1A.

1B.
2A.

HIPOTESA :

H0 = MEAN UNTUK SEMUA KONSENTRASI PADA KATALIS YANG

BERBEDA ADALAH SAMA ( µ1 = µ2 = µ3 = µ4 )

H1 = ADA SATU NILAI MEAN DARI 4 KATALIS YANG TIDAK SAMA.

ONE WAY ANOVA

One-way ANOVA: Response versus Catalyst

Method
Null hypothesis All means are equal
Alternative hypothesis Not all means are equal
Significance level α = 0.05
Equal variances were assumed for the analysis.

Factor Information
Factor Levels Values
Catalyst 4 1, 2, 3, 4
Analysis of Variance
Source DF Seq SS Contribution Adj SS Adj MS F-Value P-Value
Catalyst 3 85.68 71.26% 85.68 28.559 9.92 0.001
Error 12 34.56 28.74% 34.56 2.880
Total 15 120.24 100.00%
Model Summary

S R-sq R-sq(adj) PRESS R-sq(pred)

1.69710 71.26% 64.07% 66.7481 44.49%
Means
Catalyst N Mean StDev 95% CI
1 5 56.900 1.520 (55.246, 58.554)
2 4 55.775 1.100 (53.926, 57.624)
3 3 53.23 2.78 (51.10, 55.37)
 4 4 51.125 1.443 (49.276, 52.974)
Pooled StDev = 1.69710

Tukey Pairwise Comparisons

Grouping Information Using the Tukey Method and 95%
Confidence

Catalyst N Mean Grouping

1 5 56.900 A
2 4 55.775 A
3 3 53.23 A B
4 4 51.125 B
Means that do not share a letter are significantly different.
Bisa dilihat dari hasil Minitab, bahwa P-Value dari data ini adalah lebih
besar dari α yaitu P-Value dari perhitungan adalah 0.001 sedangkan α
adalah 0.05. Berdasarkan nilai P-Value, maka kesimpulannya adalah
menolak H0 yang kemudian menerima dari H1 yaitu minimal ada 1 nilai
mean yang berbeda dari 4 populasi tersebut.
Dengan metode Tukey sebagai metode komparasi yang digunakan dalam
pengerjaan data ini, maka dapat kesimpulan bahwa katalis 1 memiliki
nilai spesifik yang jauh lebih bagus dari pada 3 katalis yang lainnya.
Berdasarkan pernyataan tersebut, maka katalis 1 akan memberikan nilai
konsentrasi campuran yang stabil.
2b.
Hipotesa :
H0 = Residual berdistribusi normal
H1 = Residual tidak berdistribusi normal
 Pada gambar diatas, bisa dilihat bahwa P-Value > dari α yaitu 0,05.
Dari pernyataan sebelumnya bisa diambil kesimpulan bahwa hasilnya
adalah gagal tolak H0, yang artinya Grafik Residual dari data-data yang
telah diolah adalah berdistribusi Normal. Dikarenakan grafik residual
berdistribusi normal, maka bisa dilakukan uji-t dan uji-f untuk
menemukan nilai-nilai yang lain.
3a.
Hipotesa :
1. H0 = Faktor design tidak signifikan
H1 = Faktor design signifikan

2. H0 = Faktor region tidak signifikan

H1 = Faktor region signifikan

3. H0 = Faktor interaksi antara design dan region tidak signifikan

H1 = Faktor interaksi antara design dan region signifikan
TWO WAY ANOVA
General Linear Model: Response versus Design, Region

Method
Factor coding (-1, 0, +1)
Factor Information
Factor Type Levels Values
Design Fixed 3 1, 2, 3
Region Fixed 4 NE, NW, SE, SW
Analysis of Variance
Seq Adj Adj F- P-
Source DF SS Contribution SS MS Value Value
Design 2 90755 62.50% 90755 45377.6 * *
Region 3 49036 33.77% 49036 16345.2 * *
Design*Region 6 5429 3.74% 5429 904.8 * *
Error 0 * * * *
Total 11 145220 100.00%
Model Summary
S R-sq R-sq(adj) PRESS R-sq(pred) AICc BIC
* 100.00% * * * * *
Coefficients
SE
Term Coef Coef 95% CI T-Value P-Value VIF
Constant 351.2 * (*, *) * *
Design
1 -52.67 * (*, *) * * 1.33
2 122.6 * (*, *) * * 1.33
Region
NE -42.83 * (*, *) * * 1.50
NW 53.83 * (*, *) * * 1.50
SE -81.50 * (*, *) * * 1.50
Design*Region
1 NE -5.667 * (*, *) * * 2.00
1 NW -2.333 * (*, *) * * 2.00
1 SE 2.000 * (*, *) * * 2.00
2 NE -30.92 * (*, *) * * 2.00
2 NW -2.583 * (*, *) * * 2.00
2 SE -2.250 * (*, *) * * 2.00
Regression Equation
Response = 351.2 - 52.67 Design_1 + 122.6 Design_2 - 69.92 Design_3 - 42.83 Region_NE
+ 53.83 Region_NW - 81.50 Region_SE + 70.50 Region_SW - 5.667 Design*Region_1 NE
- 2.333 Design*Region_1 NW + 2.000 Design*Region_1 SE + 6.000 Design*Region_1 SW
- 30.92 Design*Region_2 NE - 2.583 Design*Region_2 NW - 2.250 Design*Region_2 SE
+ 35.75 Design*Region_2 SW + 36.58 Design*Region_3 NE + 4.917 Design*Region_3 NW
+ 0.2500 Design*Region_3 SE - 41.75 Design*Region_3 SW

