1. Unduh Aplikasi Design Expert version 10 untuk Faktorial Desain, kemudian setelah di Instal buka
apikasi akan muncul gambar seperti berikut:
Note : Desain untuk 2 sampai 21 faktor, dimana setiap faktor mempunyai 2 level digunakan
untuk mencari efek dominan dan interaksi.
Fractional Fraction digunakan untuk menskrining sangat banyak faktok untuk ditemukan nilai
yang lebih sedikit atau golongan yang signifikan.
Pewarnaan pada koding merepresentasikan resolusi dari desain: Hijau (Karakterisasi) Res V atau
lebih tinggi, Kuning (Skrining) Res IV, dan Merah (Tes Ketidakrataan) Res III.
Karena kita akan mencari Optimasi dari 2 faktor yaitu asam sitrat dan asam tartrat maka kita
akan menggunkan 2² dan setiap faktor memiliki 2 level. Level rendah dan level tinggi. Replikasi
dipilih 1, Blok 1, senter poin per blok 0. Klik continue
3. Selanjutnya tampilan sebagai berikut :
Note : Faktor adalah besaran yang mempengaruhi respon, faktor merupakan variable yang
ditentukan seperti temperature, pH, bahan tambahan, dll. Faktor bias berupa kuantitatif
maupun kualitatif.
perbedaan penggunakan Numeric dan Categoric pada tipe yaitu apabila Numeric untuk data
yang karakterisasinya skala kontinus seperti temperature dan tekanan. Categori data digunakan
untuk katalisator atau untuk pembedaan level.
Randomized regular two level pada sheet ini untuk memasukan Faktor yaitu asam sitrat dan
asam tartrat, Units adalah satuan yang digunakan adalah persen karena, Level rendah dan tinggi
menggunakan satuan persen yaitu 25% (11,25) untuk level rendah dan 40% (18,00) untuk level
tinggi.
Untuk membuat effervescent yang bahan nya dari golongan asam seperti asam sitrat dan asam tartrat
paling baik digunakan 25% sampai 40% dari bobot. (Wehling and Fred, 2004). atau sesuai dari kegunaan
bahan dilihat juga di Hand Book Of pharmaceutical Excipient.
25% dari batas bawah asam sitrat dan asam tartrat adalah 375mg dikali jumlah tablet tiap formula 30
tablet maka hasilnya = 11,25 gram.
40% dari batas atas asam sitrat dan asam tartrat adalah 600mg dikali jumlah tablet tiap formula 30
tablet maka hasilnya= 18,00 gram.
Pada penelitian saya hanya memasukan 4 respon yang dominan terhadap sediaan tablet
effervescent yaitu keseragaman bobot, kekerasan, kerapuhan, dan waktu dispersi. Seperti pada
gambar diatas.
Setelah itu untuk mengetahui kekuatan akses dari nilai eksperimen. Pada penelitian ini units
adalah satuan pada setiap respon yang diamati dimasukan nilai signal, noise , dan noise ratio)
Respon keseragaman bobot unitnya persen dan nilai penerimaan 10%, dengan sigma adalah
batas rendah dari nilai penerimaan 5% maka noise rationya 2 . maka komputasinya (10/5=2).
begitu pula Respon Kekerasan tablet unitnya Kg, maka parameter maksimal tersesar tidak lebih
dari 4Kg sebagai signal, minimal 2kg sebagai noise, dan noise rationya adalah 2. Maka
komputasinya (4/2=2).
Namun berbeda jika Respon seperti Kerapuhan yang unitnya persen tidak memiliki nilai minimal
dari parameter dan maksimal adalah 1%, maka enginer record menyediakan standar deviasi
yaitu 5 (pada proses variability). Maka masukan nilainya. Maka design expert komputasinya
(1/5=0,2).
Respon kerapuhan unitnya menit, signal nilainya 2 menit, kemudian noisenya tidak ada batas
terendahnya maka dimasukan 5. Maka komputasinya (2/50,4). Klik continue.
