Disusun oleh :
Roudhotul Maemanah 140610180074
Nadia Nabilla Shafira 140610180084
Thifal Qotrunnada 140610180090
Kelas B
MODEL MATEMATIS
𝑦𝑖𝑗𝑘 = 𝜇 + 𝑃𝑖 + 𝐵𝑗(𝑖) + 𝜖𝑘(𝑖𝑗)
i= 1,2,3; j=1,2,3,4; k=1,2,3
Dengan:
𝑦𝑖𝑗𝑘 = tingkat pembakaran propelan oleh proses produksike-i dan batch ke-j
𝜇 = rataan umum.
𝑃𝑖 = efek proses produksi ke-i.
𝐵𝑗(𝑖) = efek batch j yang ada dalam proses i
𝜖𝑘(𝑖𝑗) = kekeliruan.
ASUMSI
3
MENENTUKAN EKT
Sebelum perhitungan-perhitungan kita lakukan untuk melakukan uji F, terlebih dahulu kita
tentukan bentuk EKT tiap sumber variasi agar kita dapat mengetahui bagaimana
perbandingan F harus dibentuk.
Cara menentukan EKT :
1. Buatlah tabel yang berisikan pada baris : faktor dan EKT yang akan ditentukan. Pada
kolom : model faktor, banyaknya masing-masing taraf faktor dan replikasi beserta
indeksnya
3 4 3
Sumber
T A A
Variasi
i j k
𝑃𝑖
𝐵𝑗(𝑖)
𝜖𝑘(𝑖𝑗)
2. Isi sel yang dibentuk oleh baris dan kolom dengan banyaknya taraf faktor atau replikasi
untuk indeks yang berlainan.
3 4 3
Sumber
T A A
Variasi
i j k
𝑃𝑖 4 3
𝐵𝑗(𝑖) 3
𝜖𝑘(𝑖𝑗)
3. Isi sel yang dibentuk oleh kolom, apabila indeksnya sama dengan indeks yang ada
dalam tanda kurung dengan satu
3 4 3
Sumber
T A A
Variasi
i j k
𝑃𝑖 4 3
𝐵𝑗(𝑖) 1 3
𝜖𝑘(𝑖𝑗) 1 1
4. Isi sel yang masih kosong, untuk model tetap dengan 0 dan untuk model acak dengan 1
Sumber 3 4 3
Variasi T A A
i j k
𝑃𝑖 0 4 3
𝐵𝑗(𝑖) 1 1 3
𝜖𝑘(𝑖𝑗) 1 1 1
𝜖𝑘(𝑖𝑗) 1 1 1
𝜖𝑘(𝑖𝑗) 1 1 1
𝜖𝑘(𝑖𝑗) 1 1 1
HIPOTESIS
Faktor proses pembakaran
H01:𝑃𝑖 = 0 (Artinya tidak terdapat pengaruh proses produksi terhadap tingkat pembakaran)
H11: 𝑃𝑖 ≠ 0 (Artinya terdapat pengaruh proses produksi terhadap tingkat pembakaran)
Faktor batch dalam proses pembakaran
H02: 𝜎𝐺2 = 0 (Artinya tidak terdapat pengaruh batch dalam proses produksi terhadap tingkat
pembakaran)
H12: 𝜎𝐺2 ≠ 0 (Artinya terdapat pengaruh batch dalam proses produksi terhadap tingkat
pembakaran)
TARAF SIGNIFIKAN
α = 5%
STATISTIK UJI
Uji F
ANAVA
Untuk meneliti efek proses produksi dan efek batch dalam proses terhadap tingkat
pembakaran. Maka, dapat dilakukan ANAVA dengan perhitungan menggunakan Software
R.
Syntax dan Ouput Software R
Dengan menggunakan syntax di atas pada software R diperoleh ANAVA seperti gambar di
atas. Karena model yang digunakan dalam laporan praktikum adalah model campuran
bukan model tetap, maka gunakan ANAVA yang diperoleh dari software R tersebut untuk
melihat hasil MS ( Mean Square ) yang akan digunakan untuk mencari uji F dan p-value
tiap faktornya.
Menghitung p-value Faktor Proses Produksi
Menghitung p-value Faktor Batch
KRITERIA UJI
Tolak H0 jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼 = 5%, terima dalam hal lainnya.
KESIMPULAN
Dengan 𝛼 = 5%, dari hasil ANAVA didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 sebagai berikut:
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝑃𝑟𝑜𝑠𝑒𝑠 𝑃𝑟𝑜𝑑𝑢𝑘𝑠𝑖 = 0.2814378 > 𝛼 = 5%, maka H0 diterima.
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝐵𝑎𝑡𝑐ℎ = 5.441405𝑒 − 07 < 𝛼 = 5%, maka H0 ditolak.
