Fractional Factorial (FF)

Oleh :
( Kelompok VI )
Nurlina (60600109021)
Febriani (60600109005)
Rismawati (606001090)

JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI ALAUDDIN
MAKASSAR
2011
 BAB III
TWO_LEVEL FRACTIONAL FACTORIAL DESIGNS

 Rancangan Fractional Faktorial Dua

“ Dua Level” 

A. Alasan Menggunakan Rancangan Faktorial Sebagian (Fractional Fraction)

1. Prinsip efek sparsitas (Sparsity of effects)
a. Mungkin ada banyak fakor, namun hanya beberapa yang
penting.
b. System didominasi oleh efek utama, low-order interactions
2. Dalam situasi penyaringan (screening), dimana diperkirakan hanya sebagian
kecil faktor yang penting.
3. Kelompok-kelompok
Kelompok-kelompok percobaan dilaksanakan secara bertahap.
4. Interaksi-interaksi dari faktor tertentu yang beralias dengan faktor interaksi
yang lebih tinggi untuk sementara dapat dianggap tidak ada (dapat diabaikan).
Dengan kata lain, faktor-faktor tertentu yang mungkin mempunyai interaksi
yang beralias dengan faktor tersebut, pengaruhnya digambarkan dengan efek 
utama saja.

k 
Jika banyak faktor pada desain factorial 2 makin besar, maka banyaknya
percobaan (run) yang harus dilakukan makin bertambah besar pula. Sebagai
6
contoh pada desain 2 akan dubutuhkan 64 runs. Padahal dari desain ini dari 63
derajat bebas total akan terbagi hanya 6 derajat bebas untuk efek-efek utama, dan
hanya 15 untuk interaksi 2 faktor, sedangkan sisanya 42 untuk interaksi tiga faktor
dan interaksi yang lebih tinggi.

Jika peneliti mempunyai alasan untuk mengasumsikan bahwa interaksi

tingkat tinggi dapat diabaikan, maka informasi tentang efek-efek utama dan
interaksi tingkat rendah dapat diperoleh hanya dengan melakukan percobaan
sebagian saja dari percobaan factorial lengkap. Desain yang digunakan disebut
desain factorial sebagian ( Fractional Factorial Desaign). Desain ini banyak 
 digunakan dalam perancangan produk dan proses serta untuk perbaikan proses
(Process improvement)

Tujuan utama dari desain factorial ini adalah untuk  Screening experiments,
yakni pada jenis eksperimen ini ada banyak faktor yang harus dipertimbangkan
dan tujuannya untuk mengidentifikasi faktor-faktor (jika ada) yang mempunyai
efek besar baru kemudian dilanjutkan ke eksperimen berikutnya untuk meneliti
lebih detail terhadap faktor-faktor yang efeknya besar tersebut.

Desain fraksional ( fractional factorial design) disajikan menggunakan

k  – p
notasi l ;

Dengan:

 l adalah jumlah level setiap faktor yang diselidiki

 k adalah jumlah faktor yang diteliti, dan
 p menggambarkan ukuran fraksi faktorial yang digunakan.

Sebagai contoh, desain 2 − adalah desain  / 4 dari dua level dan lima faktor
5 2 1

desain faktorial. Daripada mendesain 32 percobaan yang diperlukan untuk 

5
percobaan  full factorial design 2 , penelitian ini hanya membutuhkan delapan
percobaan dengan tingkat kesalahan yang tentunya lebih kecil.

B. Pengertian Rancangan Fractional Factorial (FF)

k-p
Rancangan FF dengan dua taraf/level dinotasikan dengan 2 merupakan
k-p k 
rancangan yang mencobakan hanya 2 kombinasi perlakuan dari seluruh 2
kombinasi perlakuan lengkap.

