RANCANGAN PERCOBAAN (3 SKS) KELAS A

REVIEW TUGAS 4

1. Diperkirakan faktor suhu pemanggangan mempengaruhi kelenturan dari lempeng

tembaga. Bila faktor lain yang diperkirakan akan mempengaruhi respon dikondisikan
seragam agar tak mempengaruhi tinggat kelenturan lempeng, sehingga rancangan yang
digunakan adalah Rangcangan Acak lengkap dengan 1 faktor “suhu” yang diamati.
Berikut adalah hasil observasi yang disajikan :

Suhu Kelenturan
pembakaran
100 21,8 21,9 21,7 21,6 21,7
125 21,6 21,4 21.5 21.3
150 21,9 21,8 21,7 21,6 21,5
175 21,4 21,7 21,5 21,3
a. Buatlah diagram titik dari hasil pengamatan?

b. Buat model matematika beserta asumsi dan hipotesa nya untuk menguji apakah ada
beda efek rata-rata kelenturan lempeng akibat faktor suhu pembakaran
Model matematika:
𝑦𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 ; 𝑖 = 1,2,3,4 ; 𝑗 = 1,2,3, … , 𝑛𝑖
𝑦𝑖𝑗 = 𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 𝑘𝑒 − 𝑖 𝑑𝑎𝑛 𝑝𝑒𝑛𝑔𝑢𝑙𝑎𝑛𝑔𝑎𝑛 𝑘𝑒 − 𝑗
𝜇 = 𝑜𝑣𝑒𝑟𝑎𝑙𝑙 𝑚𝑒𝑎𝑛
𝜏𝑖 = 𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 𝑘𝑒 − 𝑖
𝜀𝑖𝑗 = 𝑟𝑎𝑛𝑑𝑜𝑚 𝑒𝑟𝑟𝑜𝑟; 𝜀𝑖𝑗 ~𝑁𝐼𝐷(0, 𝜎 2 )
 Asumsi:
𝜀𝑖𝑗 diasumsikan variabel random yang saling bebas dan berdistribusi normal dengan mean
0 dan variansi σ2. variansi σ2 diasumsikan konstan untuk semua kelasnya.
Hipotesa pengujian:
𝐻0 : 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 0 (tidak ada pengaruh suhu pembakaran terhadap rata-rata
kelenturan lempeng)
𝐻1 : 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑠𝑎𝑡𝑢 𝜏𝑖 ≠ 0 (ada pengaruh suhu pembakaran terhadap rata-
rata kelenturan lempeng)

c. Hitung Jumlah Kuadrat perlakuan (treatment) , Jumlah kuadrat Total dan Jumlah
kuadrat residual ( secara menual menggunakan rumus 3.14 dan 3.15)

4 5
388.92
𝑆𝑆𝑇 = ∑ ∑ 𝑦𝑖𝑗 2
− (𝑦••2 /𝑁) = 21.82 + 21.92 + ⋯ + 21.32 − = 0.5894̅
18
𝑖=1 𝑗=1
4
𝑦12 𝑦••2 108.72 85.82 108.52 85.92 388.92
𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 = ∑ − = + + + −
𝑛𝑖 𝑁 5 4 5 4 18
𝑖=1
= 0.29994̅
𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 = 0.5894̅ − 0.29994̅ = 0.2895
∴ 𝑆𝑆𝑇 = 0.5894̅, 𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 = 0.29994̅, 𝑆𝑆𝐸 = 0.2895