Dapat dilihat bahwa pada faktor proses produksi nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 𝛼 = 5%, maka H0
diterima. Artinya tidak terdapat pengaruh proses produksi terhadap tingkat pembakaran.
Sedangkan, untuk faktor batch dalam proses mempunyai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼 = 5%, maka H0
ditolak. Artinya, terdapat pengaruh batch dalam proses produksi terhadap tingkat
pembakaran.
MONTGOMERRY 14.16
A structural engineer is studying the strength of alumunium alloy purchased from three
vendors. Each vendor submits the alloy in standard-sized bars of 1.0, 1.5, or 2.0 inches.
The processing of different sizes of bar stock from a common ingot involves different
forging techniques, and so this factors may be important. Furthermore, the bar stock is
forged from ingots made in different heats. Each vendor submits two test specimens of
each size bar stock from three heats. The resulting strength data is shown in Table P14.2.
Analyze the data, asuming that vendors and bar size are fixed and heats are random. Use
the restrict form of the mixed model.
TABLE P14.2
Strength Data in Problem P14.16
Vendor 1 Vendor 2 Vendor 3
Heat 1 2 3 1 2 3 1 2 3
Bar
size:
1 in. 84.23 84.346 84.235 84.301 84.346 84.315 84.247 84.275 84.324
84.259 84.4 84.206 84.263 84.392 84.32 84.296 84.268 84.315
1.5 in. 84.316 84.329 84.25 84.274 84.384 84.346 84.273 84.26 84.392
84.3 84.362 84.239 84.268 84.375 84.357 84.264 84.265 84.364
2 in. 84.287 84.346 84.273 84.247 84.362 84.336 84.301 84.28 84.319
84.292 84.382 84.215 84.215 84.328 84.342 84.262 84.271 84.323
MODEL MATEMATIS
Dengan
𝑖 = 1,2,3
𝑗 = 1,2,3
𝑘 = 1,2,3
𝑚 = 1,2
𝑌𝑖𝑗𝑘𝑚 : hasil kekutan paduan alumunium oleh pengaruh ukuran bar ke-i, vendor ke-j, dan heat ke-k
tersarang dalam vendor ke-j.
𝜇 : rataan umum
𝐵𝑖 : efek ukuran bar ke-i
𝑉𝑗 : efek vendor ke-j
𝐵𝑉𝑖𝑗 : efek interaksi antara ukuran bar ke-i dengan vendor ke-j
𝐻𝑘(𝑗) : efek heat ke-k tersarang dalam vendor ke-j
𝐵𝐻𝑖𝑘(𝑗) : efek interaksi antara ukuran bar i dan heat k tersarang dalam vendor ke-j
𝜀𝑚(𝑖𝑗𝑘) : kekeliruan acak
ASUMSI
Vendor dan ukuran bar tetap
3 3
∑ 𝐵𝑖 = ∑ 𝑉𝑗 = 0
𝑖=1 𝑖=1
Heats acak
𝐻𝑘(𝑖) ~𝐷𝑁𝐼(0, 𝜎2𝐻 )
Kekeliruan acak
𝜀𝑘(𝑖𝑗) ~𝐷𝑁𝐼(0, 𝜎2𝜀 )
MENENTUKAN EKT
Sebelum perhitungan-perhitungan kita lakukan untuk melakukan uji F, terlebih dahulu kita
tentukan bentuk EKT tiap sumber variasi agar kita dapat mengetahui bagaimana
perbandingan F harus dibentuk.
Cara menentukan EKT :
1. Buatlah tabel yang berisikan pada baris : faktor dan EKT yang akan ditentukan. Pada
kolom : model faktor, banyaknya masing-masing taraf faktor dan replikasi beserta
indeksnya
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖
𝑉𝑗
𝐵𝑉𝑖𝑗
𝐻𝑘(𝑗)
𝐵𝐻𝑖𝑘(𝑗)
𝜖𝑚(𝑖𝑗𝑘)
2. Isi sel yang dibentuk oleh baris dan kolom dengan banyaknya taraf faktor atau replikasi
untuk indeks yang berlainan.
