MAKALAH

FRACTIONAL FACTORIAL DESIGN

Disusun Oleh :

Ardelia Widya Santi 1815041038

Mata Kuliah : Design Experiment

Dosen : Ir. Azhar, M.T.

JURUSAN TEKNIK KIMIA

FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
2021
 DAFTAR ISI

Kata Pengantar...........................................................................................................3

Bab I Pendahuluan......................................................................................................4

1.1.Latar Belakang......................................................................................................4
1.2.Tujuan...................................................................................................................4

Bab II Isi.....................................................................................................................5

2.1. Pengertian Design Experiment...........................................................................5

2.2. Fractional Factorial Design................................................................................6

2.3. Penerapan Fractional Factorial Design...............................................................10

Bab III Kesimpulan.....................................................................................................34

Daftar Pustaka.............................................................................................................36
 KATA PENGANTAR

Segala puji bagi Allah SWT yang telah memberikan kami kemudahan sehingga kami dapat
menyelesaikan makalah ini dengan tepat waktu. Tanpa pertolongan-Nya tentunya kami tidak
akan sanggup untuk menyelesaikan makalah ini dengan baik. Shalawat serta salam semoga
terlimpah curahkan kepada baginda tercinta kita yaitu Nabi Muhammad SAW yang kita
nanti-natikan syafa’atnya di akhirat nanti.

Penulis mengucapkan syukur kepada Allah SWT atas limpahan nikmat sehat-Nya, baik itu
berupa sehat fisik maupun akal pikiran, sehingga penulis mampu untuk menyelesaikan
pembuatan makalah sebagai tugas dari mata kuliah Design of Experiment dengan judul
“Fractional Factorial Design”.

Penulis tentu menyadari bahwa makalah ini masih jauh dari kata sempurna dan masih banyak
terdapat kesalahan serta kekurangan di dalamnya. Untuk itu, penulis mengharapkan kritik
serta saran dari pembaca untuk makalah ini, supaya makalah ini nantinya dapat menjadi
makalah yang lebih baik lagi. Kemudian apabila terdapat banyak kesalahan pada makalah ini
penulis mohon maaf yang sebesar-besarnya. Penulis juga mengucapkan terima kasih kepada
semua pihak.
Demikian, semoga makalah ini dapat bermanfaat. Terima kasih.

Bandarlampung, 16 Januari 2021

Penulis
 BAB I

PENDAHULUAN

1.1.Latar Belakang
Penggunaan rancangan faktorial fraksional telah diperkenalkan oleh Tippett (Box dan
Meyer, 1986), dan sejak Tahun 1980 - an telah menjadi perhatian. Voelkel dan Rochester
(2004), dalam penelitiannya menyimpulkan bahwa rancangan ini relatif lebih efisien.
Eksperimen yang didasarkan pada rancangan faktorial, dimaksudkan untuk menentukan
faktor mana diantara sejumlah faktor yang secara potensial memberikan efek pada respon.
Namun, pada rancangan faktorial dengan jumlah faktor yang besar dan diikuti oleh
jumlah kombinasi perlakuan yang besar, eksperimen menjadi tidak efisien untuk
dilakukan. Untuk menurunkan jumlah kombinasi perlakuan, digunakan rancangan
faktorial fraksional.
Penggunaan rancangan faktorial fraksional telah diperkenalkan oleh Tippett (Box dan
Meyer, 1986), dan sejak Tahun 1980 - an telah menjadi perhatian. Voelkel dan Rochester
(2004), dalam penelitiannya menyimpulkan bahwa rancangan ini relatif lebih efisien.
Eksperimen yang didasarkan pada rancangan faktorial, dimaksudkan untuk menentukan
faktor mana diantara sejumlah faktor yang secara potensial memberikan efek pada respon.
Namun, pada rancangan faktorial dengan jumlah faktor yang besar dan diikuti oleh
jumlah kombinasi perlakuan yang besar, eksperimen menjadi tidak efisien untuk
dilakukan. Untuk menurunkan jumlah kombinasi perlakuan, digunakan rancangan
faktorial fraksional.

1.2.Tujuan
1. Mengetahui pengertian Design Experiment
2. Memahami Fractional Factorial Design
3. Mengatahui dan memahami penerapan Fractional Factorial Design
 BAB II

ISI

2.1. Design Experiment

Design Experiment adalah riset yang direncanakan untuk melakukan hubungan sebab akibat.
DOE memiliki peranan penting sebagai suatu jalan formal untuk memaksimalkan informasi
yang didapat ketika sumber daya dibutuhkan. Lebih dari sekedar metode experimental “one
change at a time”, DOE juga memudahkan kita untuk melakukan judgement pada variabel
input dan output yang signifikan. Pengujian “one change at a time” selalu menghasilkan
resiko yang mengharuskan pelaku eksperimen untuk menemukan satu variabel input untuk
memiliki efek signifikan pada output sementara mereka terhambat karena tidak dapat
mengganti variabel demi menjaga kestabilan variabel lainnya.

2.2. Fractional Factorial Design

Desain factorial adalah desain di mana peneliti hanya melakukan subset atau "pecahan" yang
dipilih dari proses dalam desain faktorial lengkap. Desain faktorial pecahan adalah pilihan
yang baik jika sumber daya terbatas atau jumlah faktor dalam desain besar karena
menggunakan lebih sedikit run daripada desain faktorial lengkap.

Desain faktorial pecahan menggunakan himpunan bagian dari desain faktorial lengkap, jadi
beberapa efek utama dan interaksi 2 arah dirancukan dan tidak dapat dipisahkan dari efek
interaksi tingkat tinggi lainnya. Biasanya para pelaku eksperimen bersedia menganggap efek
tingkat tinggi dapat diabaikan untuk mendapatkan informasi tentang efek utama dan interaksi
tingkat rendah dengan proses yang lebih sedikit.