d. Buatlah Tabel ANOVA berdasarkan perhitungan diatas, dan lakukan uji hipotesa.
Perhitungan:
𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 0,29994
𝑀𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 = = = 0,09998
𝑎−1 3
𝑆𝑆𝐸 0,28950
𝑀𝑆𝐸 = = ≈ 0,02068
𝑁−𝑎 14
𝑀𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 0,09998
𝐹0 = = = 4,83462
𝑀𝑆𝐸 0,02068
Tabel ANOVA
Source of Sum of Squares Degrees of Mean Square 𝐹0
Variation Freedom
Between 𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 𝑎−1 = 4−1 𝑀𝑆𝑇𝑟𝑒𝑎𝑟𝑚𝑒𝑛𝑡𝑠 𝐹0 = 4.83462
treatments = 0.29994 =3 = 0.09998 ≈ 4.83
Error (within 𝑆𝑆𝐸 = 0.2895 𝑁 − 𝑎 = 18 − 4 𝑀𝑆𝐸
treaments) = 14 = 0.02068
Total 𝑆𝑆𝑇 = 0.5894 𝑁 − 1 = 18 − 1
= 17
Uji Hipotesa
 Hipotesis
𝐻0 : 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 0 (tidak ada pengaruh suhu pembakaran terhadap rata-rata
kelenturan lempeng)
𝐻1 : 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑠𝑎𝑡𝑢 𝜏𝑖 ≠ 0 (ada pengaruh suhu pembakaran terhadap rata-
rata kelenturan lempeng)
Tingkat Signifikansi
α = 0.05
Statistik Uji
Dari tabel ANOVA, diperoleh nilai 𝐹0 = 4.83462 ≈ 4.83
Aturan Keputusan
;
Keputusan
Karena 𝐹0 = 4,83462 > 𝐹 (0,05;3;14) = 3,34 , sehingga 𝐻0 ditolak
Kesimpulan
Terdapat pengaruh/beda efek suhu pembakaran terhadap rata-rata kelenturan lempeng

e. Buatlah interval kepercayaan 95% untuk mean kelenturan dari setiap level faktor
suhu .
Untuk 𝝉𝟏 = 𝟏𝟎𝟎
1 21,8+21,9+21,7+21,6+21,7 1
𝑦1 ± 𝑡(0,025;14) √s 2 (𝑛 ) =
95% 𝐶𝐼 = ̅̅̅ ± 2,145√0,02068 (5)
1 5
≈ [(21,6021), (21,8779)]
Untuk 𝝉𝟐 = 𝟏𝟐𝟓
1 21,6+21,4+21,5+21,3 1
𝑦2 ± 𝑡(0,025;14) √s 2 (𝑛 ) =
95% 𝐶𝐼 = ̅̅̅ ± 2,145√0,02068 (4)
2 4
≈ [(21,2958), (21,6042)]
Untuk 𝝉𝟑 = 𝟏𝟓𝟎
1 21,9+21,8+21,7+21,6+21,5 1
𝑦3 ± 𝑡(0,025;14) √s 2 (𝑛 ) =
95% 𝐶𝐼 = ̅̅̅ ± 2,145√0,02068 (5)
3 5
≈ [(21,5621), (21,8379)]
Untuk 𝝉𝟒 = 𝟏𝟕𝟓
1 21,4+21,7+21,5+21,3 1
95% 𝐶𝐼 = 𝑦̅4 ± 𝑡(0,025;14) √s2 (𝑛 ) = ± 2,145√0,02068 (4)
4 4
≈ [(21,3208), (21,6292)]