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 3 3 2
𝑉𝑗 3 3 2
𝐵𝑉𝑖𝑗 3 2
𝐻𝑘(𝑗) 3 2
𝐵𝐻𝑖𝑘(𝑗) 2
𝜖𝑚(𝑖𝑗𝑘)
3. Isi sel yang dibentuk oleh kolom, apabila indeksnya sama dengan indeks yang ada
dalam tanda kurung dengan satu
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 3 3 2
𝑉𝑗 3 3 2
𝐵𝑉𝑖𝑗 3 2
𝐻𝑘(𝑗) 3 1 2
𝐵𝐻𝑖𝑘(𝑗) 1 2
𝜖𝑚(𝑖𝑗𝑘) 1 1 1
4. Isi sel yang masih kosong, untuk model tetap dengan 0 dan untuk model acak dengan 1
Sumber 3 3 3 2
Variasi T T A A
i j k m
𝐵𝑖 0 3 3 2
𝑉𝑗 3 0 3 2
𝐵𝑉𝑖𝑗 0 0 3 2
𝐻𝑘(𝑗) 3 1 1 2
𝐵𝐻𝑖𝑘(𝑗) 0 1 1 2
𝜖𝑚(𝑖𝑗𝑘) 1 1 1 1
2
EKT (𝐵𝑖 )= 𝜎𝜀2 + 2𝜎𝐵𝐻 + 18𝜙𝐵2
EKT (𝑉𝑗 )
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 0 3 3 2
𝑉𝑗 3 0 3 2
𝐵𝑉𝑖𝑗 0 0 3 2
𝐻𝑘(𝑗) 3 1 1 2
𝐵𝐻𝑖𝑘(𝑗) 0 1 1 2
𝜀𝑚(𝑖𝑗𝑘) 1 1 1 1
EKT (𝐵𝑉𝑖𝑗 )
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 0 3 3 2
𝑉𝑗 3 0 3 2
𝐵𝑉𝑖𝑗 0 0 3 2
𝐻𝑘(𝑗) 3 1 1 2
𝐵𝐻𝑖𝑘(𝑗) 0 1 1 2
𝜀𝑚(𝑖𝑗𝑘) 1 1 1 1
2 2
EKT (𝐵𝑉𝑖𝑗 )= 𝜎𝜀2 + 8𝜎𝐵𝐻 + 6𝜙𝐵𝑉
EKT (𝐻𝑘(𝑗))
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 0 3 3 2
𝑉𝑗 3 0 3 2
𝐵𝑉𝑖𝑗 0 0 3 2
𝐻𝑘(𝑗) 3 1 1 2
𝐵𝐻𝑖𝑘(𝑗) 0 1 1 2
𝜀𝑚(𝑖𝑗𝑘) 1 1 1 1
EKT (𝐵𝐻𝑖𝑘(𝑗))
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 0 3 3 2
𝑉𝑗 3 0 3 2
𝐵𝑉𝑖𝑗 0 0 3 2
𝐻𝑘(𝑗) 3 1 1 2
𝐵𝐻𝑖𝑘(𝑗) 0 1 1 2
𝜀𝑚(𝑖𝑗𝑘) 1 1 1 1
2
EKT (𝐵𝐻𝑖𝑘(𝑗))= 𝜎𝜀2 + 2𝜎𝐵𝐻
EKT (𝜀𝑚(𝑖𝑗𝑘) )
3 3 3 2
Sumber
T T A A
Variasi
i j k m
𝐵𝑖 0 3 3 2
𝑉𝑗 3 0 3 2
𝐵𝑉𝑖𝑗 0 0 3 2
𝐻𝑘(𝑗) 3 1 1 2
𝐵𝐻𝑖𝑘(𝑗) 0 1 1 2
𝜀𝑚(𝑖𝑗𝑘) 1 1 1 1
EKT (𝜀𝑚(𝑖𝑗𝑘) )= 𝜎𝜀2
Maka didapatkan EKT nya adalah sebagai berikut :
3 3 3 2
Sumber
T T A A EKT F
Variasi
i j k m
2
2 𝜎𝜀2 + 2𝜎𝐵𝐻 + 18𝜙𝐵2 𝐾𝑇(𝐵)
𝐵𝑖 0 3 3
𝐾𝑇(𝐵𝐻)
2 𝜎𝜀2 + 6𝜎𝐻2 + 18𝜙𝑉2 𝐾𝑇(𝑉)
𝑉𝑗 3 0 3
𝐾𝑇(𝐻)
2 2
2 𝜎𝜀2 + 8𝜎𝐵𝐻 + 6𝜙𝐵𝑉 𝐾𝑇(𝐵𝑉)
𝐵𝑉𝑖𝑗 0 0 3
𝐾𝑇(𝐵𝐻)
2 𝜎𝜀2 + 6𝜎𝐻2 𝐾𝑇(𝐻)
𝐻𝑘(𝑗) 3 1 1
𝐾𝑇(𝐸)
2
2 𝜎𝜀2 + 2𝜎𝐵𝐻 𝐾𝑇(𝐵𝐻)
𝐵𝐻𝑖𝑘(𝑗) 0 1 1
𝐾𝑇(𝐸)
𝜀𝑚(𝑖𝑗𝑘) 1 1 1 1 𝜎𝜀2
HIPOTESIS
Faktor Batch
H01 :𝐵𝑖 = 0 (Artinya tidak terdapat pengaruh bar terhadap kekuatan paduan alumunium )
H11 : 𝐵𝑖 ≠ 0 (Artinya terdapat pengaruh bar terhadap kekuatan paduan alumunium)
Faktor Vendor
H02:𝑉𝑗 = 0 (Artinya tidak terdapat pengaruh vendor terhadap kekuatan paduan alumunium)
H12 : 𝑉𝐽 ≠ 0 (Artinya terdapat pengaruh vendor terhadap kekuatan paduan alumunium)
Faktor Heat dalam Vendor
H03: 𝜎𝐻2 = 0 (Artinya tidak terdapat pengaruh heat dalam vendor terhadap kekuatan
paduan alumunium)
H13: 𝜎𝐻2 ≠ 0 (Artinya terdapat pengaruh heat dalam vendor terhadap kekuatan paduan
alumunium)
Faktor Interaksi Bar dan Vendor
2
H04 : 𝜎𝐵𝑉 = 0 (Artinya tidak terdapat pengaruh interaksi antara bar dan vendor terhadap