Hasil dari kalkulasi power melaporkan pada 0,5% alpha level spesifik deteksi signal/ noise ratio
ditujukan pada gambar diatas. Rekomendasi power hasilnya dibawah 80%. Klik finish untuk
menyimpan dan menghasilkan design layout window.
Npte: Penampilan default pilihan display ada 2 metode yaitu, Actual level dari faktor maka pilih actual.
Apabila Coded contoh seperti 1 untuk level rendah dan +1 untuk level tinggi.
Pre Analisis dari efek via Data sorts dan simple scatter plots
Klik Graph Coloumns pada tulisan, Klik Grid untuk melihat korelasi indikasi hubungan antara 2 variabel.
Klik kotak bewarna untuk melihat hubungan dan nilai korelasi.
Hubungan Asam sitrat dengan asam tartrat korelasinya 0,00
Analisis Hasil
1.Keseragaman Bobot
Dari persamaan tersebut didapatkan prediksi versus residu yaitu prediksi skala respon 9 ke 10 rate dari
maksimal ke minimal adalah 1.11111 . maka hubungan keseragaman bobot dengan asam sitrat dan
asam tartrat memiliki efek yang kecil.
Note : ratio yangpaling baik itu diperlukan nilai lebih dari 10. Untuk rasio dibawah 3 tidak menunjukkan
sedikit kekuatan efek.
Klik effec maka akan muncul sebagai berikut, Half Normallot yaitu kemungkinan terkecil sekitar 50%
respon hubungan uji keseragaman dengan bahan yaitu asam tartrat dan asam sitrat dan untuk melihat
positif dan negatif efeknya.
Jadi efek positif sepertipadagambar ditujukan hubungan antara keseragaman bobot sedangkan efek
negative untara keseragaman bobot dengan asam sitrat.
Vertical axis menunjukkan t value dari efek yang tepat. Efeks tatistic skala merupakan standar deviasi.
Pareto chart jugadapat untuk menunjukkan atau mengoreksi kesalahan faktor level, kesalahan data.t
value skala menyediakan pengukuran yang lebih akurat terhadap relatif efek.
Numeric adalah salah satu metode lain untuk menyeleksi metode atau model “autoselect”. Detailnya
tanda hijau M artinya consider menjadi model atau dilihat pada tabel.
Pada halaman ini terdapat keterangan pada tabel model, std, df, p value dan lain lain keterangan dapat
klik kanan pilih help untukpenjelasannya.
Nilai probabilitas “p value” untuk model yang tepat nilaiyang signifikan adalah kurang dari <0.05 untuk
mendapatkan hasil yang signifikan. Atau adapat diedit seperti diatas.
Klik koofesien untuk memilih prediksi persamaan menggunakan persamaan kode atau actual,
persamaan dari keseragaman bobot,R squared pvalue dll.
VALIDASI MODEL
Klik Diagnostic tab untuk menghasilkan kemungkinan normal plot dari residuall.
Residual merupakan pokok dari penelitian konversi ke skala standar deviasi. Dan juga secara external
dengan mengambil setiap hasil sebelum kalkulasi adalah residual. Pendekatan statistik mengarah seperti
“kasus menghapus diagnostik”. Jika ada sesuatu yang terjadi salah dalam pengukuran eksperimen ini
dan menyebabkan hasil keluar benar untuk diberikan run, nilai berbeda akan diganti sebelum menaksir
untuk mempengaruhi model yang tetap. Ini juga untuk memperbaiki dan mendeteksi abnormalitas.
Untuk standar 2 level faktorial desain seperti ini, merencanakan residual awal padaoriginal unit
pengukuran akan efektif memilih residual pada Diagnostic toolbar untuk emastikan itu benar. Namun
apabila salah ada pemberitahuan seperti diatas untuk mengganti dari yang sudah diekoemdasikan yaitu
skala studenized padaakhirnya karena pada aturan umum itu pendekatan yang paling dianjurkan untuk
residual.
