Makalah Fix
Makalah Fix
id
BAB I PENDAHULUAN
Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri atas dua buah taraf atau level. Oleh karena itu perlu dilakukan rancangan faktorial 2k, yaitu rancangan faktorial yang menyangkut k buah faktor dengan masing-masing faktor memiliki dua taraf atau level. Banyaknya taraf yaitu 2, ditulis sebagai bilangan pokok dan banyaknya faktor yaitu k, ditulis sebagai pangkat. Apabila rancangan melibatkan dua faktor maka disebut rancangan faktorial 22. Jika rancangan melibatkan tiga faktor maka disebut rancangan faktorial 23. Rancangan melibatkan empat faktor maka disebut rancangan faktorial 24, dan seterusnya. Batasan-batasan: Faktor-faktor tersebut fixed (tetap) Merupakan rancangan random lengkap Asumsi normalitas, independensi dan homogenitas variansi dipenuhi. 1. Asumsi normalitas dipenuhi apabila Normal Probability plot of the Residuals membentuk atau mendekati garis lurus. 2. Asumsi homogenitas variansi dipenuhi jika : a. Residuals versus the Fitted Values tidak membentuk suatu pola tertentu atau acak. 3. Asumsi independensi dipenuhi apabila Residuals versus the order of the data tidak membentuk suatu pola tertentu atau acak.
BAB II PEMBAHASAN
2.1 Rancangan Faktorial Rancangan faktorial 22 merupakan kejadian khusus dari rancangan faktorial dimana melibatkan dua faktor dengan masing-masing faktor terdiri atas dua buah taraf atau level. masing masing Misalkan ada dua faktor, yaitu faktor A dan B dengan masing masing terdiri dari dua taraf yaitu masing-masing rendah dan tinggi, maka percobaan dilakukan sebagai n ulangan, dan kombinasi perlakuan dapat ditulis sebagai berikut: A Rendah (-) B Rendah (-) y112 y11n Tinggi (+)
y121 ...
y12. = b
y122
y12 n
y 212 y 21n
y 221 ....
y 22. = ab
y 222 y 22 n
2
Keterangan : taraf rendah dinyatakan 1 taraf tinggi dinyatakan 2 taraf rendah faktor A dan taraf rendah faktor B = A1B1 taraf rendah faktor A dan taraf tinggi faktor B = A1B2 taraf tinggi faktor A dan taraf rendah faktor B = A2B1 taraf tinggi faktor A dan taraf tinggi faktor B = A2B2
5
Faktor B
1
(1) a
1 Faktor A
Terdapat kombinasi perlakuan yang ditulis (1), a, b, dan ab, dengan (1) menyatakan kombinasi perlakuan yang terjadi karena taraf rendah faktor A dan taraf rendah faktor B, a menyatakan kombinasi perlakuan yang terjadi karena taraf tinggi faktor A dan taraf rendah faktor B, b menyatakan kombinasi perlakuan yang terjadi karena taraf rendah faktor A dan
taraf tinggi faktor B, ab menyatakan kombinasi perlakuan yang terjadi karena taraf tinggi faktor A dan taraf tinggi faktor B. 2.1.1 Estimasi Efek Dalam suatu percobaan rancangan faktorial 22 terdapat beberapa efek. Dimana efek tersebut antara lain efek faktor dan efek taraf yang masing masing berjumlah dua buah. Efek tersebut kemudian diestimasi untuk pengujian lebih lanjut dalam penentuan jumlah kuadrat. Estimasi efek dapat dilakukan dengan 3 cara, yaitu estimasi efek dengan rata rata, estimasi efek dengan kontras, estimasi efek dengan tabel. 2.1.1.1 Estimasi Efek dengan Rata Rata Efek faktor A dapat diestimasi dengan rata rata efek A yang dikombinasikan dengan B, yaitu saat B rendah dan tinggi, sehingga diperoleh hasil sebagai berikut : Efek A dengan B rendah adalah [a (1)] / n , efek A dengan B tinggi adalah [ab b ] / n Rata-rata efek A dirumuskan A =