Fractional factorial design adalah desain eksperimental yang terdiri dari subset (pecahan)
yang dipilih dengan cermat dari proses percobaan desain faktorial lengkap.

Fractional design dinyatakan dengan menggunakan notasi lk - p, di mana l adalah banyaknya

level dari setiap faktor yang diteliti, k adalah jumlah faktor yang diselidiki, dan p
menggambarkan ukuran factorial dari faktorial lengkap yang digunakan. Secara formal, p
adalah jumlah generator, tugas untuk efek atau interaksi yang dirancukan, yaitu, tidak dapat
diperkirakan secara independen satu sama lain. Sebuah desain dengan p generator seperti itu
adalah fraksi 1 / (lp) = l-p dari desain faktorial penuh.
Misalnya, desain 25 - 2 adalah 1/4 dari desain faktorial dua tingkat dan lima faktor. Daripada
32 proses yang akan diperlukan untuk 25 eksperimen faktorial penuh, eksperimen ini hanya
memerlukan delapan proses.

Number of Factors, k Design Specification Number of Runs N

3 2III3-1 4
4 2IV4-1 8
5 2V5-1 16
5 2III5-2 8
6 2VI6-1 32
6 2IV6-2 16
6 2III6-3 8
7 2VII7-1 64
7 2IV7-2 32
7 2IV7-3 16
7 2III7-4 8
8 2VIII8-1 128
8 2V8-2 64
8 2IV8-3 32
8 2IV8-4 16
9 2VI9-2 128
9 2IV9-3 64
 9 2IV9-4 32
9 2III9-5 16
10 2V10-3 128
10 2IV10-4 64
10 2IV10-5 32
10 2III10-6 16
11 2V11-4 128
11 2IV11-5 64
11 2IV11-6 32
11 2III11-7 16
15 2III15-11 16
31 2III31-26 32

Dalam praktiknya, jarang menemukan 1> 2 level dalam desain faktorial pecahan, karena
metodologi permukaan respons adalah cara yang jauh lebih efisien secara eksperimental
untuk menentukan hubungan antara respons eksperimental dan faktor-faktor di berbagai
level. Selain itu, metodologi untuk menghasilkan desain seperti itu untuk lebih dari dua
tingkat jauh lebih rumit.

Tingkat suatu faktor biasanya diberi kode sebagai +1 untuk tingkat yang lebih tinggi, dan −1
untuk tingkat yang lebih rendah. Untuk faktor tiga tingkat, nilai antara dikodekan sebagai 0.

Untuk menghemat ruang, titik dalam percobaan faktorial dua tingkat sering disingkat dengan
string tanda plus dan minus. String memiliki simbol sebanyak faktor, dan nilainya
menentukan level setiap faktor: secara konvensional, -- untuk level pertama (atau rendah),
dan ++ untuk level kedua (atau tinggi) tingkat.

Titik faktorial juga dapat disingkat dengan (1), a, b, dan ab, di mana adanya huruf
menunjukkan bahwa faktor yang ditentukan berada pada tingkat tertinggi (atau kedua) dan
tidak adanya huruf menunjukkan bahwa faktor yang ditentukan berada di tingkat rendah (atau
pertama) (misalnya, "a" menunjukkan bahwa faktor A ada di pengaturan tinggi, sementara
semua faktor lainnya ada di pengaturan rendah (atau pertama)). (1) digunakan untuk
menunjukkan bahwa semua faktor berada pada nilai terendah (atau pertama).
Fractional Factorial Design dihasilkan dari eksperimen faktorial lengkap dengan memilih
struktur alias. Struktur alias menentukan efek mana yang dikacaukan satu sama lain.
Misalnya, lima faktor 25 - 2 dapat dihasilkan dengan menggunakan percobaan faktorial tiga
faktor penuh yang melibatkan tiga faktor (misalnya A, B, dan C) dan kemudian memilih
untuk mengacaukan dua faktor tersisa D dan E dengan interaksi yang dihasilkan oleh D = A *
B dan E = A * C. Kedua ekspresi ini disebut generator desain. Jadi misalnya, saat eksperimen
dijalankan dan eksperimen memperkirakan efek untuk faktor D, yang sebenarnya
diperkirakan adalah kombinasi dari efek utama D dan interaksi dua faktor yang melibatkan A
dan B.

Karakteristik penting dari desain pecahan adalah relasi penentu, yang memberikan himpunan
kolom interaksi yang sama dalam matriks desain dengan kolom tanda tambah, dilambangkan
dengan I. Untuk contoh di atas, karena D = AB dan E = AC, maka ABD dan ACE keduanya
kolom tanda tambah, dan akibatnya begitu juga BDCE. Dalam hal ini relasi yang menentukan
desain pecahan adalah I = ABD = ACE = BCDE. Relasi yang menentukan memungkinkan
pola alias dari desain untuk ditentukan.

Bagian-bagian dari suatu desain diurutkan berdasarkan tanda-tanda yang diberikan pada
generator desain. Misalnya, pertimbangkan 6 faktor, 8 desain lari. Generator desain adalah D
= AB, E = AC, F = BC. Ini adalah 1/8 bagian dari desain 6 faktor penuh. Jadi ada 8 pecahan.
Ini diurutkan sebagai berikut:
Pecahan utama selalu yang terakhir, pecahan yang memiliki semua tanda +.

