LAPORAN DESAIN EKPERIMEN

Tugas 4 : Single factor ANOVA

Dibuat Oleh :
Fathin Muhammad Mahdhudhu
6007201050

DEPARTEMEN TEKNIK MESIN

FAKULTAS TEKNOLOGI INDUSTRI DAN REKAYASA SISTEM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
2020/2021
 DESAIN EKPERIMEN
Peneliti ingin mengetahui pengaruh baja EN 24 dengan elektroda tembaga. Fokus utama penelitian ini
adalah untuk mengoptimalkan parameter proses seperti Pulse on time(TON) dengan respon Material
removal rate (MRR). Data didapatkan dari jurnal karya Gurdev Singh dkk tentang “Optimization of EN24
Steel on EDM Machine using Taguchi & ANOVA Technique”
1. Langkah pertama yaitu menentukan hipotesa awal (H0 dan H1) dengan factor Pulse on time
(TON) dan respon Material removal rate (MRR)

H0 : µ 1= µ 2 = µ 3 = µ 4 = µ 5
H1 : Mean tidak sama minimal satu

2. Menentukan significan level dari percobaan

α = 5% = 0.05
Maka confident level = 1- α = 1-5% = 95%

3. Menghitung nilai statistic dari data ekperimen dengan menggunakan software Minitab2019

Gambar 1 Gambar 2
Setelah kita menginput data dari factor (TON) dan respon (MRR) ke Minitab2019, maka dilakukan
uji statistic ANOVA. Langkah pertama klik toolbar “stat” lalu menjuju ANOVA dan pilih one way,
sesuai gambar 1. Setelah muncul kotak one-way ANOVA seperti Digambar ke-2, maka kita
masukan respon dengan MRR dan factor dengan TON.

4. Menentukan daerah penolakan

Gambar 3
Daerah penolakan yaitu Tolak H0 jika P-value <0.05 dan Terima H0 jika P-value >0.05

Dari gambar 3 diatas antara TOR dan MRR memiliki P-value 0.032. Oleh karena itu kita tolak H0
karena nilai P-value kurang dari nilai alpha (0.05)
 5. Menentukan kesimpulan

Karena nilai P-value kurang dari alpha (0.05) maka kita harus tolak H0 dan menerima H1 . Jadi
terdapat perbedaan minimal satu nilai Pulse on time(TON) dengan respon Material removal rate
(MRR) dengan tingkat kepercayaan sebesar 95%

CHECK ANOVA
Check asumsi anova digunakan untuk meyakinkan bahwa ANOVA cocok tidaknya digunakan pada
ekperimen ini. Terdapat 4 jenis pengecekan yaitu cek normality, cek constant varian, cek independensi,
dan cek kesesuaian model.

1. Tes Normalitas
Untuk mendapatkan normality test, maka pertama dilakukan yaitu menghitung residual/error.
Perhitungan eror bisa dilakukan di Minitab2019.

Gambar 4 Gambar 5
Dari data TON dan MRR tadi, kita munculkan residual/eror dari data tersebut dengan
menggunakan Minitab2019. Dengan mencentang kolom residual yang terletak pada storage
ANOVA, sesuai gambar 4. Setelah kita mencentang residual, maka akan muncul residual di
worksheet minitab2019 sesuai pada gambar 5.

Gambar 6 Gambar 7
 Setelah kita memunculkan data residual, maka kita uji normalitas dengan mengeklik normality
test pada toolbar “stat” lalu basic statistic sesuai gambar 6. Masukan variable residual pada kolom
yang disediakan, sesuai gambar 7.

Gambar 8
Lalu hasil normality tes akan disajikan dengan grafik sesuai gambar 8. Untuk menentukan daerah
penerimaan maka terdapat 2 cara yaitu :
a) Dengan menggunakan mean. Nilai rata-rata(mean) dari semua residual data harus sama
dengan 0. Pada gambar 8 nilai rata-rata 1.27877 x 10-15 , maka nilai rata-rata mendekati
angka 0 jadi bisa dikatakan residual pada ekperimen ini berdistribusi normal.
b) Dengan menggunakan P-value. Dimana :

H0 = Mengikuti distribusi normal

H1 =Tidak mengikuti distribusi normal

Tolak H0 jika P-value < 0.05

Terima H0 jika P-value > 0.05

Dari gambar 8 diatas nilai P-value yaitu 0.88 , maka H0 gagal ditolak. Jadi data residual
mengikuti distribusi normal

2. Tes konstan varian

Gambar 9 Gambar 10
 Untuk cek konstan varian bisa dilakukan dengan mengklik pada toolbar “stat” ANOVA dan pilih
“test for equal variances” sesuai pada gambar 9. Centang pada kolom “use test based on normal
distribution” yang sudah kita buktikan pada cek normality tes sebelumnya.

Gambar 11
H0 = Varian konstan
H1 =Varian tidak konstan

Tolak H0 jika P-value < 0.05

Terima H0 jika P-value > 0.05

Dari gambar 11 diatas nilai P-value yaitu 0.374 , maka H0 gagal ditolak. Jadi data memiliki varian
yang konstan.

3. Independensi dan kesesuaian model

Gambar 12
Untuk melakukan independensi dan kesesuaian model, maka harus dimunculkan grafik antara
residual vs fits dan residual vs order, sesuai gambar 12. Untuk memunculkan sesuai gambar 12
 maka bisa dilakukan pada menu “graph” pada kolom one way ANOVA. Pada kolom residual vs
order dicentang untuk mengetahui independensi dan untuk kolom residual vs fit dicentang untuk
mengetahui kesesuaian model.

Gambar 13 Gambar 14
Untuk mengetahui independensi dan kesesuaian model bisa diliihat dari kedua grafik , jika data
pada kedua grafik menyebar, maka sudah independent dan modelnya sesuai.

ANALISA FISHER

Analisa fisher digunakan untuk mengetahui antara level mana yang memiliki nilai yang berbeda. Analisa
fisher bisa diketahui dari minitab2019 dengan mencentang “fisher” pada kolom comparison.

Gambar 15

Level sudah bisa dikatakan memiliki nilai berbeda secara signifikan jika

1. Nilai p value < α

2. Nilai 0 pada 95% Cl berada di luar interval, dan jika nilai 0 masih berada di dalam interval maka
blom bisa dikatakan berbada secara signifikan
Dari gambar 15 maka level yang memiliki nilai berbeda secara signifikan antara 200-20 dan 200-50
dengan tingkat kepercayaan 95%