Percobaan 2k dasar :

Contoh : percobaan wood pulp digester ada 3 varaibel yang dikaji

Minitab:
1. Membuat rancangan percobaan diminitab
2. Klik stat, klik DOE design of experiment
3. Klik factorial dan klik create design factorial
 Numbers of factor menunjukan tropdown list untuk jumlah faktor dalam hal ini jumal
faktonya = 3
 Jika kita klik display available design maka akan menunjukan suatu jendela yang
berisi informasi jumlah faktor percobaan dan opsi jenis percobaan yang tersedia.
 Klik design, untuk poercobaan 2 pangkat 2 tidak ada pilihan lain pasti pilihannya full
factorial.
 Number of center point per block menunjkan tentang tempuhan titik tengah (tidak
diaktifkan)
 Number of replicate : jumlah replicate unutk corner point atau tempuhan yang ada
disudut (lihat PPT tempuhan titik merah) percobaan ada 2 kali.
 Number of blocks (dibahas nantinya)
 Klik ok
4. Klik option dan perhatikan randomize runs jika menggunakan percobaan yang belum
dijalankan maka gunakan randomize run jadi seolah olah minitab sudah menyiapkan jurnal
percobaan dan menyiapkan tempuhan jadi tinggal mengikuti satu persatu. Kalau sudah
mengikuti data orbag lain maka matikan saja
5. Masukkan data ingat perhatikan cara membaca data .
Bagaimana cara memasukkan nilai asli dari faktor? Klik stat-DOE-modify design
Klik modify factor klik spesify- ubah low nya untuk kadar kayu keras lownya 2 highnya 6
Untuk P digester 400 kpa dan high 650
Waktu digester 3 jam dan 4 jam

Okey, lanjut ketika sudah berubah dalam worksheet tetapi pada saat melakukan perhitungan
anova oleh minitab akan diubah atau dicoding lagi menjadi -1 dan +1 jadi tidak perlu
khawatir
6. Klik stat, DOE, factorial, analyze, pada graph coba untuk yang normal dan pareto

Hasil menunjukan bahwa prosedur anova berlangsung sebagai mana mestinya, artinya nilai F0 terhitung
semua begitu juga dengan nilai P value, dan ini menggunakan full mode jadi semua efek utama dan
interaski yang mungkin diukur hal itu memungkinkan karena percobaan ini melibatkan replikasi utnuk
semua tempuhan.

Hasil pareto menunjukan ada beberapa suku mode yang tidak signifikan contohnya : interaksi tiga arah
ABC interaksi dua arah AC,BC. Tentu saja kita harus melakukan perampingan mode jadi suku-suku yang
tidak signifikan

Alih2 menghilangkan 3 sekaligus kita coba menghilangkan 1 dulu dan lihat bagaimana perubahannya

krti
Dalam kasus ini kita menghilangkan BC terlebih dahulu, ketika kita hialngkan maka minitab akan
memberikan kita peringatan atau warning bahwa kita akan m elanggar prinsip hirearki tapi kita tidak
menghilabgkan ABC. Interaksi 3 arah secara fundamental akan ada ketika penyusunnya ada didalam
model. jika kita ingin mempertahankan ABC konsekuensinya semua suku harus masuk karena ABC
adalah suku tertinggi.
Misalnya ABC signifikan sedangkan ada ineraksi lainnya yang tidak signifikan berarti interaksi 3 arah
tersebut masuk model sebagai konsekuensinya semua suku harus masuk karena orde suku tersebut lebih
tinggi dari mereka.
Prinsip hirarki menyatakan “jika suatu suku interaksi orde yang lebih tinggi itu signifikan sehingga harus
dimasukkan kedalam model P value kurang dari alpha, maka semua suku baik efek utama maupun
interaksi yang ada kaitannya dengan dia, dan ordenya lebih rendah itu harus kedalam model berapapun
nilai P valuenya”
Maka dilakukanlah seeperti ini : ABC dan BC AC dibuang (buang satu-satu dariABC, BC AC)
Perhatikan nilai Tkritik dan Nilai efek juga berubah jadi bisa jadi setelah dilakukan perampingan mode
efeknya menjadi signifikan

Hasil per buangan

Lihat persaaman regresi, jadi tadi kita memasukkna nilai tinggi dan rendah dari variabel percobaan, nah
minitab akan memberikan hasil regresi danam uncoded unit,
Contoh 2 :
Pada kolom factorial create – number of factors 4
Coded Coefficients
Term Effect Coef SE Coef T-Value P-Value VIF
Constant   70.06 * * * 
A 12.125 6.063 * * * 1.00
B - -5.938 * * * 1.00
11.875
C 12.375 6.187 * * * 1.00
D 8.125 4.063 * * * 1.00
A*B - -5.438 * * * 1.00
10.875
A*C 3.375 1.688 * * * 1.00
A*D -20.88 -10.44 * * * 1.00
B*C -8.125 -4.063 * * * 1.00
B*D -6.875 -3.437 * * * 1.00
C*D 12.875 6.438 * * * 1.00
A*B*C - - * * * 1.00
1.1250 0.5625
A*B*D 3.125 1.562 * * * 1.00
A*C*D -7.125 -3.563 * * * 1.00
B*C*D 4.375 2.187 * * * 1.00
A*B*C*D 0.3750 0.1875 * * * 1.00

Hasil menunjukan bahwa anova tidak jalan jadi kita tidak bisa menghitung same of square error jadi tidak
ada estimasi galat percobaan yang bisa dihitung makanya anova tidak jalan namum demikian diagram
efeknya tetap jalan dari sinilah kita dapat mementukan bagaimana karena tidak bisa pake full model maka
pakelah partial model, pertanyaannnya adalah manakah suku yang akan dibuang dan mana yang
dipertahankan. Ada 10 suku yang kemungkinan tidak signifikan . hati2 dalam membuang suku berhati2
pada efeknya liat mana yang paling mendekati P kritik .
Ayo kita coba yang sabar, jangan semua nilai dibawah Tkritik di jebret, kecuali hasilnya jomplang banget
Kita lihat ayok kita hilangkan lagi