DESAIN FAKTORIAL 2k

Arum Handini Primandari, M.Sc.

Pendahuluan
• Desain faktorial digunakan secara luas dalam percobaan yang
melibatkan beberapa faktor dimana di dalamnya penting
dikaji efek bersama dari faktor-faktor tersebut pada respon.

• Salah satu desain faktorial yang penting, karena sering

digunakan dalam penelitian, adalah percobaan menggunakan
k faktor yang masing-masing memiliki 2 taraf/level.

• Taral/level dapat berupa kuantitatif: temperatur, tekanan,

waktu; maupun kualitatif: dua mesin, dua operator, tinggi-
rendah, dll.
• Pengulangan lengkap dari desain tersebut
membutuhkan 2 x 2 x … x 2 = 2k observasi, dan
disebut desain faktorial 2k.

• Asumsi dalam bab ini:

▫ faktornya tetap
▫ desainnya random
▫ asumsi normal terpenuhi
• Desain faktorial 2k secara khusus berguna dalam
tahapan awal suatu eksperimen, ketika terdapat
banyak faktor yang harus diinvestigasi.

• Desain ini memberikan banyak pengujian terkecil

dengan k faktor yang dapat dikaji dalam desain
faktorial lengkap.

• Akibatnya, desain ini secara luas digunakan dalam

factor screening experiments.
Desain 2k
• Misalkan kita menggunakan dua faktor: A dan B (masing-
masing memiliki 2 taraf).

• Desain ini disebut desain faktorial 22.

• Secara praktis, kita sebut dua taraf sebagai low dan high.

• Contoh:
Suatu investigasi akan efek konsentrasi reaktan dan jumlah
katalis dalam konfersi pada suatu proses kimia.
A: konsentrasi reaktan (15% dn 25%);
B: katalis (2 pound dan 1 pound).
• Setiap kombinasi perlakuan, diulang 3 kali. Data yang
diperoleh adalah:
Secara geometrik
• Apabila digambar dalam segiempat:
▫ keempat kombinasi diwakilkan oleh huruf kecil;
▫ Pada kombinasi taraf yang keduanya high: dinotasikan
dengan huruf kecil dari keduanya;
▫ Pada kombinasi taraf high-low: dinotasikan dengan
huruf kecil faktor yang high;
▫ Pada kombinasi yang low-low: dinotasikan dengan (1).
Menentukan Pengaruh:
• Pengaruh utama faktor A:
1
A  ab  a  b  (1)
2r
• Pengaruh utama faktor B:
1
B  ab  b  a  (1)
2r
• Pengaruh interaksi AB:
1
AB  ab  (1)  a  b
2r
• Sehingga percobaan dalam contoh menjadi:

• Efek A positif: peningkatan A dari level low ke level high akan

meningkatkan konversi.
• Efek B negatif: peningkatan jumlah katalis ke dalam proses
kimia, akan menurunkan konversi.
• Pengaruh interaksinya relatif kecil
Perhitungan

 ab  a  b  (1)
2
Y2
JKA  FK  k
2k r 2r
 ab  b  a  (1)
2
JKT   Yijk2  FK
JKB 
2k r JKG  JKT  JKA  JKB  JKAB
ab  (1)  a  b
2

JKAB 
2k r
Tabel Anova
SV db JK KT F
A 1 JKA KTA KTA/KTG
B 1 JKB KTB KTB/KTG
AB 1 JKAB KTAB KTAB/KTG
Galat JKG
Total abr-1
Standard Order
• Dalam menulis kombinasi perlakuan, baiknya dalam urutan:
(1), a, b, ab.

• Pengurutan ini disebut standard order atau Yates’ order.

• Menggunakan order ini, koefisien kontras yang digunakan

pada estimasi efek adalah:
Desain 23
• Misalkan: kita menggunakan 3 faktor A, B, C sehingga
kita melakukan 23 desain.

• Tanda “+” dan “-” untuk high dan low.

• Standard order untuk perlakuan: (1), a, b, ab, c, ac,

bc, abc.
Desain matriks:
Secara geometrik
Pengaruh faktor:
• Pengaruh faktor A:
1
A k 1 a  (1)  ab  b  ac  c  abc  bc 
2 r
• Jumlah kuadrat A
1
A  k a  (1)  ab  b  ac  c  abc  bc 
2

2r

• Pengaruh faktor B dan interaksi, dapat ditentukan

lewat desain matriks.
Pengaruh faktor (secara geometri)
Tanda aljabar untuk menghitung pengaruh
Contoh
• Efek dari persentasi karbonisasi (A), tekanan
pengoperasian (B), kecepatan antrian (C) pada tinggi
minuman bersoda. Misalkan terdapat 2 taraf
karbonisasi, sedemikian sehingga desain faktorialnya
menjadi 23 dengan 2 kali perulangan.
▫ Tentukan rumus setiap pegaruh perlakuan (dengan
aturan Yate’s)
▫ Tentukan rumus JK-nya
 Data
Faktor Deviasi Tinggi Taraf dari faktor:
Kombinasi Run
A B C Ulangan 1 Ulangan 2 A (%) : 10 dan 12
B (psi) : 25 dan 30
A, B, C low (1) -1 -1 -1 -3 -1
C (b/min) : 200 dan 250
A high a 1 -1 -1 0 1
B high b -1 1 -1 -1 0
A, B high ab 1 1 -1 2 3
C high c -1 -1 1 -1 0
A, C high ac 1 -1 1 2 1
B, C high bc -1 1 1 1 1
A, B, C high abc 1 1 1 6 5