Misalkan kita membuat pecahan kedua. Kita mulai dengan 3 faktorial penuh kemudian
menambahkan faktor D = AB, E = -AC, F = -BC, memberikan:

2.3. Penerapan Fractional Factorial Design

Contoh 1

Produk fiber glass banyak digunakan di dunia industri saat ini. Produk fiber glass berkualitas
tinggi dibutuhkan suatu komposisi, dimana untuk komposisi yang tepat diperlukan
eksperimen. Desain eksperimen 2 k-p fractional factorial design dengan metode Taguchi
telah digunakan untuk mendapatkan komposisi yang optimal. Hasil pengujian kekuatan
impak dengan bentuk dan pengujian sesuai JIS (Japanese Industrial Standard) pada fiber glass
didapatkan bahwa metode 2k-p fractional factorial design dengan metode Taguchi tidak
berbeda.

Langkah eksperimen desain pada 2k-p fractional factorial design: 1. Pada matriks ini
digunakan pengkodean dimana untuk level rendah dikode dengan –1 dan level tinggi dikode
dengan 1. Karena merupakan rancangan fractional maka efek faktor Cara Tuang akan
dibaurkan dengan interaksi 6 faktor yang lain sehingga pembangkit dari rancangan ini yaitu
G = ABCDEF. 2. Setelah matriks eksperimen selesai dirancang maka langkah selanjutnya
yaitu melakukan eksperimen sesuai urutan, dimana urutan percobaan dilakukan secara
random seperti yang tertera pada kolom RunOrder.

Prosedur untuk menganalisa 2k-p fractional factorial design yaitu :

1. Mencari efek utama faktor dan interaksi yang berpengaruh terhadap respon. Untuk
mengetahui efek-efek yang berpengaruh terhadap respon dapat dilakukan dengan membuat
Plot Probabilitas Normal (Gambar 3) untuk semua efek yang ada. Penyimpangan yang
mencolok dari garis normal menunjukkan bahwa efek tersebut berpengaruh terhadap respon.

2. Melakukan pengujian statistik. Setelah mengetahui efek-efek yang berpengaruh besar

terhadap respon maka dilanjutkan dengan membuat Anova (Analysis of Variance), untuk
mendapatkan efek faktor dan efek interaksi yang signifikan.

3. Menyusun model regresi. Membuat model regresi berdasarkan efek faktor dan interaksi
yang signifikan.

4. Menguji residual. Pengujian residul harus memenuhi 3 asumsi yaitu : Identik, Independent,
dan berdistribusi normal (0, s 2 ).

5. Memerlukan kombinasi faktor yang optimal. Untuk menentukan level-level faktor yang
memaksimalkan kekuatan impact fiber glass maka perlu dibuat plot efek utama dan plot efek
interaksi antar faktor. Plot interaksi yang akan dibuat hanya untuk efek interaksi yang
berpengaruh secara signifikan. Kombinasi faktor yang optimal didapatkan dengan cara
mengkombinasikan plot efek utama dan plot efek interaksi antar faktor.
Hasil

contoh 2

Contoh ini mengacu pada penggunaan replika pecahan FUFE dalam menguji adhesi a

polimer termoplastik dan serat dengan memasukkan k = 7 faktor. Penerapan pecahan

replika telah terbukti sangat berguna karena FUFE membutuhkan 2

= 128 percobaan dan konsumsi waktu yang sangat banyak. FRFE tipe 27-3

dengan hanya 16 uji coba telah digunakan. FUFE 24

telah digunakan untuk membuat replika pecahan. Berikut pembangkitnya

rasio telah diperkenalkan:

Tidak termasuk semua efek dari interaksi tiga kali lipat dan lebih tinggi, perkiraan alias /
membingungkan ini koefisien regresi telah diperoleh:
Berdasarkan hasil eksperimen yang diperoleh, koefisien regresi linier regresi telah ditentukan
dengan menggunakan Persamaan. (2.62) - (2.64).

Contoh 3

Untuk menghasilkan bahan tekstil yang tahan api, keempat faktor kualitatif ini telah

diuji:

Faktor Tingkat yang lebih rendah Tingkat atas

1. Bahan tekstil biksu satin

2. Perlakuan B tekstil perlakuan X perlakuan Y

3. C kondisi pencucian sebelum pencucian setelah pencucian

4. Arah pengujian D bersamaan melintang

Percobaan dilakukan dengan matriks FRFE tipe 24-1. Tanggapannya adalah bagian tekstil
yang terbakar sepanjang 25,4 mm. Tentukan faktor dan interaksi efek, karena tidak ada
gunanya menentukan koefisien regresi sebagai faktor bersifat kualitatif. Untuk membangun
pecahan 24-1, desain 2 dari Tabel 2.102 digunakan. Urutan uji coba dalam matriks desain
telah benar-benar acak.

Reaksi kimia berikut telah dipelajari di laboratorium kimia:

A + B + C → D + produk lainnya

Reaksi berlangsung dengan adanya pelarut E. Lima faktor, seperti yang ditunjukkan pada
Tabel 2.121, divariasikan dalam kondisi laboratorium. Dalam mendesain eksperimen itu telah
diasumsikan bahwa pengaruh interaksi tidak signifikan. Percobaan itu karena itu dilakukan
oleh 25-2 atau 1/4-replika masing-masing.