Idealnya residual normal plot adalah garis lurus, sebagai indikasi tidak adaabnormalitas. Data tidak
cocok secara sempurna dengan garis. Garis bagus dari persetujuan itu disebut dengan tes”fat
pencil”.jika bisa menempatkan fat pencil diatas garis dan menutupi semua data poin maka data cukup
normal. Kasus plot ini terlihat bagus OK, kemudian ganti.
Ukuran dari residual bisa independent dari nilai prediksi. Dalam kata lain, penyebaran vertical dari
studenized residual dapat dikatakan kira kira sama dengan seluruh level pada nilai prediksi. Pada kasus
ini plot terlihat ok.
Residual vs.Run
Untuk melihat kegunaan plot yang biasanya sebagai referensi “outliner t” karena dapat menunjukan
berapa banyakstandart deviasi (t value) untuk memberitahun kekeliruan relatif yang mana dapat
mengira dari seluruh lainnya.
Design expert menyedikan atas dan bawah garis merah mendekati pada kepercayaan 95%limit control
pada run chart. Pada kasus ini poin none, karena pada kasus ini grapik perencanaan perintah
randpmized run, pada perintah point akan berbeda dengan nilai pada layar. Normalnya lebih dulu bias
dilihat dari polanya, tidak hanya dari hasilnya. Contoh jelasnya akan terjadi penurunan padaresidual dari
awal- mulai hingga akhir, dalam kata laintrend penurunan. Itu bisa terjadi karena untuk konsen tentang
stabilitas pada sistem ini dan perhitungan investigasi. Bagaimanapun, menjalankan eksperimen random
order, ini membangun perlindungan melawan trend pada respon bias hasil.
Note : apa yang terjadi jika point falls keluar dari limit: jika disana terdapat deviasi rata rata, kamu bias
klik koordinat display sebelah kiri dari grapik. Program akan meningat dari poin. Itu akan
menggarsibawahi pada plt lainnya. Ini pada khususnya akan membantu padaanalisis residual karena
bisamemnandai beberapa poin yang dicurigai. Keistimewaan ini juga akan bekerja pada grapik
interpretasi.
Design
-Exp
ert®Softw
are
ke
seragamanbobot
La
mb da
Curent=1
Best=3
Lo
wC .I.=
HighC .I.=
Reco
mmen
dtran
sform
:
None
(La
mb
da=1)
0,8
0,6
Ln(ResidualSS) 0,4
0,2
-0,2
-0,4
-3 -2 -1 0 1 2 3
Lambda
Ini untuk mengembangkan kalkulasi dari kekuatan perubahan terbaik. Garis biru menunjukan perubahan
yang signifikan. Pada poin ini nilai 1 pada lambda dimana symbol kekuatan yang diaplikasikan padanilai
respon. Lambda 1 indikasi tidak ada perubahan. Garis hijau adalah indikasi nilai lambda terbaik, jika
garis merah melingkupi 95% kepercayaan.garis biru adalah zona optimal perubahan.
Report tab adalah laporan diagnose dari kasus ke kasus dan kesimpulan dari kekuatan perubahan yang
direkomendasikan.
Kemudian 3D contour untuk melihat lebih mudah melalui grapik 3D design eksperimen.
2. Kekerasan Tablet
Untuk kekerasan tablet rationya adalah 2 dari range 2-4. untuk ratio kurang dari 3 maka kekuatan
hubungan antara kekerasan tablet dan asam tartrat dan asam sitrat sedikit memiliki efek.
Half % probabilitas untuk melihat kemungkinan efek 50% antara bahan dan kekerasan tablet.
Vertical axis menunjukkan t value dari efek yang tepat. Efeks tatistic skala merupakan standar deviasi.