Rancangan FF yang akan didiskusikan paling awal adalah yang paling

k-p
sederhana yaitu 2 . Rancangan ini melibatkan k faktor dan dua taraf. Alih-alih
k 
melibatkan 2 perlakuan seperti pada rancangan faktorial lengkap, rancangan ini
p -p k-p -p
hanya menggunakan 1/2 atau 2 dari total kombinasi atau sebanyak 2 . Nilai 2
disebut sebagai fraksi rancangan.
 k-p
Untuk mendapatkan rancangan 2 yang harus dilakukan adalah sebagai
k-p
berikut.Pertama susun (k - p) kolom yang berisi 2 kombinasi lengkap dari (k -
p) faktor. Notasi yang digunakan untuk taraf setiap faktor adalah '+' dan '-'.
Selanjutnya p faktor atau kolom lainnya diperoleh dengan mengalikan unsur
kolom sebelumnya menggunakan p buah generator yang saling bebas.
Fraksi Percobaan dapat diartikan sebagai seberapa besar proporsi total
kombinasi perlakuan yang akan dicobakan dalam rancangan FF. adapun jenis
fraksi percobaan yang sering digunakan adalah:

 Fraksi setengah (The one-half Fraction), mencobakan hanya setengah

bagian dari kombinasi perlakuan lengkap. Bentuk rancangan dari
k-1
percobaan setengan fraksi ini adalah 2 .
5-1
Contoh: percobaan 2 melakukan 16 kombinasi perlakuan dari 32
kombinasi perlakuan lengkap.

 Fraksi seperempat ( The One-Quarter Fraction), percobaan fraksi

seperempat mencobakan hanya seperempat bagian dari kombinasi perlakuan
k-2
lengkap dan bentuk rancangannya adalah 2 .

5-2
Contoh: Percobaan 2 .melakukan 8 dari 32 kombinasi perlakuan lengkap.

Sebuah rancangan dikatakan memiliki resolusi R jika tidak ada pengaruh i

faktor ber-alias dengan pengaruh lain yag mengandung kurang dari R-1 faktor.
Beberapa resolusi yang biasa digunakan dapat dilihat pada tabel berikut:
 Tabel resolusi dan maknanya

Resolusi Keterangan

-
Resolusi III(2III ) Pengaruh faktor utama tidak ber-
alias dengan pengaruh faktor utama
I = ABC tetapi ber-alias dengan pengaruh
interaksi dua faktor yang lebih
tinggi.
-
Resolusi IV(2IV ) Pengaruh interaksi dua faktor tidak 
ber-alias dengan pengaruh faktor
I = ABCD utama tetapi ber-alias dengan
pengaruh interaksi dua faktor yang
lebih tinggi.
-
Resolusi V(2V ) Pengaruh interaksi dua faktor tidak 
ber-alias dengan pengaruh utama
I = ABCDE dan pengaruh interaksi dua faktor,
tetapi ber-alias dengan pengaruh
interaksi tiga faktor dan yang lebih
tinggi.

Misalkan ada percobaan 3 faktor masing-masing 2 level yang

dipertimbangkan, tetapi peneliti tidak dapat melakukan run percobaan sebanyak 
3
2 =8 kombinasi treatment. Anggap hanya bisa melakukan 4 run, sehingga desain
3
yang digunakan adalah desain FF dengan fraksi setengah dari desain 2 atau sering
3-1
dinotasikan dengan desain 2 .
Efek berbagai faktorial sebagai berikut:

A = (abc) + (ac) + (ab) + (a) - (bc) - (c) - (b) - (1)

B = (abc) + (bc) + (ab) + (b) - (ac) - (c) - (a) - (1)
dinamakan kontras:
C = (abc) + (bc) + (ac) + (c) - (ab) - (b) - (a) - (1)
AB = (abc) + (c) + (ab) + (1) - (bc) - (ac) - (b) - (a)
AC = (abc) + (ac) + (b) + (1) - (bc) - (c) - (ab) - (a) A, B,…K =

BC = (abc) + (bc) + (a) + (1) - (ac) - (c) - (ab) - (b)

ABC = (abc) + (c) + (b) + (a) - (bc) - (ac) - (ab) - (1)

Misalkan peneliti memilih 4 kombinasi treatment yaitu a, b, c, dan abc.