Pertama-tama saya akan mencari nilai dari degree of freedom terlebih dahulu.
Data yang Perhitungan Degree of Freedom
tersedia
1. DF dari 12 12 – 1 = 11
Data
2. DF dari 3 3–1=2
faktor
design
3. DF dari 4 4–1=3
Faktor
region
4. DF dari 6 6
Faktor
Interaksi
antara
desain dan
region

Maka Total DF = 11 – ( 2 + 3 + 6 ) = 0

Dapat dilihat dari hasil diatas bahwa p value tidak dapat hitung
dikarenakan degree of freedom dari data yang disediakan adalah 0.
Dampaknya akan menyebabkan nilai dari Mean Square of the Error (MSE).
Karena tidak bisanya menghitung nilai MSE dikarenakan degree of
freedomnya bernilai 0, maka untuk mencari nilai f-value dari data tersebut
tidak bisa dilakukan karena tidak adanya nilai MSE. Dampak dari tidak dapat
dihitungnya f-value maka nilai p-value juga tidak akan dapat dihitung
dikarenakan untuk menghitung nilai p-value diperlukan f-value.
Agar nilai p value bisa dicari, maka digunakan metode Design of
Experiment dan menghilangkan faktor interaksi. Maka akan didapatkan hasil
seperti di bawah ini.
TWO WAY ANOVA
General Factorial Regression: Response versus Design, Region

Factor Information
Factor Levels Values
Design 3 1, 2, 3
Region 4 NE, NW, SE, SW
Analysis of Variance
Seq Adj Adj F- P-
Source DF SS Contribution SS MS Value Value
Model 5 139791 96.26% 139791 27958.2 30.90 0.000
Linear 5 139791 96.26% 139791 27958.2 30.90 0.000
Design 2 90755 62.50% 90755 45377.6 50.15 0.000
Region 3 49036 33.77% 49036 16345.2 18.06 0.002
Error 6 5429 3.74% 5429 904.8
Total 11 145220 100.00%
Model Summary
S R-sq R-sq(adj) PRESS R-sq(pred) AICc BIC
30.0800 96.26% 93.15% 21715.3 85.05% 149.43 124.82
Coefficients
SE
Term Coef Coef 95% CI T-Value P-Value VIF
Constant 351.17 8.68 (329.92, 40.44 0.000
372.41)
Design
1 -52.7 12.3 (-82.7, -22.6) -4.29 0.005 1.33
2 122.6 12.3 (92.5, 152.6) 9.98 0.000 1.33
Region
NE -42.8 15.0 (-79.6, -6.0) -2.85 0.029 1.50
NW 53.8 15.0 (17.0, 90.6) 3.58 0.012 1.50
SE -81.5 15.0 (-118.3, -44.7) -5.42 0.002 1.50
Regression Equation
Response = 351.17 - 52.7 Design_1 + 122.6 Design_2 - 69.9 Design_3
- 42.8 Region_NE
+ 53.8 Region_NW - 81.5 Region_SE + 70.5 Region_SW
 Bisa dilihat setelah menghapus faktor interaksi antara design dan
region, maka nilai p value bisa dihitung dikarenakan DOF ≠ 0.
p-value untuk faktor design < α bernilai 0,05, maka faktor design
memberikan dampak yang signifikan.
p-value untuk faktor region < α bernilai 0,05, maka faktor region akan
memberikan dampak yang signifikan.
Jika hipotesa 1 dan hipotesa 2 menghasilkan kesimpulan berdampak
signifikan, maka faktor interaksi antara design dan region akan memberikan
dampak signifikan.
3b.
TWO WAY ANOVA
Comparisons for Response

Tukey Pairwise Comparisons: Design

Grouping Information Using the Tukey Method and 95% Confidence
Design N Mean Grouping
2 4 473.75 A
1 4 298.50 B
3 4 281.25 B
Means that do not share a letter are significantly different.

Tukey Pairwise Comparisons: Region

Grouping Information Using the Tukey Method and 95% Confidence
 Region N Mean Grouping
SW 3 421.667 A
NW 3 405.000 A
NE 3 308.333 B
SE 3 269.667 B
Means that do not share a letter are significantly different.

Untuk faktor design, bisa dilihat dari hasil di atas bahwa design
nomor 2 memiliki hasil yang efektif untuk menyebarkan selebaran
untuk mempromosikan produknya.
Untuk faktor region, bisa dilihat dari hasil diatas bahwa region
SW memiliki hasil yang efektif jika ingin menyebarkan selebaran
agar konsumen bisa menerima selebaran dengan baik.
3c.
Hipotesa :
H0 = Residual berdistribusi normal
H1 = Residual tidak berdistribusi normal

TWO WAY ANOVA

Probability Plot of RESI1
 Pada gambar diatas, bisa dilihat bahwa P-Value > dari α yaitu 0,05. Dari
pernyataan sebelumnya bisa diambil kesimpulan bahwa hasilnya adalah gagal
tolak H0, yang artinya Grafik Residual dari data-data yang telah diolah adalah
berdistribusi Normal. Dikarenakan grafik residual berdistribusi normal, maka
bisa dilakukan uji-t dan uji-f untuk menemukan nilai-nilai yang lain.