Pareto chart jugadapat untuk menunjukkan atau mengoreksi kesalahan faktor level, kesalahan data.t
value skala menyediakan pengukuran yang lebih akurat terhadap relatif efek.
Numerik adalah salah satu cara untuk melihat kemungkinan lain, distribusi,dan menyeleksi desain model
dengan auto select antara bahan asam sitrat asam tartrat terhadap kekerasan tablet dengan seluruh
level.
3. kerapuhan
Karena penjelasan proses sudah ada diatas maka ini hanya memplotkan hasil setiap proses.
Design
-Exp
ert®Softw
are
ke
rap
uhan
A:Asa
mTartrat
B:Asa
mSitra
t
Half-Normal Plot
95,0
90,0
Half-Normal % Probability
80,0
70,0
50,0
30,0
20,0
10,0
0,0
|Normal Effect|
Pareto Chart
Bonf erroni Limit 4,85666
4,86
3,64
2,43
1,21
0,00
1 2 3
Rank
Response 3 kerapuhan
Values of "Prob > F" less than 0,0500 indicate model terms are significant.
In this case there are no significant model terms.
Values greater than 0.1000 indicate the model terms are not significant.
If there are many insignificant model terms (not counting those required to support hierarchy),
Colorpo
intsbyvalueof
ke
rapuhan:
1,0
1,5
Predicted
1,0
0,5
0,0
Actual
Design
-Exp
ert®Softw are
FactorCod
ing:Actual
ke
rapuhan(perse
n)
DesignPoints
1
X1=A:AsamTa rtrat
X2=B:AsamSitrat
kerapuhan (persen)
18
16,65
13,95
12,6
11,25
11,25 12,6 13,95 15,3 16,65 18
4.waktu dispersi
D
esign
-Expert®Softw
are
w
aktudispersi
A:Asa
mTartrat
B:Asa
mSitra
t
Half-Normal Plot
95,0
90,0
Half-Normal % Probability
80,0
70,0
50,0
30,0
20,0
10,0
0,0
|Normal Effect|
Pareto Chart
Bonf erroni Limit 4,85666
4,86
3,64
2,43
1,21
0,00
1 2 3
Rank
Use your mouse to right click on individual cells for definitions.
Values of "Prob > F" less than 0,0500 indicate model terms are significant.
Values greater than 0.1000 indicate the model terms are not significant.
If there are many insignificant model terms (not counting those required to support hierarchy),
A negative "Pred R-Squared" implies that the overall mean may be a better predictor of your
The equation in terms of actual factors can be used to make predictions about the response for
given levels of each factor. Here, the levels should be specified in the original units for
each factor. This equation should not be used to determine the relative impact of each factor
because the coefficients are scaled to accommodate the units of each factor and the intercept
C
olorpointsbyvalueof
w
aktudispersi:
2,0
1,0
5,00
0
0,00
-5,00
-8,8602
-10,00
Predicted
D
esign
-Expert®Softw
are
w
aktudispersi
C
olorpointsbyvalueof
w
aktudispersi:
2,0
1,0
0
0,00
-5,00
-8,8602
-10,00
1 2 3 4
Run Number
D
esign
-Expert®Softw
are
w
aktudispersi
La
mb da
Curent=1
Best=0
Lo
wC .I.=-5,66
HighC .I.=5,66
Reco
mmen
dtran
sform
:
None
(La
mb
da=1)
1,24061
1,2
Ln(ResidualSS)
0,8
0,6
0,4
0,2
-0,2
-3 -2 -1 0 1 2 3
Lambda
Design
-Expert®Softw are
FactorC od
ing:Actual
waktudispersi (menit)
DesignP oints
2
X1=A:AsamTa rtrat
X2=B:AsamSitrat
16,65
13,95
Prediction 1,5
12,6
11,25
11,25 12,6 13,95 15,3 16,65 18
X1=A:AsamTa rtrat
X2=B:AsamSitrat
1,5
2
1,8
waktu dispersi (menit)
1,6
1,4
1,2
18 18
16,65 16,65
15,3 15,3
13,95 13,95
B: Asam Sitrat (Gram) 12,6 12,6 A: Asam Tartrat (Gram)
11,25 11,25
Optimisasi
Ada 2 jenis optimisasi numerical untuk tujuan untuk setiap respon solusi menghasilkan kondisi optimal
Dan grapikal untuk tujuan mana yang masukpersyaratan minimal dan maksimal parameter pada setiap
respon dan melihat grapik overlay yang mana bisa digunakan.