Contoh 4

Proses mendapatkan alkil sulfonat dalam autoklaf dengan mixer telah dilakukan belajar.
Reagen dasar adalah: larutan air natrium hidrosulfit 36-38% dan fraksi olefin industri pada
240-320 C. NaNO dan oksigen dari udara digunakan sebagai pemrakarsa reaksi radikal
bebas. Faktor sistem adalah: x1 suhu reaksi; x2 temperatur reaksi; mole ratio of sodium
hydrosulfite and olefin; x4 mole ratio of NaNO3 and olefin; x5 volume ratio of N-propanol
and olefin. Sistem respon adalah hasil alkil sulfonat sebagai persen dari hasil teoritis. 25-2
telah digunakan dalam percobaan dengan rasio pembangkit ini: x4=x1x2x3; x5= -x1x2.
Tentukan koefisien dari model regresi linier. Tentukan efek aliiased / confounded sesuai
dengan rasio penghasil atau definisi
Mempertimbangkan informasi awal tentang tidak pentingnya double, triple-dan interaksi
tingkat tinggi, kami memperoleh perkiraan efek utama ini:

Contoh 5

Rancangan FF tiga taraf dinotasikan dengan. Jadi rancangan yang dicobakan hanya
kombinasi perlakuan dari kombinasi perlakuan lengkap. Banyaknya total kombinasi
perlakuan yang akan dicobakan dalam rancangan FF disebut fraksi percobaan. Untuk
percobaan lebih dari satu unit eksperimen untuk setiap perlakuan, maka digunakan analisis
varian untuk menguji efek utama dan efek interaksi dalam model
sedangkan untuk percobaan yang hanya terdapat satu pengamatan pada tiap-tiap perlakuan,
karena tidak terdapat derajat bebas untuk mengestimasi dan tidak ada error dalam setiap
perlakuan maka dalam menaksir efek faktor yang signifikan dari rancangan FF tanpa
pengulangan bisa menggunakan analisis atau metode tertentu. Adapun tujuan penulisan ini
adalah untuk menentukan rancangan FF pada percobaan bertaraf tiga dan menentukan faktor
yang signifikan dengan menggunakan metode Bissell
pada studi contoh “perkecambahan tanaman kacang hijau” untuk mengetahui faktor-faktor
yang signifikan terhadap panjang tanaman kacang hijau.

Dalam suatu eksperimen, rancangan faktorial adalah suatu rancangan yang

mengikutkan seluruh kombinasi perlakuan dari faktor atau variabel input. Apabila jumlah
dari faktor ini cukup besar, maka akan berakibat pada besarnya jumlah kombinasi perlakuan
yang akan dilakukan, dan ini tidak cukup efisien. Percobaan faktorial yang terdiri atas
beberapa faktor misalkan sebanyak faktor dan masing-masing faktor bertaraf katakanlah
sama dengan 3, maka dari rancangan ini terdapat kombinasi perlakuan. Dengan
bertambahnya faktor maka jumlah kombinasi perlakuan senantiasa bertambah. Rancangan
yang sering digunakan untuk menanggulangi hal tersebut, adalah dengan menggunakan
rancangan Fractional Factorial (FF).
 di atas juga dapat dibuatkan blok-blok. Dengan adanya blok dapat digunakan sebagai
alternatif kombinasi perlakuan yang digunakan karena salah satu dari blok dapat dipilih untuk
digunakan.
Contoh 6

Seorang insinyur menyelidiki faktor yang mempengaruhi total minyak (liter) yang dihasilkan
pada setiap batch kacang. Terdapat lima faktor yang diselidiki, yaitu C, kelembabanC dan
95tekanan CO2 untuk 415 bar dan 550 bar, suhu CO2 untuk 25 kacang untuk 5% dan 15%
dari berat batch kacang, laju alir CO2 untuk 40 liter/menit dan 60 liter/menit, serta ukuran
partikel kacang untuk 1,28 mm dan 4,05 mm. Masingmasing faktor diujikan dengan satu unit
percobaan. Data contoh untuk rancangan faktorial fraksional terdiri atas 16-run dengan
masing-masing faktor secara berurutan dinotasikan A, B, C, D, dan E (Box et al, 2005).

Model yang digunakan dalam rancangan faktorial fraksional 25-1 dengan relasi penentunya
adalah I = ABCDE dan jumlah run 16, sebagai berikut:

Rancangan tersebut disebut juga desain resolusi V karena setiap efek utama ber-alias dengan
interaksi empat faktor, dan setiap interaksi dua faktor ber-alias dengan interaksi tiga faktor.
Alias yang terpilih dari 32 kombinasi perlakuan lengkap adalah:
Hasil pengolahan dari contoh diperoleh estimasi efek perlakuan sesuai perhitungan pada
persamaan (4), dapat dilihat pada Tabel 2. Setelah diketahui nilai dari estimasi efek perlakuan
tiap variabel, selanjutnya untuk menentukan efek perlakuan mana yang memiliki pengaruh,
maka dapat dilakukan uji signifikansi dengan menggunakan metode klasik dan metode Lenth.

Uji Signifikansi Metode Klasik Pengujian didasarkan pada normal probability plot terhadap
nilai efek. Berdasarkan Gambar 2, terlihat bahwa terdapat titik-titik yang berada jauh dari
garis normal atau tidak berada di antara limit konfidensi sesuai Tabel 2, dan titik-titik tidak
berada disekitar rata-rata 0 yaitu B, C, D, E, AB, AC dan BC, sehingga dapat dicurigai B, C,
D, E, AB, AC dan BC berpengaruh terhadap Y. Model linier akhir untuk rancangan tersebut
adalah
Selanjutnya dilakukan cek asumsi normalitas dan kesamaan ragam berdasarkan nilai residual
dari model linier, dengan hasil sesuai pada Gambar 3.

Berdasarkan Gambar 4, terlihat plot menyebar merata di atas dan di bawah sumbu 0. Selain
itu titik-titik tidak membentuk suatu pola tertentu, sehingga ragam residual percobaan sama.
Berdasarkan analisis disimpulkan bahwa faktor yang berpengaruh terhadap respon Y adalah
faktor B, C, D, E, AB, AC dan BC.