1 [(ab b ) + (a (1) )] = 1 [ab + a b (1)] 2n 2n
Dengan cara yang sama diperoleh estimasi efek B: Efek B dengan A rendah adalah [b (1) ] / n , Efek B dengan A tinggi adalah [ab a ] / n Rata-rata efek B dirumuskan B =
1 [(ab a ) + (b (1) )] = 1 [ab + b a (1)] 2n 2n
Estimasi efek interaksi AB merupakan rata-rata selisih antara efek A dengan B tinggi dan efek A dengan B rendah, sehingga dapat dirumuskan
AB = 1 [(ab b ) (a (1) )] = 1 [ab a b + (1)] 2n 2n
Metode lain untuk memperoleh formula rata rata efek di atas, misalkan efek A adalah dengan menyelisihkan antara rata rata respon dari 2 kombinasi perlakuan di sisi kanan bujur sangkar (gambar) Y A+ dan 2 kombinasi perlakuan di sisi kiri bujur sangkar Y A . Diperoleh hasil:
A = Y A+ Y A
ab + a b + (1) 2n 2n
1 [ab + a b (1)] 2n
B = Y B+ Y B =
Sedangkan untuk efek interaksi AB didapat dari selisih antara rata-rata kombinasi perlakuan diagonal kanan ke kiri { ab dan (1)} dan rata-rata diagonal kiri ke kanan { a dan b }
AB = ab + (1) a + b 1 = [ab + (1) a b] 2n 2n 2n
Efek faktor A bernilai positif berarti adanya peningkatan taraf dari rendah ke tinggi akan meningkatkan respon. Efek faktor B bernilai negatif berarti adanya peningkatan taraf dari rendah ke tinggi akan menurunkan respon. Efek interaksi AB muncul relatif kecil. 2.1.1.2 Estimasi Efek dengan Kontras Kombinasi perlakuan ditulis dengan urutan tertentu, yang merupakan urutan baku (standart) yaitu (1), a, b, ab . Dengan urutan standar tersebut, koefisien kontras digunakan untuk mengestimasi efek. Dimana koefisien kontras biasanya +1 atau -1. Efek A B AB (1) -1 -1 +1 A +1 -1 -1 b -1 +1 -1 Ab +1 +1 +1
Perlu diperhatikan bahwa koefisien kontras untuk mengestimasi efek interaksi didapat dengan mengalikan koefisien antara dua efek utama yang bersesuaian. 2.1.1.3 Estimasi Efek dengan Tabel Tabel plus minus berikut dapat digunakan untuk menentukan tanda setiap kombinasi perlakuan. Efek utama A, B, interaksi AB, dan I menunjukkan total atau rata-rata dari jumlah eksperimen. Di mana I hanya memiliki tanda plus. Kombinasi perlakuan (1) a b ab I + + + +
7
Faktorial A + +
B + +
AB + +
Perlu diperhatikan untuk mencari kontras dengan cara mengalikan tanda (dengan kolom yang sesuai) terhadap kombinasi perlakuan kemudian dijumlahkan. Contoh: untuk mengestimasi A, kontrasnya adalah (1) + a b + ab untuk mengestimasi B, kontrasnya adalah (1) a + b + ab untuk mengestimasi AB, kontrasnya adalah + (1) a b + ab 2.1.2 Analisis Variansi Dalam analisis variansi terdapat perhitungan jumlah kuadrat. Jumlah kuadrat sama dengan kuadrat kontras dibagi jumlah observasi di setiap total kontras kali jumlah kuadrat koefisien kontras. Sehingga diperoleh: JKA = JKB =
[ab + a b (1)]2
[ab + b a (1)]2 [ab + (1) a b]2
n.4
2 2 j =1 i =1
n.4
n.4
JKAB = JKT =
y 2ijk
k =1
y 2 ... 4n
JKS = JKT JKA JKB - JKAB Uji hipotesis: I. Ho : interaksi faktor AB tidak mempengaruhi respon secara signifikan H1 : interaksi faktor AB mempengaruhi respon secara signifikan Daerah Kritis : Ho ditolak jika Fhit > F( , ( a 1)( b 1), ab ( n 1)) Statistik Uji : Fhitung = II.
RK AB RK S
Ho : faktor A tidak mempengaruhi respon secara signifikan H1 : faktor A mempengaruhi respon secara signifikan Daerah Kritis : Ho ditolak jika Fhit > F( , ( a 1), ab ( n 1)) Statistik Uji : Fhitung =
RK A RK S
III.