Des
i gn
-Expert®Soft ware
Fac
t orCo
di n
g: Actual
AlResponses
DesignPoi nts
1
X1=A:AsamT
artrat
X2=B:AsamSitrat
2,5
16,65 16,65
B: Asam Sitrat (Gram)
13,95 13,95
12,6 12,6
11,25 11,25
11,25 12,6 13,95 15,3 16,65 18 11,25 12,6 13,95 15,3 16,65 18
Nilai desirability adalah nilai penerimaan 1, dari banyak solusi dicari yang paling banyak nilai
penerimaannya.
D esign
-Expert®Software
FactorCoding:Actual
OverlayPlo
t
D
esignPoints
Std#2R
un#1
1=A:AsamT
X artrat=18
X=B:AsamSitrat=11,2
2 5
Overlay Plot
18
16,65
X1 14,0708
X2 15,7401
B: Asam Sitrat (Gram)
15,3
13,95
12,6
11,25
11,25 12,6 13,95 15,3 16,65 18
D
esignPoints
Std#1R
un#2
1=A:AsamT
X artrat=11,25
X=B:AsamSitrat=11,2
2 5
Overlay Plot
18
16,65
X1 15,4064
X2 13,8225
13,95
12,6
11,25
11,25 12,6 13,95 15,3 16,65 18
Hasil formula 2
D esign
-Expert®Software
FactorCoding:Actual
OverlayPlo
t
D
esignPoints
Std#4R
un#3
1=A:AsamT
X artrat=18
X=B:AsamSitrat=18
2
Overlay Plot
18
16,65 X1 13,3901
X2 16,0306
13,95
12,6
11,25
11,25 12,6 13,95 15,3 16,65 18
Hasil formula 3
D esign
-Expert®Software
FactorCoding:Actual
OverlayPlo
t
D
esignPoints
Std#3R
un#4
1=A:AsamT
X artrat=11,25
X=B:AsamSitrat=18
2
Overlay Plot
18
16,65
13,95
X1 13,2366
X2 12,9317
12,6
11,25
11,25 12,6 13,95 15,3 16,65 18
Hasil formula 4
Overlay plot adalah gabungan dari semua plot dari grapikal optimasi yang dianjurkan dan untuk
mengetahui nilai X1 dan X2 yang dimasukan ke persamaan.
KONFIRMASI
Pokok utama akhir kita akan mengekplor post analisis pada konfirmasi untuk membuat prediksi respon
untuk beberapa pengaturan kondisi pada proses faktor.
Hasil konfirmasi
Confirmation Report
Two-sided Confidence = 95% n =1
Factor Name Level Low Level High Level Std. Dev. Coding
A Asam Tartrat 18,00 11,25 18,00 0,000 Actual
B Asam Sitrat 11,25 11,25 18,00 0,000 Actual
^1 For transformed responses the predicted mean and median may differ on the original scale.
See help for details.
Hasildari konfrimasi run yang memiliki * lebih dianjurkan kemudian masukan data mean, simpan.
Ini adalah koofesien tabel respon.
J.M. Kolthoff, Theory guides experiment decides, V10 of Design Expert Software: Top Tool For Design Of
Experiments (DOE), Stat Este Software Training and Consulting Statistic Made Easy.