Uji Signifikansi Metode Lenth Hipotesis untuk pengujian ini terdiri atas dua kelompok, yaitu
Hipotesis untuk faktor utama

Taraf signifikansi yang digunakan adalah α = 5%. Pada metode ini nilai statistik uji yang
digunakan adalah nilai mutlak estimasi efek perlakuan . Penentuan kriteria uji untuk metode
Lenth dimulai dengan menentukan estimasi awal dan akhir serta nilai batas kesalahan
sehingga menghasilkan nilai kriteria uji dengan perhitungan sebagai berikut:
Kriteria uji yang digunakan adalah apabila H0 ditolak jika nilai mutlak estimasi efek utama
perlakuan > nilai margin error (ME) dan nilai mutlak estimasi efek interaksi perlakuan > nilai
simultan margin error (SME). Berdasarkan nilai mutlak estimasi efek sesuai Tabel 2, terlihat
bahwa nilai mutlak estimasi efek utama B dan C > 504 ME. Jadi dapat dikatakan bahwa B
dan C berpengaruh terhadap respon Y, dengan model linier akhir adalah . Selanjutnya
dilakukan cek asumsi normalitas dan kesamaan ragam berdasarkan nilai residual dari model
linier yang ditentukan.

Berdasarkan Gambar 6, terlihat nilai P-Value lebih dari α = 5%, jadi ragam residual
percobaan sama. Sehingga dapat disimpulkan bahwa rancangan faktorial fraksional 25-1
dapat digunakan untuk contoh ini, dengan faktor yang berpengaruh terhadap respon Y adalah
faktor B dan C.

Berdasarkan analisis yang telah dilakukan diketahui bahwa terdapat perbedaan hasil analisis
antara kedua metode. Pada metode klasik terdapat tujuh faktor yang berpengaruh sedangkan
pada metode Lenth hanya dua faktor yang berpengaruh. Pada contoh ini jumlah faktor
signifikan dalam pengujian metode klasik lebih banyak dibandingkan dengan metode Lenth,
sehingga dapat dikatakan bahwa metode klasik lebih sensitif daripada metode Lenth.

Kesimpulan

Berdasarkan analisis dan pembahasan yang telah dilakukan, dapat diambil beberapa
kesimpulan sebagai berikut: 1. Prosedur penentuan penaksir menggunakan metode Lenth
untuk rancangan faktorial fraksional 2k-p tanpa pengulangan adalah:

ME dan SME merupakan statistik yang digunakan dalam menetapkan faktor yang signifikan.
Faktor dikatakan signifikan jika nilai mutlak estimasi masing-masing efek utama lebih besar
dari ME dan nilai mutlak estimasi masing-masing efek interaksi lebih besar dari SME. 2.
Berdasarkan pengujian contoh dengan metode Lenth dan metode klasik diperoleh perbedaan
banyaknya faktor yang signifikan. Pada pengujian dengan metode klasik JURNAL
GAUSSIAN Vol. 4, No. 3, Tahun 2015 Halaman 505 diperoleh lebih banyak faktor yang
signifikan, sehingga dapat dikatakan bahwa metode klasik lebih sensitif daripada metode
Lenth.

Contoh 7

Saat menentukan kondisi optimal untuk proses teknologi memperoleh

serat buatan dari polypropylene, faktor-faktor ini telah dipilih: X-suhumencair, C; X2-
tekanan leleh, kp / cm2; X-kecepatan berliku,m / mnt; X4 suhu pemanasan, C; X5-kecepatan
penarikan, m / mnt dan X-keringkasan menggambar-out. Parameter optimasi adalah kekuatan
tarik serat. Eksperimental kondisi, matriks desain dan hasil uji coba diberikan pada Tabel
2.133. Di contoh ini, 1/8 replika eksperimen faktorial lengkap 26 telah digunakan dengan ini
menghasilkan rasio:

Persamaan regresi linier yang diperoleh sudah memadai. Tiga dari enam regresikoefisien
signifikan secara statistik (b1, b4 dan B). Tidak ada informasi tentangposisi optimal. Dua
varian layak dalam situasi ini:

untuk bergerak di sepanjang gradien menuju optimal; untuk meningkatkan interval variasi
faktor yang tidak signifikan.Analisis varian pertama. Gerakan menjadi optimal ketika kita
hanya memiliki tiga dari enam koefisien regresi yang signifikan mungkin tidak efisien. Selain
itu, dalam 1/8-replika dari eksperimen faktorial lengkap, efek sangat dialiri / dikacaukan dan
ini campuran tidak dikecualikan, sehingga koefisien regresi yang signifikan dapat
diperkirakan dari efek aliasing dari faktor yang lebih signifikan. Di sisi lain, peningkatan
variasi faktor interval membutuhkan poin desain baru yang sangat mahal. Bergerak sepanjang
gradien kami mempertaruhkan kinerja dua sampai tiga percobaan saja. Karena itu, menerima
varian gerakan ke optimal di sepanjang gradien tampaknya masuk akal. Variasi kedua,
peningkatan interval variasi faktor tidak signifikan dengan poin desain tambahan, dapat
diterima jika gerakan ke optimal tampaknya tidak efisien. Perubahan interval variasi akan
membutuhkan setidaknya delapan desain mahal poin.

Contoh 8

Eksperimen dengan faktor-faktor ini dilakukan untuk pemodelan matematika dari suatu
ekstraksi

proses:

x1-diameter mixer turbin, mm;

x2-jumlah putaran mixer, min;

x3-temperature, C;

x4-konsentrasi asam bebas dalam larutan air, gE / l;

x5-tinggi lapisan cair, mm dan

x6-rasio fase dalam emulsi.