f. Menggunakan uji pembanding ganda Tukey,untuk menguji mean dari efek suhu
manakah yang beda terhadap mean lainnya.
Hipotesis
𝐻0 : 𝜇𝑖 = 𝜇𝑗
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗 ; 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑚𝑢𝑎 𝑖 ≠ 𝑗
Tingkat Signifikansi
α = 0.05
Statistik Uji
Untuk ukuran sampel berbeda 𝑛 = 4 dan 𝑛 = 5
𝑞0,05 (4,14) 1 1 4,11 1 1
𝑇0,05 = √𝑀𝑆𝐸 (𝑛 + 𝑛 ) = √0,02068 ( + ) ≈ 0,280355
√2 𝑖 𝑗 √2 4 5
Untuk 𝑛 = 4
𝑀𝑆𝐸 0,02068
𝑇0,05 = 𝑞0,05 (4,14)√ = 4,11 √ ≈ 0,295520
𝑛 4
Untuk 𝑛 = 5
𝑀𝑆𝐸 0,02068
𝑇0,05 = 𝑞0,05 (4,14)√ = 4,11 √ ≈ 0,264321
𝑛 5
Kita tahu bahwa
𝑦1 = 21,74 ; ̅̅̅
̅̅̅ 𝑦2 = 21,45 ; ̅̅̅
𝑦3 = 21,7 ; 𝑑𝑎𝑛 𝑦̅4 = 21,475
Sehingga akan dicari perbedaan rata-ratanya sebagai berikut
|𝑦̅̅̅1 − ̅̅̅|
𝑦2 = |21,74 − 21,45| = 0,29 > 𝑇0,05 = 0,280355
̅̅̅̅
|𝑦1 − ̅̅̅|𝑦3 = |21,74 − 21,7| = 0,04 < 𝑇0,05 = 0,264321
|𝑦̅̅̅̅
1. − 𝑦 ̅4 | = |21,74 − 21,475| = 0,265 < 𝑇0,05 = 0,280355
̅̅̅̅
|𝑦2 − ̅̅̅|𝑦3 = |21,45 − 21,7| = 0,25 < 𝑇0,05 = 0,280355
|𝑦 ̅̅̅2 − 𝑦̅4 | = |21,45 − 21,475| = 0,025 < 𝑇0,05 = 0,295520
̅̅̅̅
|𝑦3 − 𝑦̅4 | = |21,7 − 21,475| = 0,225 < 𝑇0,05 = 0,280355
Aturan Keputusan
H0 ditolak jika |𝑦̅𝑖 − 𝑦̅𝑗 | > 𝑇𝛼 , 𝑑𝑖𝑚𝑎𝑛𝑎 𝑖 ≠ 𝑗
Keputusan
|𝑦
̅̅̅1 − ̅̅̅|
𝑦2 => H0 ditolak
|𝑦
̅̅̅1 − ̅̅̅|
𝑦3 => H0 tidak ditolak
|𝑦
̅̅̅1 − 𝑦̅4 | => H0 tidak ditolak
|𝑦
̅̅̅2 − ̅̅̅|
𝑦3 => H0 tidak ditolak
|𝑦
̅̅̅2 − 𝑦̅4 | => H0 tidak ditolak
|𝑦
̅̅̅3 − 𝑦̅4 | => H0 tidak ditolak
Kesimpulan
Sehingga menurut uji Tukey dapat disimpulkan kelenturan dari suhu 100 dan 125
berbeda signifikan secara statistic
Ilustrasi
Urutkan rata-rata mulai dari terkecil hingga terbesar
𝑦2 = 21,45 ; 𝑦̅4 = 21,475 ; ̅̅̅
̅̅̅ 𝑦3 = 21,7 ; 𝑑𝑎𝑛 ̅̅̅
𝑦1 = 21,74
Kemudian hubungkan dengan garis tak terputus bila tak ada beda rata-rata.
Hubungkan dengan garis terpisah bila ada beda rata-rata, seperti berikut:
g. Hitung residual setiap unit observasi
Dari model matematika: 𝑦𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 , dapat dibuat persamaan matriks, yaitu
𝒀 = 𝑿𝜷 + 𝜺 dimana:
1 1 0 0 0
1 1 0 0 0
1 1 0 0 0
1 1 0 0 0
1 1 0 0 0
1 0 1 0 0
1 0 1 0 0
1 0 1 0 0
1 0 1 0 0
𝑿=
1 0 0 1 0
1 0 0 1 0
1 0 0 1 0
1 0 0 1 0
1 0 0 1 0
1 0 0 0 1
1 0 0 0 1
1 0 0 0 1
[1 0 0 0 1]

18 5 4 5 4
5 5 0 0 0
Sehingga 𝑿′ 𝑿 = 4 0 4 0 0
5 0 0 5 0
[4 0 0 0 4]

Karena det(𝑿′ 𝑿) = 0, maka akan dicari general inverse dari 𝑿′ 𝑿

−1 0,25 −0,25 −0,25 −0,25 0
18 5 4 5 0
5 5 0 0] 0 −0,25 0,45 0,25 0,25 0
′ −
(𝑿 𝑿) = 4 0[
4 0 = −0,25 0,25 0,5 0,25 0
5 0 0 5 0 −0,25 0,25 0,25 0,45 0
[ 0 0 0 0 0] [ 0 0 0 0 0 ]
 388,9
108,7
′
Dan 𝑿 𝒀 = 85,8 , maka
108,5
[ 85,9 ]
0,25 −0,25 −0,25 −0,25 0 388,9 21,475
−0,25 0,45 0,25 0,25 0 108,7 0,265
̂ = (𝑿′ 𝑿)−𝟏 𝑿′ 𝒀 = −0,25
𝜷 0,25 0,5 0,25 0 85,8 = −0,025
−0,25 0,25 0,25 0,45 0 108,5 0,225
[ 0 0 0 0 0 ] [ 85,9 ] [ 0 ]

