Statistik 2 PDF
Statistik 2 PDF
(ANOVA)
Latar Belakang
Analisis Model Efek Tetap
Validasi Model
Uji Kecukupan Model
Interpretasi Hasil
Objectives
• Mahasiswa mampu merancang percobaan dengan perlakuan tunggal
secara tepat
• Mahasiswa mampu melakukan analisis varian (ANOVA) faktor tunggal
• Mahasiswa mampu memvalidasi kualitas model rancangan percobaan
• Mahasiswa mampu menarik kesimpulan secara tepat menggunakan
analisis statistik formal
Latar Belakang
Contoh Kasus (1)
Untuk menguji hubungan
pengaturan daya RF (frekuensi
radio) suatu alat plasma etching*
pada laju pengupasan wafer**,
seorang insinyur menguji empat
level daya: 160, 180, 200, dan 220
W.
Insinyur tersebut menggunakan
gas heksafluoroetena (C2F6) dan
celah 0,8 cm (Lihat alat).
*) Sejenis alat untuk menembakkan plasma
**) Pelat pada sirkuit elektronik
Latar Belakang
Contoh Kasus (2)
Untuk setiap daya yang diuji, percobaan dilakukan pada 5 wafer. Kedua-puluh
run eksperimen dilaksanakan dengan urutan acak agar terhindar dari faktor-
faktor yang tidak diketahui (level faktor, a = 4 dan replikasi, n = 5).
Hasil percobaan ditabulasikan dalam Table 3.1.
Latar Belakang
Contoh Kasus (3)
Metode termudah untuk memahami data di Contoh 3.1 adalah melalui
analisis grafis sederhana. Fig 3.2a dan Fig 3.2b menampilkan plot kotak dan
diagram tabur
Dari Fig 3.2, tampak jelas bahwa daya mempengaruhi laju pengupasan
Latar Belakang
Contoh Kasus (4)
• Apabila kita ingin menganalisis secara lebih objektif, yaitu menguji apakah
rataan laju pengupasan di tiap daya memiliki perbedaan.
• Eksperimen ini dapat diuji dengan menggunakan t tes pada tiap pasangan
level (jumlah pasangan untuk 4 level adalah C24 = 6 kombinasi).
• Pengujian dengan metode di atas akan memakan waktu dan menyebabkan
kemungkinan error yang besar
• Untuk menghindari hal di atas, digunakan analisis varian (ANOVA)
Latar Belakang
Pemodelan Data
• Hasil eksperimen pada contoh kasus sebelumnya dapat dimodelkan
sebagai berikut:
– yij = µi + ϵij (3.1)
nilai pengamatan sama dengan mean perlakuan i ditambah noise
– µi = µ + τi (3.2)
mean perlakuan i sama dengan mean overall ditambah efek perlakuan i
– Sehingga yij = µ + τi + ϵij (3.3)
model ini disebut juga model ANOVA faktor tunggal
i dan j berurutan mengindikasikan perlakuan (level) dan replikasi
• Pemodelan di atas dapat dibagi menjadi dua kategori, tergantung
situasinya.
– Apabila perlakuan telah ditentukan secara spesifik oleh pelaksana
eksperimen, model menjadi model efek tetap
– Apabila perlakuan tidak dianggap secara eksplisit dalam analisis, maka τi
merupakan variabel acak. Model ini disebut model efek acak
Analisis Model Efek Tetap
Pengembangan Hipotesis
• Pengembangan hipotesis dalam analisis model efek
tetap didasarkan pada Eq 3.2, dimana analisis
ditekankan pada efek perlakuan
• Sehingga, hipotesis dapat diekspresikan dengan dua
cara:
– Didasarkan pada nilai mean tiap variabel:
• H0: µ1 = µ2 = µ3 = ….