Parameter pengoptimalan adalah waktu dekomposisi lengkap dalam hitungan menit. Kondisi
eksperimental, dan matriks desain eksperimen dengan hasil uji coba ditunjukkan pada Tabel
2.136. Replika 1/4 dari eksperimen faktorial lengkap 2 dulu bekas. Model linier yang
diperoleh terbukti tidak memadai. Oleh karena itu, tiga interaksi yang merata, yang menurut
nilai absolutnya adalah yang terbesar dan tidak dipisahkan telah dimasukkan dalam model.
Contoh 9

Faktor-faktor yang digunakan pada eksperimen yang diduga mempengaruhi kesukaan

konsumen terhadap kerupuk ditentukan dengan motode diskusi (brainstorming) yaitu
pengukusan, penjemuran pertama, penjemuran kedua dan penggorengan. Sedangkan level
yang
digunakan masing-masing 2 level. Variabel yang dinilai dari hasil eksperimen ini adalah dari
segi rasa, warna, dan kerenyahan kerupuk.

orthogonal array yang digunakan adalah orthogonal array L8 dengan 1 untuk level 1
dan 2 untuk level 2 pada setiap faktornya.
Penelitian dilakukan untuk menentukan settingan waktu proses pembuatan kerupuk
yang minimal tanpa merusak kualitas produk yang dilihat dari ukuran penilaian hasil
eksperimen dengan uji organoleptik. Dalam eksperimen ini dilihat dari jumlah konsumen
yang
menyukai produk paling tinggi sebagai standar mutu. Tipe karakteristik kualitas yang ingin
diteliti adalah larger is better.
Data yang digunakan pada penelitian ini berupa data primer, yaitu data hasil dari uji
organoleptik terhadap hasil dari eksperimen yang telah dilakukan. Digunakan panelis tidak
terlatih sebanyak 30 orang sebagai responden dengan purposive sampling. Pengumpulan data
dilakukan dengan cara membagikan kuisioner kepada responden, kemudian responden
diminta
untuk menilaian hasil dari kerupuk eksperimen terhadap rasa, warna dan kerenyahan kerupuk
dengan dua kali replikasi. Untuk perbandingan uji organoleptik hasil komposisi optimal
dengan
komposisi pabrik digunakan panelis tidak terlatih sebanyak 30 responden.
Analisis data yang digunakan yaitu data hasil pengolahan uji organoleptik dari kuisioner
yang terlebih dahulu diuji homogenitas dan normalitas. Pengolahan data menggunakan Signal
to
Noise Ratio, Mean, dan ANOVA, sehingga diperoleh faktor dengan level mana yang
berpengaruh untuk mengurangi variansi, pengendalian nilai mean dan hasil rancangan yang
lebih disukai. Selanjutnya dilakukan perbandingan hasil eksperimen yang lebih disukai
dengan
standar pabrik dari hasil organoleptik kedua komposisi tersebut dengan menggunakan Uji–t
dua
sampel independen. Software yang digunakan untuk analisis data adalah MINITAB 14 dan
SPSS 17.

Dari data yang diperoleh, dianalisis dengan Anova dan dihitung SNR dan Mean dari segi
rasa, warna dan kerenyahan. Diperoleh hasil sebagai berikut:
Dari tabel 6 dan gambar 1, faktor D level 2 memiliki nilai SNR yang paling besar sehingga
paling besar pengaruhnya untuk mengendalikan variasi pada respon rasa. Komposisi terbaik
berdasarkan efek tiap faktor untuk SNR respon rasa adalah faktor A level 2, faktor B level 2,
faktor C level 1,dan faktor D level 2.
Gambar 2 Efek Tiap Faktor untuk Mean Respon Rasa
Dari tabel 7 dan gambar 2 faktor D level 2 memiliki nilai mean yang paling besar sehingga
paling besar pengaruhnya untuk pengendalian nilai mean pada respon rasa. Komposisi terbaik
berdasarkan efek tiap faktor untuk Mean respon rasa adalah faktor A level 2, faktor B level 2,
faktor C level 1 dan faktor D level 2.
Dari tabel 10 dan gambar 3, faktor C level 2 memiliki nilai SNR yang paling besar sehingga
paling besar pengaruhnya untuk mengendalikan variasi pada respon warna. Komposisi
terbaik
berdasarkan efek tiap faktor untuk SNR respon warna adalah faktor A level 2, faktor B level
1,
faktor C level 2 dan faktor D level 2.

Dari hasil perhitungan ANOVA, faktor pengukusan, penjemuran 1, penjemuran 2 dan

penggorengan berpengaruh secara signifikan pada respon rasa, warna dan kerenyahan.
Dari hasil perhitungan SNR dan Mean, komposisi yang berpengaruh terhadap kualitas
kerupuk adalah:
Komposisi rasa yang disukai adalah pengukusan level 2, penjemuran 1 level 2,
penjemuran 2 level 1, dan penggorengan level 2.
Komposisi warna yang disukai adalah pengukusan level 2, penjemuran 1 level 1,
penjemuran 2 level 2, dan penggorengan level 2.
Komposisi kerenyahan disukai adalah pengukusan level 2, penjemuran 1 level 1,
penjemuran 2 level 2, dan penggorengan level 2.
Komposisi waktu produksi optimal pada proses pembuatan kerupuk untuk menghasilkan
kerupuk yang paling disukai adalah:
Pengukusan = level 2 = 19 menit
Penjemuran pertama = level 1 = 7 jam
Penjemuran kedua = level 2 = 9 jam
Penggorengan = level 2 = 2 menit 30 detik
Berdasarkan uji – t dua sampel independen terhadap komposisi optimal dengan standar
pabrik baik dari respon rasa, warna dan kerenyahan menghasilkan rata-rata yang sama.
Sehingga komposisi optimal dianggap sama baiknya dengan komposisi standar pabrik.
Perbedaan waktu untuk sekali proses pembuatan kerupuk. Pada standar pabrik waktu untuk
sekali proses 1572 menit atau 26 jam 12 menit, sedangkan pada hasil eksperimen waktu
optimal waktu untuk sekali proses 1262 menit atau 21 jam 2 menit. Selisih waktu pada
kedua proses adalah 310 menit atau 5 jam 10 menit.