Perhatikan bahwa peneliti hanya memilih eksperimen yang kolom ABC bertanda
positif saja.Sehingga ABC disebut bertanda positif saja. Sehingga ABC disebut
generator dan I = ABC disebut defining relation dari desain fraction ini. Secara
umum defining relation untuk suatu fractional factorial adalah kolom yang sama
tandanya dengan kolom identitas I.

Berdasarkan setengah dari tabel di atas diperoleh dugaan efek utama A, B,

dan C adalah:

 A= ½ [a-b-c+abc]

 B = ½ [-a+b-c+abc]

C = ½ [-a-b+c+abc]

Sedangkan dugaan dari interaksi dua faktor adalah:

 BC = ½ [a-b-c+abc]

 AC = ½ [-a+b-c+abc]

 AB = ½ [-a-b+c+abc]

Sehingga nampak bahwa:

  A= BC

 B = AC

C = AB

Yang konsekuensinya adalah tidak mungkin membedakan antara A

dengan BC, B dengan AC dan C dengan AB. Karena dalam kenyataannya ketika
kita menduga A dan BC (ditulis A + BC), B dan AC (ditulis B + AC), serta C dan
AC (ditulis C + AB), hal ini sering dinotasikan :

 A A + BC,

 B B + AC

C  C + AB

Dua atau lebih efek efek yang memiliki sifat seperti ini d isebut aliases,
sehingga pada contoh kasus ini A dan BC beralias (aliases), B dengan AC
beralias, dan C denngan AB beralias.

Struktur alias untuk desain dengan defining relation I = ABC pada contoh
ini dapat ditentukan dengan cara sebagai berikut:

2
 A . I = A . ABC = A . BC = BC (karena kuadrat dari setiap kolom
selalu = kolom I)

2
 B . I = B . ABC = AB C = AC

2
C . I = C . ABC = ABC = AB

Setengah fraction dengan I = +ABC, biasanya disebut dengan principal

fraction.

Jika pada kasus ini dipilih defining relation I= -ABC yaitu yang dilakukan
percobaan adalah 1, ab, ac, dan bc maka akan diperoleh ketika sedang menduga
A, B, dan C. kenyataannya yang diduga adalah A  – BC, B – AC, dan C – AB.
Dalam praktek desain fractional factorial I = ABC dan I = -ABC tidak dibedakan
atau sama famili.

Sehingga dapat dinuliskan bentuk-bentuk tabel plus dan minus untuk tiap
resolusi sbb:
4-1
Tabel untuk 2IV dengan I = ABCD

Percobaan Faktor Kombinasi Respon

(runs) I A B C D=ABC perlakuan

1 + - - - - (1)
2 + + - - + ad
3 + - + - + bd
4 + + + - - ab
5 + - - + + cd
6 + + - + - ac
7 + - + + - bc
8 + + + + + abcd

5-1
Tabel untuk 2V dengan I = ABCDE

Percobaan Faktor Kombinasi Respon

(runs) I A B C D E=ABCDE perlakuan
1 + - - - - + (e)
2 + + - - - - a
3 + - + - - - b
4 + + + - - + abe
5 + - - + - - c
6 + + - + - + ace
7 + - + + - + bce
8 + + + + - - abc
9 + - - - + - d
10 + + - - + + ade
11 + - + - + + bde
12 + + + - + - abd
13 + - - + + + cde
14 + + - + + - acd
15 + - + + + - bcd
16 + + + + + + abcde
 Sebagai contoh desain 
 diperoleh dengan cara pertama-tama menuliskan
2
bentuk full 2 factorial sebagai basic design dan kemudian menyamakan faktor C
dengan interaksi AB. Perhatikan tabel berikut:

k 
Fraksi setengah dari desain 2 dengan resolusi tertinggi dapat dibentuk dengan
menuliskan kembali basic design (tanda faktor A bergantian dengan tanda (-) dan
(+), tanda untuk faktor B bergantian 2 kali (-) dan dua kali (+), faktor C
k-1
bergantian 4 kali (-) dan 4 kali (+), dst). Untuk runs dari full factorial 2 dan
kemudian menambahkan faktor ke-k yang tanda plus minusnya sama dengan
interaksi AB… (k -1)