Sehingga untuk persamaan 𝑦̂ = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 + 𝛽4 𝑥4 , kita dapat

𝑦̂
1 . = 21,475 + 0,265 + 0 + 0 + 0 = 21,74

𝑦̂
2 . = 21,475 + 0 − 0,225 + 0 + 0 = 21,45

𝑦̂
3 . = 21,475 + 0 + 0 + 0,225 + 0 = 21,7

𝑦̂
4 . = 21,475 + 0 + 0 + 0 + 0 = 21,475

Dan residualnya adalah sebagai berikut

Suhu Pembakaran 𝑦𝑖𝑗 𝑦̂

𝑖𝑗 Residual = 𝑦𝑖𝑗 − 𝑦̂𝑖𝑗
100 21,8 21,74 0,06
100 21,9 21,74 0,16
100 21,7 21,74 -0,4
100 21,6 21,74 -0,14
100 21,7 21,74 -0,4
125 21,6 21,45 0,15
125 21,4 21,45 -0,05
125 21,5 21,45 0,05
125 21,3 21,45 -0,15
150 21,9 21,7 0,2
150 21,8 21,7 0,1
150 21,7 21,7 0
150 21,6 21,7 -0,1
150 21,5 21,7 -0,2
175 21,4 21,475 -0,075
175 21,7 21,475 0,225
175 21,5 21,475 0,025
175 21,3 21,475 -0,175

h. Setelah dihitung secara manual, hitung /analisa sesuai pertanyaan diatas

menggunakan program R atau Minitab (sebutkan program yg kamu gunakan)
Dengan menggunakan program R:
Tabel ANOVA

Confidence Interval
 Tukey

Residuals

Dapat dilihat bahwa perhitungan residual menggunakan R sama seperti cara manual.

**catatan: tulis lengkap analisanya (hipotesis, stat uji, dst) seperti no. sebelumnya

i. Lakukan uji asumsi pada perhitungan residual diatas (gunakan program R atau
Minitab, sebutkan program yang kamu gunakan).
Dengan menggunakan program R:
Asumsi Normalitas Residual

Titik-titik residual data terlihat mengikuti garis pada QQ plot dengan pelanggaran
yang masih bisa ditoleransi. Ini menunjukkan bahwa tidak ada masalah pada asumsi
normalitas.

Histogram persebaran residual menunjukkan bahwa asumsi normalitas terpenuhi

dengan tingkat asimetris yang masih bisa ditoleransi.
Uji Shapiro-Wilk
H0 : residual data berdistribusi normal
H1 : residual data tidak berdistribusi normal
α = 0.05
 Berdasarkan uji formal Shapiro-Wilk di atas ini, juga dapat dilihat bahwa 𝑝 𝑣𝑎𝑙𝑢𝑒 =
0,6368 > α = 0,05, sehingga H0 gagal ditolak atau dapat dikatakan bahwa residual
data berdistribusi normal.
Asumsi Homogenitas Variansi Residual

Persebaran residual menunjukkan homogenitas variansi (titik-titik berada disekitar

garis lurus sama dengan nol dan berjarak sama)

2. Sebuah penelitian menduga bahwa persentasi kandungan kapas mempengaruhi

kekuatan (tensile strength) dari suatu jenis kain . Diasumsikan tidak ada faktor lain yang
mempengaruhi respon, percobaan dirancang secara acak sempurna dengan 5 replikasi ,
berikut adalah hasil percobaan :

% kapas Replikasi
15 7 8 13 11 9
20 14 17 16 18 15
25 17 19 19 20 18
30 19 25 22 21 23
35 9 10 11 14 12

a. Buatlah diagram kotak (box plot) dari hasil pengamatan?