Contoh 10

Data yang digunakan dalam studi kasus ini berupa data sekunder yaitu permasalahan suatu
eksperimen yang bertujuan untuk mengetahui faktor-faktor mana saja yang mempengaruhi
berat suatu zat setelah dilapisi lapisan karbon (Montgomery, 2003).

Eksperimen tersebut melibatkan enam faktor dimana masing-masing faktor terdiri dari dua
taraf, yaitu: faktor A = perbandingan komposisi zat (pitch) (0.45, 0.55), faktor B = jenis zat
(1, 2), faktor C = suhu zat (suhu lingkungan, 325 oC), faktor D = lokasi keluaran asap (di
dalam ruangan, di luar ruangan), faktor E = suhu lubang cetakan (suhu lingkungan, 195 oC),
faktor F = waktu tunda sebelum pencetakan (0, 24 jam), sehingga desain faktorial yang dapat
dibentuk adalah desain 26 .

Berat suatu zat setelah dilapisi lapisan karbon diukur dalam gram, dan eksperimen dilakukan
sebanyak tiga kali replikasi. Peneliti menduga hanya beberapa dari enam faktor tersebut yang
paling berpengaruh, dan interaksi orde tinggi dapat diabaikan. Untuk memperkuat asumsi ini,
peneliti memutuskan melakukan screening experiments untuk mengidentifikasi faktor-faktor
yang paling berpengaruh dalam eksperimen dan kemudian melakukan studi lanjutan terhadap
permasalahan tersebut.

Untuk membentuk desain faktorial 26 ini, kombinasi perlakuan yang dapat dibentuk adalah
sebanyak 64 kombinasi perlakuan, akan tetapi peneliti hanya bisa melakukan delapan
eksperimen saja, dengan mempertimbangkan aspek waktu serta biaya yang digunakan dalam
eksperimen. Ini berarti eksperimen hanya bisa dilakukan dengan seperdelapan replikasi dari
64 eksperimen yang seharusnya dilakukan untuk replikasi penuh. Karena desain berisi 2 6-3
= 8 kombinasi perlakuan, sehingga desain yang digunakan disebut setengah fraksi dari desain
2 6 atau sering dinotasikan dengan desain faktorial fraksional resolusi III yaitu 6-3 III 2 .
Akan tetapi, dalam menyelesaikan permasalahan desain faktorial fraksional di atas, dapat
digunakan aplikasi web, sehingga dapat digunakan sebagai alat bantu perhitungan dan
analisis yang lebih cepat dan mudah. Aplikasi web ini dapat diakses di alamat
http://www.desain-faktorial-2k.tk.

Secara teoritis, dalam pembentukan desain faktorial fraksional terdapat beberapa langkah
yang dapat dilakukan, yaitu sebagai berikut:
a. Menentukan generator untuk desain faktorial fraksional 2 k-p . Pemilihan generator untuk
desain faktorial fraksional 2 k-p ini didasarkan pada kemungkinan resolusi tebesar dan juga
minimum aberration, sehingga akan didapatkan desain optimumnya.

b. Menyusun desain dasarnya terlebih dahulu dari eksperimen yang dilakukan p faktor dan
kemudian diasosiasikan dengan p kolom−secara penuh dalam k tambahan. c. Menentukan
taksiran efek dan jumlah kuadrat untuk setiap faktor. d. Menyusunnya dalam tabel Anava,
kemudian mengambil kesimpulan faktor mana saja yang paling berpengaruh dalam
eksperimen. Untuk menyelesaikan permasalahan desain faktorial fraksional 2 k-p , dapat
digunakan aplikasi web sebagai alat bantu perhitungan dan analisis yang lebih cepat dan
mudah.

Aplikasi web ini dapat diakses di alamat http://www.desain-faktorial-2k.tk. Dalam studi

kasus, dibahas suatu eksperimen faktorial fraksional 6-3 III 2 yang bertujuan untuk
mengetahui faktor-faktor mana saja yang mempengaruhi berat suatu zat setelah dilapisi
lapisan karbon.

Berdasarkan data yang diperoleh dari tabel Anava, dapat disimpulkan bahwa faktor A =
pitch, faktor D = lokasi keluaran asap, dan faktor F = waktu tunda sebelum pencetakan,
berpengaruh dalam eksperimen, sedangkan faktor B = jenis zat, faktor C = suhu zat, dan
faktor E = suhu lubang cetakan, tidak berpengaruh dalam eksperimen, pada taraf signifikansi
sebesar 5%= .
 BAB III

KESIMPULAN

Rancangan faktorial fraksional banyak digunakan dalam percobaan terutama di bidang

industri karena dapat menentukan pengaruh faktor utama dan interaksi terhadap respon.
Rancangan yang melibatkan k buah faktor dengan dua taraf dan menggunakan 2-p fraksi dari
percobaan faktorial lengkap disebut rancangan faktorial fraksional 2k-p. Penentuan faktor
signifikan jika data yang diamati tanpa pengulangan dapat diuji dengan menggunakan metode
Lenth. Penelitian ini bertujuan untuk menentukan penaksir dan statistik uji untuk
mendapatkan faktor signifikan dengan metode Lenth, serta menentukan perbedaan dalam
penggunaan metode Lenth dengan metode klasik. Kasus yang digunakan adalah rancangan
faktorial fraksional 25-1 dengan faktor A, B, C, D, E.