C. Model Matematis

Model matematis dari rancangan fractional factorial yaitu;

̂                  
Keterangan:
Yijk = pengamatan pada satuan percobaan ke-I yang memperoleh
kombinasi perlakuan taraf ke-j dari factor A dan taraf ke-k dari factor B

 = mean populasi
 = efek dari beberapa faktor
D. Tabel Anova

Secara umum, bentuk tabel Anova dari Rancangan Fractional factorial

adalah sebagai berikut:

Sumber Derajat Jumlah Kuadrat

F-Hitung
Keragaman Kebebasan Kuadrat Tengah

Rata-rata 1 JKR KTR KTR/KTE

Efek utama 
A 1 JKA KTA KTA/KTE
B 1 JKB KTB KTB/KTE
C 1 JKC KTC KTC/KTE
. . . . .
. . . . .
. . . . .

Interaksi 2 faktor    

AB
AC 1 JKAB KTAB KTAB/KTE
BC 1 JKAC KTAC KTAC/KTE
. 1 JKBC KTBC KTBC/KTE
. . . . .
. . . . .
. . . .
Interaksi 3 faktor      

ABC 1 JKABC KTABC KTABC/KTE
ACD 1 JKACD KTCD KTCD/KTE
BCD 1 JKBCD KTBCD KTBCD/KTE
. . . . .
. . . . .
. . . . .

Interaksi 4 faktor dan . . .

seterusnya. . . .

Error (kekeliruan)
  JKE KTE KTE/KTE
Total JKT KTT KTT/KTE
 
E. Contoh Kasus
Anggap ada 3 faktor dan 2-level yang akan diteliti , akan tetapi peneliti
hanya dapat melakukan 4 runs(percobaan) saja, sehingga dipilih desain fractional
factorial resolusi III dengan I = ABC. Hasil eksperimennya adalah sebagai
berikut:

Misal kasus yang diteliti ialah mengenai hasil semacam zat kimia karena
kondisi temperatur dan konsentrasi larutan yang berlainan, serta pada tekanan
tertentu dengan replikasi percobaan sebanyak tiga kali, seperti tampak pada tabel
berikut:

Konsentrsi larutan (A)

30% 60%
Temperatur
Tekanan (C)
(B)
Rendah Tinggi
I II II I II III
50 C 28 25 27 18 19 23
100 C 36 32 32 31 30 29

Solusi:

Dari tabel hasil pengamatan di atas, dengan menggunakan rancangan FF,

table tersebut dapat ditulis dalam bentuk:

Faktor Kombinasi Replikasi Total

A B C=AB perlakuan I II III
- - + 1 28 25 1 80
+ - - a 36 32 32 100
- + - b 18 19 23 60
+ + + ab 31 30 29 90
Sehingga kita dapat merumuskan hipotesisnya:

H0 :         

Tidak ada pengaruh signifikan faktor-faktor A, B, dan C terhadap zat kimia

yang dihasilkan.

H1 : Ada  yang tidak = 0.

Ada pengaruh signifikan faktor-faktor A, B, dan C terhadap zat kimia yang

dihasilkan.

k  2
Kita dapat memperhatikan kembali basic design untuk 2 dengan k=2 (2 )
yang kemudian menuliskan faktor C sebagai interaksi antara faktor A dengan B (
C= AB). Maka untuk menguji data tersebut dapat dilakukan langkah-langkah
sebagai berikut:


A=

[     (  )]

=

         Kontras A


=

 

= [50]

= 8,33


B=

[     (  )]
 
=

        Kontras B


=

        
= -5,00


C= AB =

[     (  )]

=

         Kontras C


=

        
= 1,67

Jadi, untuk membuat tabel Anovanya yaitu :

  

SSA = = = 208,33
 

  

