Desain Eksperimen dengan Beberapa Faktor14-1 PENDAHULUAN

14-2 BEBERAPA APLIKASI EKSPERIMEN DIRANCANG (HANYA CD)

14-3 EKSPERIMEN FAKTORIAL
14-4 FAKTOR DUA FAKTOR EKSPERIMEN
14-4.1 Analisis Statistik dari Model Efek-Tetap
14-4.2 Pemeriksaan Kecukupan Model
14-4.3 Satu Observasi per Sel
14-4.4 Percobaan Faktorial dengan Faktor Acak: Ikhtisar
14-5 FAKTOR UMUM EKSPERIMEN
14-6 EKSPERIMEN FAKTORIAL DENGAN FAKTOR RANDOM (HANYA CD)
14-7 DESAIN FAKTOR 2K
14-7.1 22 Desain 14-7.2 Desain 2k untuk Faktor k 3
14-7.3 Replikasi Tunggal dari 2k Desain
14-7.4 Penambahan Titik Pusat ke a Desain 2k (Khusus CD)
14-8 MENGAMBIL DAN MENGKUMPULKAN DALAM DESAIN 2k
14-9 REPLIKASI FRAKTIONAL DARI DESAIN 2k
14-9.1 Fraksi Separuh dari 2k Desain
14-9.2 Fraksi yang Lebih Kecil: The 2k p Faktor pecahan
14-10 METODE PERMUKIMAN RESPON DAN DESAIN (HANYA CD) 505

Eksperimen hanyalah tes atau serangkaian tes. Eksperimen dilakukan di semua teknik dan
disiplin ilmu dan merupakan bagian penting dari cara kita belajar tentang bagaimana sistem
dan proses bekerja. Validitas kesimpulan yang ditarik dari percobaan tergantung pada a
sebagian besar tentang bagaimana percobaan itu dilakukan. Karena itu, desain eksperimen
memainkan peran utama dalam solusi akhir dari masalah yang awalnya memotivasi
percobaan. Dalam bab ini kita fokus pada eksperimen yang mencakup dua atau lebih faktor
yang menjadi eksperimen berpikir mungkin penting. Desain eksperimental faktorial akan
diperkenalkan sebagai teknik yang kuat untuk masalah jenis ini. Umumnya, dalam desain
eksperimental faktorial, eksperimental uji coba (atau run) dilakukan pada semua kombinasi
level faktor. Misalnya, jika seorang insinyur kimia tertarik untuk menyelidiki efek waktu reaksi
dan suhu reaksi pada hasil dari suatu proses, dan jika dua tingkat waktu (1 dan 1,5 jam) dan
dua tingkat suhu (125 dan 150 F) dianggap penting, eksperimen faktorial akan terdiri
membuat percobaan berjalan pada masing-masing dari empat kemungkinan kombinasi dari
level reaksi ini waktu dan suhu reaksi.

Sebagian besar konsep statistik diperkenalkan pada Bab 13 untuk eksperimen faktor
tunggal dapat diperluas ke percobaan faktorial bab ini. Analisis varians (ANOVA),
khususnya, akan terus digunakan sebagai salah satu alat utama untuk data statistik analisis.
Kami juga akan memperkenalkan beberapa metode grafis yang berguna dalam
menganalisis data dari eksperimen yang dirancang.

Ketika beberapa faktor menarik dalam percobaan, desain eksperimental faktorial

seharusnya digunakan. Seperti yang disebutkan sebelumnya, dalam eksperimen ini faktor
bervariasi secara bersama-sama.
Definisi

Dengan eksperimen faktorial kami berarti bahwa dalam setiap percobaan lengkap atau
tiruan dari Eksperimen semua kombinasi yang mungkin dari tingkat faktor diselidiki

Jadi, jika ada dua faktor A dan B dengan tingkat faktor A dan b tingkat faktor B, masing-
masing tiruan mengandung semua kombinasi perlakuan ab. Efek dari suatu faktor
didefinisikan sebagai perubahan dalam respon yang dihasilkan oleh perubahan tingkat
faktor tersebut. Ini disebut efek utama karena mengacu pada faktor-faktor utama dalam
penelitian. Sebagai contoh, pertimbangkan data pada Tabel 14-1. Ini adalah eksperimen
faktorial dengan dua faktor, A dan B, masing-masing pada dua level (Alow, Ahigh, dan Blow,
Bhigh). Efek utama dari faktor A adalah perbedaan antara tanggapan rata-rata pada tingkat
A yang tinggi dan tanggapan rata-rata pada tingkat A rendah, atau

Artinya, mengubah faktor A dari tingkat rendah ke tingkat tinggi menyebabkan peningkatan respons rata-rata
dari 20 unit. Demikian pula, efek utama dari B adalah
 efek tetap

1. Jika anda menggunakan terlalu banyak variabel dummy, Anda akan memiliki masalah pada derajat
bebas (degree of freedom). Yaitu ketika anda kekurangan observasi untuk dapat melakukan analisis
statistik yang bermakna.
2. Banyaknya variabel dummy pada model, baik individu maupun interaksi atau multiplikasi, akan selalu
muncul kemungkinan terjadinya multikolinearitas yang menyulitkan untuk melakukan estimasi akurat
pada satu atau lebih parameter.
3. Dalam situasi tertentu LSDV mungkin tidak akan dapat mengidentifikasi dampak dari variabel time
invariant. Variabel time invariant adalah variabel yang tidak berubah seiring berubahnya waktu seperti
jenis kelamin, warna kulit, suku dan budaya. Ini dikarenakan pengaruh dari variabel-variabel time
invariant sudah terakomodasi oleh intersep spesifik atau intersep untuk masing-masing individu.
Dengan kata lain, intersep spesifik terhadap individu menyerap heterogenitas yang dapat terjadi pada
variabel terikat dan penjelas.
4. Kita harus berhati-hati pada galat dari model, yaitu galat dari model diasumsikan mengikuti asumsi
klasik.
5. Model ini sudah bisa mengakomodasi perbedaan karakteristik antarindividu yang menjadi
masalah pada model koefisien konstan (Pooled Regression). Perbedaan karekteristik
tersebut diakomodasi melalui intersepnya. Kita misalkan galat awal merupakan galat
komposit dari heterogenitas individu dan heterogenitas yang lainnya yang tidak tercakup
dalam model.

6.
Untuk mengestimasi model ini dapat menggunakan regresi dengan variabel dummy
dimana tiap-tiap individu akan menjadi variabel dummy. Dengan menjadikan tiap individu
menjadi variabel dummy maka akan ada satu yang menjadi basis sebagai pembanding
untuk menghindari perangkap variabel dummy. Dengan demikian model regresinya akan
menjadi
7.
8. Estimasi model ini dilakukan dengan Ordinary Least Square. Model ini dikenal sebagai
model efek tetap atau fixed effect karena tiap-tiap individu dalam model memiliki intersep
yang tidak berubah sepanjang waktu meskipun intersep antarindividu berbeda. Akan
tetapi, model ini memiliki beberapa peringatan dalam menggunakannnya seperti
dalam artikel sebelumnya.