika
Percobaan. FMIPA
UNS:UNS Surakarta.
41

Rancangan Faktorial 2 3

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Rancangan Faktorial 2 3

Diunggah oleh

Hak Cipta:

Format Tersedia

Didonwload dari ririez.blog.uns.ac.

2.1 Rancangan Faktorial

Atau dapat digambarkan sebagai berikut :

Rata-rata efek A dirumuskan A =

Rata-rata efek B dirumuskan B =

Daerah Kritis : Ho ditolak jika Fhit > F(α , ( b −1), ab ( n −1))

Sesatan JKS = JKT – JKA – JKB - ab( n − 1) RKS =

2.1.3 Analisis Residual

x1 = variabel kode untuk faktor A

rata rata dari seluruh eksperimen dan koefisien regresi β1 , β 2 adalah

Model regresi dapat digun

tiap kombinasi perlakuan sebagai berikut.

i = taraf untuk faktor

Keterangan : - 0 menyatakan tinggi rendahnya

Sebagaimana notasi yang telah dijelaskan sebelumnya, kombinasi perlakuan dapat

2.2.1 Estimasi Efek

Efek faktor B dapat diestimasi dengan rata

efek faktor B dapat dirumuskan

Efek faktor C dapat diestimasi dengan rata

(ii) efek C dengan A+ B- adalah

(iii) efek C dengan A- B+ adalah

(iv) efek C dengan A+ B+ adalah

Dengan cara yang sama, efek factor C dapat dirumuskan

pada saat B- adalah .

Maka efek faktor AB dapat dirumuskan

pada saat C- adalah . Maka efek faktor AC dapat dirumuska:

Sedangkan rata – rata efek B pada saat C

Dengan cara yang sama maka efek interaksi ABC adalah

. Dimana efek interaksi ABC merupakan rata

– rata selisih antara interaksi AB pada saat C tinggi dengan C rendah.

Komb. Efek Faktorial

*) Kolom AB merupakan perkalian tanda pada kolom A dan B

Perhitungan jumlah kuadrat total adalah J . Dimana N =

a*b*c*n. a merupakan banyak taraf pada fact

ABC (a-1)(b-1)(c-1) = 1 / RKs

Sesatan N-8 JKs RKs

Total N-1 JKT

Statistik uji : F0 : / RKs

Statistik uji : F0 : / RKs

Statistik uji : F0 : / RKs

Statistik uji : F0 : / RKs

Statistik uji : F0 : / RKs

Hasil dari perhitungan di atas adalah -1 dan +1.

3.1 Contoh aplikasi faktorial

- Kontras AB : (1) - a - b + ab = 19.99 - 17.90 - 23.93 + 19.65 = - 2.19

d. Statistik uji :Dari

interaksi tipe botol dan pekerja dalam industri.

# Uji hipotesis efek interaksi tipe botol dalam pengembangan industri #

d. Statistik uji : Dari tabel anava diperoleh F = 20.40

dalam pengembangan industri.

# Uji hipotesis efek interaksi peke

d. Statistik uji : Dari tabel anava diperoleh F = 16.28

Source DF Seq SS Adj SS Adj MS F P

# Uji kecocokan model #

Residuals Versus the Order of the Data

Residuals Versus the Fitted Values

Daerah kritis : 01 ditolak jika p-value < 3  0.05

Lev ene's Test

0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6

4.0 4.5 5.0 5.5 6.0 6.5 7.0

Dari output dengan menggunakan

Daerah kritis : 01 ditolak jika p-value < 3  0.05

0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6

abc*n. a merupakan banyak taraf pada fact

Daerah kritis : 01 ditolak jika p-value < 3 0.05

Daerah kritis : 01 ditolak jika p-value < 3 0.05

e. Kesimpulan : karena 6 0.165 < 6(9::>?) = 4.01792 maka 0= diterima,maka tidak

Daerah kritis : 0= ditolak jika p-value < 3 0.05

Daerah kritis : 01 ditolak jika p-value < 3 0.05