Metode yang dapat digunakan untuk mengetahui fractional factorial design adalah metode
taguchi dan metode length serta lainnya. Rancangan faktorial fraksional digunakan untuk
menentukan faktor mana di antara sejumlah faktor yang secara potensial memberikan efek
pada respon, dengan menurunkan jumlah kombinasi perlakuan yang ada. Rancangan faktorial
fraksional dengan dua buah taraf dinotasikan 2k-p yang artinya rancangan tersebut terdiri atas
k faktor yang masing-masing mempunyai dua taraf, dan hanya menggunakan 2-p fraksi dari
percobaan faktorial lengkap

Dalam perancangan parameter Taguchi terdapat dua jenis faktor yaitu: ß Faktor yang dapat
dikendalikan (Controllable factors). Faktor ini mudah untuk dikendalikan seperti pemilihan
jenis bahan baku, dan kecepatan potong mesin. Faktor ini dapat dibagi menjadi dua bagian
besar yaitu:

1. Faktor yang dikendalikan oleh pengguna. Biasanya disebut sebagai faktor sinya l (signal
factor). Faktor sinyal membawa maksud dari sudut pandang konsumen ke dalam sistem untuk
mencapai kinerja target atau untuk menyatakan output yang diinginkan.

2. Faktor yang dikendalikan oleh perancang.

Faktor ini terbagi lagi menjadi 3 jenis yaitu:

· Faktor kendali variabilitas/ faktor pengendali.

· Faktor kendali target.

· Faktor netral.

ß Faktor yang tidak dapat dikendalikan (Uncontrollable/ Noise factors). Pada umumnya
faktor ini bertanggung jawab pada karakteristik fungsional produk yang menyimpang dari
nilai target.

Percobaan factorial menggunakan metode bissel yang terdiri atas beberapa faktor, misalkan 6
faktor masing-masing bertaraf 3 maka akan terdapat kombinasi perlakuan. Semakin
bertambahnya faktor maka jumlah kombinasi perlakuan senantiasa bertambah. Rancangan FF
muncul karena keterbatasan faktor waktu, biaya serta tenaga yang tersedia untuk melakukan
suatu percobaan yang melibatkan banyak faktor. Dengan melakukan rancangan FF maka
hanya akan dilakukan sebagian percobaan dari kombinasi perlakuan lengkap sesuai dengan
fraksinya misalnya untuk rancangan faktorial dengan tiga level dapat dilakukan hanya bagian,
bagian, bagian dan seterusnya.

Kekuatan uji untuk metode Metode Lenth dan Fang memberikan indikasi yang lebih kuat
dibandingkan dengan metode Bissell. Untuk Metode Lenth dan Fang, memberikan
kecenderungan yang sama dalam hal nilai power yang diberikan untuk setiap parameter
nonsentral. Namun, kekuatan uji metode ini untuk suatu parameter yang noncentral yang
diberikan semakin besar, memperlihat metode Fang lebih kuat dibanding dengan metode
Lenth.
 DAFTAR PUSTAKA

Ardin, Mutiara. dkk. “Metode Lenth Pada Rancangan Faktorial Fraksional dengan Estimasi
Efek Algoritma Yates”. Jurnal Gaussian 4. 4 (2015): Web. 16 Jan 2021.

Ariski, Niki. dkk. “Rancangan Fractional Factorial (Ff) Dan Penggunaan Metode Bissell
Untuk Mengidentifikasi Faktor Signifikan”. Jurnal Matematika, Statistika, dan Komputasi 11.
1(2014) : 28-38. Web. 17 Jan 2021.

Kusuma. Gian. dkk. “Analisi Design Faktorial Fraksional 2k-p dengan Metode Lenth”. Jurnal
Gaussian. 4. 3(2015): 497-505. Web. 17 Jan 2021.

Lazid, Zivorac. 2004. Design of Experiment in Chemical Engineering. Wiley-VCH :

Morristown, USA.

Montgomery, Douglas C., 1997. Design and Analysis of Experiments. New York: John
Wiley & Sons, Inc.

Raharjo, Jani. dkk. “Perbandingan Metode 2k-P Fractional Factorial Dengan Metode Taguchi
Pada Proses Pembuatan Fiber Glass”. Jurnal Teknik Industri 3. 1(2001) : 1-8. Web. 16 Jan
2021.

Saputra, Angga. dkk. “Penentuan Komposisi Waktu Optimal Produksi Dengan Metode
Taguchi”. Jurnal Gaussian 3. 1(2014) : 11 – 20. Web. 16 Jan 2021.

Sartono, Bagus. 2008. Rancangan Faktorial Pecahan. Web. 16 Jan 2021.

Sauddin, Adnan. 2006. “ Identifikasi Faktor Signifikan Rancangan Faktorial Fraksional tanpa
Pengulangan dengan Metode Bissell, Lenth, dan Fang”. Tesis Program Studi Magister
Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Sepuluh Nopember. Surabaya.

Taback, Nathan. Design of Experiment and Observational Studies. n. pag. Web. 16 Jan 2021.

Voelkel, G. J dan Rochester, CQAS, R.I.T., 2004. “The Efficiencies of Fractional Factorial
Designs”. Technical Report 2004-1. http://www.rit.edu/ _636www/about/TR2004-1.pdf.

Wikipedia.2012. Fractional Factorial Design. n. pag. Web. 16 Jan 2021.

Wuryandari, Triastuti. Dkk. “Metode Taguchi Untuk Optimalisasi Produk Pada Rancangan
Faktorial”. Media Statistika 2. 2(2009) : 81-92. Web. 16 Jan 2021.