SSB= = = 75,00
 
  
SSC= = = 8,33
 
Sehingga,

    
SST =∑ ∑ ∑  -

= 9398,00 – 9075,00
= 323,00

Maka diperoleh :
SSE = SSF – SSA – SSB – SSC

= 323,00 – 208,33 – 75,00 – 8,33

= 31,34

Jadi, tabel Anovanya :

Source of  Sum of  Degrees of  Mean F.Hitung P.value

Variation Square (SS) Freedom (df) Square
(MS)
A 208,33 1 208,33 33,15 0,0001
B 75,00 1 75,00 19,13 0,0024
C 8,33 1 8,33 2,13 0,1826
Error 31,34 8 3,92
Total 323,00 12

Model Regresinya dapat ditulis :

Ŷ = β0 + β1x1 + β2x2 + β12x3

  

ŷ = 82,5 + x1+ + x3 + 31,34
  
 Adapun teknik analisis data untuk kasus fractional faktorial pada kasus
tersebut dengan menggunakan software SPSS adalah sbb:

1. Input variable yang digunakan pada kolom variable view

2. Input data pada kolom variable view

3. Klik Analyze

4. Klik General Linear Model (GLM)

5. Klik Unvariate...
Pada kotak dialog unvariate, isikan:
 Dependent Variabel: masukkan data-data pengamatan
 Fixed Factor(s): masukkan faktor-faktor yang terkait
6. Kilik Model ...
 Specify Model: pilih full Factorial

 Klik include intercept in model

 Klik Continue

7. Jika pada output data ingin menampilkan grafiknya, Klik  Plots...

 Horizontal Axis: masukkan faktor yang terkait

 Separete Lines: masukkan faktor yang terkait

  Klik Add
 Klik continue

1. Klik Post Hoc...
 Post Hoc Tests for: masukkanfaktor-faktor yang terkait

 Equal Variance Assumed: ceklis LSD dan Tukey.

 Klik Continue
 2. Klik OK

Adapun outputnya :
Univariate Analysis of Variance
[DataSet0]

Between-Subjects Factors

Value Label N

konsentrasi larutan 1.00 30% 6

2.00 60% 6
Temperatur 1.00 50 drj C 6

2.00 100 drj C 6

Tests of Between-Subjects Effects

Dependent Variable:output

Source Type III Sum of 

Squares df Mean Square F Sig.
a
d
Model 9366.667 4 2341.667 597.872 .000

i  A 208.333 1 208.333 53.191 .000

m

B 75.000 1 75.000 19.149 .002

 A * B 8.333 1 8.333 2.128 .183

e

Error 31.333 8 3.917

s

Total 9398.000 12
i

a. R Squared = .997 (Adjusted R Squared = .995)

Kesimpulan :
  Dari hasil analisis dengan SPSS 18. 0, maka cukum membandingkan nilai Sig
dengan  yang ditentukan , Karena nilai dari Asymp. Sig. Untuk medel regresinya
(0.000 < 0.05 &0.000 < 0.1) sehingga untuk taraf signifikansi     
 , maka H o ditolak artinya Ada pengaruh signifikan faktor-faktor A, B, dan
C terhadap zat kimia yang dihasilkan.

F. Kelebihan dan Kekurangan

 Keuntungan dari rancanganfractionalfraction:
1. Dapat mengurangi penggunaan sumber daya sperti waktu, biaya dan
lain-lain
2. Dapat mengurangi terjadinya kesalahan dalam eksperimen.
3. Ketika banyak faktor yang sedang diselidiki, bagaimanapun, desain
faktorial penuh kadang-kadang sudah memiliki data yang lebih dari
cukup yang dikumpulkan.Sehingga interaksi antara banyak faktor
menjadi sulit untuk ditafsirkan. Maka alternatif yang dapat diambil ialah
dengan menggunakan rancangan faktorial pecahan/sebagian

 Kekurangan percobaan Fractional Factorial

Kekurangan pada percobaan fractional fraction ini ialah pada masalah
pemilihan tingkat resolusi. kriteria resolusi tertinggi kadang kala tidak 
cukup karena beberapa rancangan yang berbeda dapat memiliki resolusi
yang sama.