• H1: µi ≠ µj minimal untuk satu pasangan (i, j)
– Didasarkan pada nilai efek perlakuan:
• H0: τ1 = τ2 = τ3 = …. = 0
• H1: τi ≠ 0 minimal untuk satu i
Analisis Model Efek Tetap
Formulasi
• Nilai rata-rata pengamatan untuk perlakuan i dengan
n replikasi: (3.4)
• Nilai rata-rata pengamatan keseluruhan dengan n
replikasi dan a perlakuan: (3.5)
• Jumlah kuadrat beda total:
(3.6)
• Persamaan di atas dapat dibedah menjadi
(3.7)
Persamaan 3.7 disebut juga identitas dasar ANOVA
Analisis Model Efek Tetap
Formulasi (lanjutan)
• Bagian pertama ruas kanan Eq 3.7 merupakan jumlah kuadrat
beda rata-rata perlakuan (SSPerlakuan), dan bagian kedua
merupakan beda tiap pengamatan dalam tiap perlakuan yang
disebabkan random error (SSE)
• Kedua SS ini dapat diekspresikan dalam bentuk kuadrat rataan
(MS):
(3.9)
Catatan: y.. didefinisikan sebagai jumlah semua yij, sedangkan yi. merupakan jumlah yij dalam
perlakuan i
Analisis Model Efek Tetap
Contoh 3.1
Menggunakan contoh kasus di awal, penentuan apakah perlakuan
memiliki pengaruh pada eksperimen diuji dengan ANOVA
• SST = 5752 + 5422 + … + 7102 – 12.3552/20
= 72.209,75 Eq 3.8
• SSPerlakuan = 1/5 [27562 + … + 35352] – 12.3552/20
= 66.870,55 Eq 3.9
• SSE = 72.209,75 – 66.870,55 = 5339,20
• F0 = [66.870,55/3]/[5339,20/16] = 66.80
• Dari Apendiks IV, F0,05,3,16 = 3,24
• Karena F0 > 3,34, maka H0 ditolak dan disimpulkan bahwa
perlakuan memiliki pengaruh dalam eksperimen
Analisis Model Efek Tetap
Contoh 3.1 (lanjutan)
Validasi Model
Validasi model terdiri dari 3 bagian:
• Uji residual
• Uji kecukupan model
• Melakukan tindakan korektif
Validasi Model
Uji Residual
Prosedur:
1. Urutkan residual dari kecil ke
besar
2. Hitung nilai frekuensi kumulatif
tiap residual dengan rumus*:
100(j - 0,5)/n
3. Plot tiap titik dengan nilai
residual di axis-x dan nilai
frekuensi kumulatif di axis-y
• Diperoleh nilai S12, S22, S32, dan S42 berurutan adalah 400,7; 280,3; 421,3;
dan 232,5
Dari Apendiks III, diperoleh χ20,05;3 = 7,81. Oleh karena nilai χ02 < χ2α,a-1, maka
hipotesiss null tidak dapat ditolak
Validasi Model
Uji Kecukupan Model
Dalam Contoh 3.1 menggunakan metode least square error, diperoleh model linier:
ŷ = 137.62 + 2.527x
dan model kuadratik:
ŷ = 1147.77 - 8.2555x + 0.028375x2
Interpretasi Hasil
Kontras
• Ide kontras digunakan ketika kita ingin mengetahui pada nilai
mana saja faktor berpengaruh
• Misalnya dalam Contoh 3.1, kita dapat mengecek apakah
mean laju pengupasan pada daya 200 W sama dengan mean
laju pengupasan pada daya 220 W. Sehingga hipotesis yang
diuji menjadi:
H0: µ3 = µ4 atau µ3 – µ4 = 0
H1: µ3 ≠ µ4 atau µ3 – µ4 ≠ 0
• Atau bila kita menduga bahwa rataan dua daya terendah sama
dengan rataan dua daya tertinggi:
H0: µ1 + µ2 = µ3 + µ4 atau µ1 + µ2 – µ3 – µ4 = 0
H1: µ1 + µ2 ≠ µ3 + µ4 atau µ1 + µ2 – µ3 – µ4 ≠ 0
Interpretasi Hasil
Kontras
Secara umum, kontras merupakan kombinasi linear parameter
dengan bentuk:
Г = ∑ciµi
dengan ci sebagai koefisien µi dan jumlah konstannya nol
∑ci = 0
Hipotesisnya dapat dieskpresikan sebagai
H0: ∑ciµi = 0
H1: ∑ciµi ≠ 0
Interpretasi Hasil
Tes Kontras
• Tes kontras dapat menggunakan t tes maupun F tes
• Contoh 3.9:
• Menggunakan Contoh 3.1 dengan perlakuan 4 dianggap kontrol,
d0,05(3,16) = 2,59 (Apendiks VIII). Selisih kritikal:
Selisih Nilai
ӯ1. – ӯ4. -155,8*
ӯ2. – ӯ4. -119,6*
ӯ3. – ӯ4. -81,6*
Interpretasi Hasil
Membandingkan Mean Perlakuan dengan Kontrol
• Untuk membandingkan mean perlakuan dengan kontrol dapat digunakan
tes Dunnett dengan:
– H0: µi = µa
– H1: µi ≠ µa
• Hipotesis null ditolak apabila:
• Contoh 3.9:
• Menggunakan Contoh 3.1 dengan perlakuan 4 dianggap kontrol,
d0,05(3,16) = 2,59 (Apendiks VIII). Selisih kritikal:
Selisih Nilai
ӯ1. – ӯ4. -155,8*
ӯ2. – ӯ4. -119,6*
ӯ3. – ӯ4. -81,6*
Sekian dan Terima Kasih