b. Buat model matematika beserta asumsi dan hipotesa nya utuk menguji beda
efek disebabkan konsentrasi kapas.
Model matematika:
𝑦𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 ; 𝑖 = 1,2,3,4,5 ; 𝑗 = 1,2,3,4,5
𝑦𝑖𝑗 = 𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 𝑘𝑒 − 𝑖 𝑑𝑎𝑛 𝑝𝑒𝑛𝑔𝑢𝑙𝑎𝑛𝑔𝑎𝑛 𝑘𝑒 − 𝑗
𝜇 = 𝑜𝑣𝑒𝑟𝑎𝑙𝑙 𝑚𝑒𝑎𝑛
𝜏𝑖 = 𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 𝑘𝑒 − 𝑖
𝜀𝑖𝑗 = 𝑟𝑎𝑛𝑑𝑜𝑚 𝑒𝑟𝑟𝑜𝑟; 𝜀𝑖𝑗 ~𝑁𝐼𝐷(0, 𝜎 2 )
Asumsi:
𝜀𝑖𝑗 diasumsikan variabel random yang saling bebas dan berdistribusi normal dengan
mean 0 dan variansi σ2. variansi σ2 diasumsikan konstan untuk semua kelasnya.
Hipotesa pengujian:
𝐻0 : 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 𝜏5 = 0 (tidak ada pengaruh/beda efek persentasi
kandungan kapas terhadap tensile strength)
𝐻1 : 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑠𝑎𝑡𝑢 𝜏𝑖 ≠ 0 (ada pengaruh/beda efek persentasi
kandungan kapas terhadap tensile strength)

c. Hitung Jumlah Kuadrat perlakuan (treatment) , Jumlah kuadrat Total dan Jumlah
kuadrat residual ( secara manual menggunakan rumus 3.14 dan 3.15).

4 5
2
3872
𝑆𝑆𝑇 = ∑ ∑ 𝑦𝑖𝑗 − (𝑦••2 /𝑁) = 72 + 82 + ⋯ + 122 − = 600,24
25
𝑖=1 𝑗=1
4
𝑦12 𝑦••2 482 802 932 1102 562 3872
𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 = ∑ − = + + + + −
𝑛𝑖 𝑁 5 5 5 5 5 25
𝑖=1
= 527,04
𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 = 600,24 − 527,04 = 73,20
∴ 𝑆𝑆𝑇 = 600,24 ; 𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 = 527,04 ; 𝑆𝑆𝐸 = 73,20

d. Buatlah Tabel ANOVA berdasarkan perhitungan diatas, dan lakukan uji hipotesa.
Perhitungan:
𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 527,04
𝑀𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 = = = 131,76
𝑎−1 4
𝑆𝑆𝐸 73,2
𝑀𝑆𝐸 = = = 3,66
𝑁−𝑎 20
𝑀𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 131,76
𝐹0 = = = 36
𝑀𝑆𝐸 3,66
Tabel ANOVA
 Source of Sum of Squares Degrees of Mean Square 𝐹0
Variation Freedom
Between 𝑆𝑆𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡𝑠 𝑎 − 1 = 5 − 1 𝑀𝑆𝑇𝑟𝑒𝑎𝑟𝑚𝑒𝑛𝑡𝑠 𝐹0 = 36
treatments = 527,04 =4 = 131,76
Error (within 𝑆𝑆𝐸 = 73,2 𝑁 − 𝑎 = 25 − 5 𝑀𝑆𝐸
treaments) = 20 = 3,66
Total 𝑆𝑆𝑇 = 600,24 𝑁 − 1 = 25 − 1
= 24
Uji Hipotesa
Hipotesis
𝐻0 : 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 𝜏5 = 0 (tidak ada pengaruh/beda efek persentasi
kandungan kapas terhadap tensile strength)
𝐻1 : 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑠𝑎𝑡𝑢 𝜏𝑖 ≠ 0 (ada pengaruh/beda efek persentasi
kandungan kapas terhadap tensile strength)
Tingkat Signifikansi
α = 0.05
Statistik Uji
Dari tabel ANOVA, diperoleh nilai 𝐹0 = 36
Aturan Keputusan
;
Keputusan
Karena 𝐹0 = 36 > 𝐹 (0,05;4;20) = 2,87 , sehingga 𝐻0 ditolak
Kesimpulan
Terdapat pengaruh/beda efek persentasi kandungan kapas terhadap tensile
strength