kekuatan paduan alumunium)
2
H14 : 𝜎𝐵𝑉 ≠0 (Artinya terdapat pengaruh interaksi antara bar dan vendor terhadap
kekuatan paduan alumunium)
Faktor Interaksi Bar dan Heat dalam Vendor
2
H05 : 𝜎𝐵𝐻 = 0 (Artinya tidak terdapat pengaruh interaksi antara bar dan heat dalam vendor
terhadap kekuatan paduan alumunium)
2
H15: 𝜎𝐵𝐻 ≠ 0 (Artinya terdapat pengaruh interaksi antara bar dan heat dalam vendor
terhadap kekuatan paduan alumunium)
TARAF SIGNIFIKAN
𝛼 = 5%
STATISTIK UJI
Uji F
ANAVA
Untuk meneliti efek bar, efek vendor , efek heat dalam vendor, efek interaksi antara bar
dan vendor, dan efek inetraksi antara bar dan heat dalam vendor terhadap kekuatan paduan
alumunium. Maka, dapat dilakukan ANAVA dengan perhitungan menggunakan Software
R.
Syntax dan Output R:
Dengan menggunakan syntax di atas pada software R diperoleh ANAVA seperti gambar di
atas. Karena model yang digunakan dalam laporan praktikum adalah model campuran
bukan model tetap, maka gunakan ANAVA yang diperoleh dari software R tersebut untuk
melihat hasil MS ( Mean Square ) yang akan digunakan untuk mencari uji F dan p-value
tiap faktornya.
KRITERIA UJI
Tolak H0 jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼 = 5%, terima dalam hal lainnya.
KESIMPULAN
Dengan 𝛼 = 5%, dari hasil ANAVA didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 sebagai berikut:
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝐵𝑎𝑟 = 0.2901187 > 𝛼 = 5%, maka H0 diterima.
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝑉𝑒𝑛𝑑𝑜𝑟 = 0.7758231 > 𝛼 = 5%, maka H0 diterima.
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝐼𝑛𝑡𝑒𝑟𝑎𝑘𝑠𝑖 𝐵𝑎𝑟 𝑑𝑎𝑛 𝑉𝑒𝑛𝑑𝑜𝑟 = 0.6400174 > 𝛼 = 5%,maka H0 diterima.
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝐻𝑒𝑎𝑡 𝑑𝑎𝑙𝑎𝑚 𝑉𝑒𝑛𝑑𝑜𝑟 = 2.28e − 12 < 𝛼 = 5%, maka H0 ditolak.
- 𝑝 − 𝑣𝑎𝑙𝑢𝑒𝐼𝑛𝑡𝑒𝑟𝑎𝑘𝑠𝑖 𝐵𝑎𝑟 𝑑𝑎𝑛 𝐻𝑒𝑎𝑡 𝑑𝑎𝑙𝑎𝑚 𝑉𝑒𝑛𝑑𝑜𝑟 = 0.03723132 < 𝛼 = 5%, maka H0
ditolak.
Artinya dengan taraf signifikansi 𝛼 = 5%, pada dapat disimpulkan bahwa tidak terdapat
pengaruh bar terhadap kekuatan paduan alumunium, tidak terdapat pengaruh vendor
terhadap kekuatan paduan alumunium, tidak terdapat pengaruh interaksi antara bar dan
vendor terhadap kekuatan paduan alumunium. Sedangkan, terdapat pengaruh heat dalam
vendor terhadap kekuatan paduan alumunium dan terdapat pengaruh interaksi antara bar
dan heat dalam vendor terhadap kekuatan paduan alumunium