e. Buatlah interval kepercayaan 95% untuk mean dari setiap suhu persentasi efek
kapas.
Untuk 𝝉𝟏 = 𝟏𝟓
1 1
𝑦1 ± 𝑡(0,025;20) √s 2 (𝑛) = 9,6 ± 2,086√(3,66)2 (5)
95% 𝐶𝐼 = ̅̅̅
= 9,6 ± 3.4143 ≈ [(6.1587), (13,0413)]
Untuk 𝝉𝟐 = 𝟐𝟎
1 1
𝑦2 ± 𝑡(0,025;20) √s 2 (𝑛) = 16 ± 2,086√(3,66)2 (5)
95% 𝐶𝐼 = ̅̅̅
= 16 ± 3,4143 ≈ [(12,5857), (19,4143)]
Untuk 𝝉𝟑 = 𝟐𝟓
1 1
𝑦3 ± 𝑡(0,025;20) √s 2 (𝑛) = 18,6 ± 2,086√(3,66)2 (5)
95% 𝐶𝐼 = ̅̅̅
= 18,6 ± 3,4143 ≈ [(15,1857), (22,0143)]
Untuk 𝝉𝟒 = 𝟑𝟎
 1 1
95% 𝐶𝐼 = 𝑦̅4 ± 𝑡(0,025;20) √s2 (𝑛) = 22 ± 2,086√(3,66)2 (5)
= 22 ± 3,4143 ≈ [(18,5857), (25,4143)]
Untuk 𝝉𝟓 = 𝟑𝟓
1 1
𝑦5 ± 𝑡(0,025;20) √s 2 (𝑛) = 11,2 ± 2,086√(3,66)2 (5)
95% 𝐶𝐼 = ̅̅̅
= 11,2 ± 3,4143 ≈ [(7,7857), (14,6143)]

f. Hitung residual setiap unit observasi

Dengan cara yang sama dengan nomor 1(g), diperoleh residual sbb:
Konsentrasi 𝑦𝑖𝑗 𝑦̂𝑖𝑗 Residual = 𝑦𝑖𝑗 − 𝑦̂𝑖𝑗
15 7 9,6 -2,6
15 8 9,6 -1,6
15 13 9,6 3,4
15 11 9,6 1,4
15 9 9,6 -0,6
20 14 16 -2
20 17 16 1
20 16 16 0
20 18 16 2
20 15 16 -1
25 17 18,6 -1,6
25 19 18,6 0,4
25 19 18,6 0,4
25 20 18,6 1,4
25 18 18,6 -0,6
30 19 22 -3
30 25 22 3
30 22 22 0
30 21 22 -1
30 23 22 1
35 9 11,2 -2,2
35 10 11,2 -1,2
35 11 11,2 -0,2
35 14 11,2 2,8
35 12 11,2 0,8

g. Setelah dihitung secara manual, hitung /analisa sesuai pertanyaan diatas

menggunakan program R atau Minitab (sebutkan program yg kamu gunakan).
Tabel ANOVA
Confidence Interval
 Residuals

Dapat dilihat bahwa perhitungan residual menggunakan R sama seperti cara

manual.

**catatan: tulis lengkap analisanya (hipotesis, stat uji, dst) seperti no.
sebelumnya

h. Lakukan uji asumsi pada perhitungan residual diatas (gunakan program R atau
Minitab, sebutkan program yg kamu gunakan).
Dengan menggunakan program R:
Asumsi Normalitas Residual

Titik-titik residual data terlihat mengikuti garis pada QQ plot dengan pelanggaran
yang masih bisa ditoleransi. Ini menunjukkan bahwa tidak ada masalah pada
asumsi normalitas.

Histogram persebaran residual menunjukkan bahwa asumsi normalitas

terpenuhi dengan tingkat asimetris yang masih bisa ditoleransi.
Uji Shapiro-Wilk
H0 : residual data berdistribusi normal
H1 : residual data tidak berdistribusi normal
α = 0.05
 Berdasarkan uji formal Shapiro-Wilk di atas ini, juga dapat dilihat bahwa
𝑝 𝑣𝑎𝑙𝑢𝑒 = 0,824 > α = 0,05, sehingga H0 gagal ditolak atau dapat dikatakan
bahwa residual data berdistribusi normal.
Asumsi Homogenitas Variansi Residual

Persebaran residual menunjukkan homogenitas variansi (titik-titik berada

disekitar garis lurus sama dengan nol dan berjarak sama)

i.. Taksirlah kurva respon dari percobaan diatas (terapkan perhitungannya

menggunakan bahasan “Orthogonal Polinomial” bab 6.6 buku rujukan yang lalu.
Dengan menggunakan program R:

Perhitungan manual: akan dijelaskan kembali di kelas oleh Bu Saskya