Ho : faktor B tidak mempengaruhi respon secara signifikan H1 : faktor B mempengaruhi respon secara signifikan
Daerah Kritis : Ho ditolak jika Fhit > F( , ( b 1), ab ( n 1)) Statistik Uji : Fhitung = Tabel Anava Sumber variasi A JKA = JK Db RK F
RK A RK S RK B RK S
[ab + a b (1)]2
n.4
a 1 = 1
JK A 1
JK 1
B
B AB
JKB =
[ab + b a (1)]2
n.4
b1 =1
( a 1)(b 1) = 1
RK B RK S
JKAB =
JK AB 1
RK AB RK S
Sesatan
ab( n 1)
RKS =
JK S ab ( n 1 )
Total
JKT =
i =1
j =1
Y 2ijk
k =1
Y 2 ... 4n
N-1
2.1.3 Analisis Residual Residual dari rancangan faktorial 2k dengan mudah dihitung melalui model regresi.
Model regresinya yaitu y = 0 + 1 x1 + 2 x2 + , dimana
. = koefisien regresi
x ditentukan berdasarkan efek yang signifikan dari tabel anava. Gabungan antara variabel alami faktor A dan B dengan variabel kode antara lain
x1 = A ( A + A+ ) / 2 ( A + A+ ) / 2 x2 = B (B + B+ ) / 2 (B + B+ ) / 2
Sehingga akan menghasilkan variabel kode yang bernilai 1 . Apabila faktor A dengan taraf rendah maka x1 = 1 . Apabila faktor A dengan taraf tinggi maka x1 = +1 . Apabila faktor B dengan taraf rendah maka x2 = 1 . Apabila faktor B dengan taraf tinggi maka x2 = +1 . i Intersep merupakan rata-rata dari seluruh eksperimen dan koefisien regresi 1 , 2 adalah rata rata setengah dari estimasi efek faktor yang bersesuaian. Hal ini dikarenakan koefisien regresi mengukur efek dari perubahan satuan dari x terhadap rata rata y dan estimasi efek didasarkan rata-rata pada dua satuan perubahan (dari -1 ke +1). Sehingga model regresi dapat ditulis juga dengan
Model regresi dapat digunakan untuk memprediksi nilai y pada kombinasi perlakuan digunakan
dan residualnya. Residual dapat ditentukan dengan e = yijk y . Dimana perhitungan residual
tiap kombinasi perlakuan sebagai berikut. (i) Untuk (1) yaitu kombinasi perlakuan fak A dengan taraf rendah dan fak B dengan 1) faktor f faktor taraf rendah, dimana yI = 0 + 1 (1) + 2 (1) sehingga diperoleh residual en = y11. y1 . (ii) Untuk a yaitu kombinasi perlakuan faktor A dengan taraf tinggi dan faktor B dengan taraf rendah, dimana ya = 0 + 1 (+1) + 2 (1) sehingga diperoleh residual en = y 21. y a . (iii) Untuk b yaitu kombinasi perlakuan faktor A dengan taraf rendah dan faktor B dengan taraf dan tinggi, dimana yb = 0 + 1 (1) + 2 (+1) sehingga diperoleh residual en = y12. yb (iv) Untuk ab yaitu kombinasi perlakuan faktor A dengan taraf tinggi dan faktor B dengan taraf tinggi, dimana yab = 0 + 1 (+1) + 2 (+1) sehingga diperoleh residual en = y 22. y ab dengan n = banyak replikasi. 2.2 Rancangan Faktorial Rancangan ini melibatkan 3 faktor dengan masing-masing faktor mempunyai 2 level. masing masing Misalkan, terdapat 3 faktor A, B, dan C dengan masing-masing mempunyai 2 level, yaitu masing rendah dan tinggi. Jika dilakukan percobaan dengan perulangan sebanyak n, maka total seluruh kombinasi perlakuan dapat disajikan sebagai berikut:
10
rendah
tinggi
. .
. .
. .
. .
Keterangan : = observasi dengan kombinasi perlakuan dari masing-masing taraf masing masing i j = taraf untuk faktor A : 1, 2 fak = taraf untuk faktor B : 1, 2 fak k = taraf untuk faktor C : 1, 2 l = perulangan : 1, 2, , n
Jika level rendah dinotasikan - dan level tinggi dinotasikan dengan +, sedangkan 8 kombinasi perlakuan dapat dinyatakan sebagai (1), a, b, c, ab, ac, bc, abc, maka dapat dibuat tabel plus-minus dari seluruh kombinasi perlakuan sebagai berikut. minus A 1 2 3 4 5 6 7 8 + + + + B + + + + C + + + + Komb.perlk (1) A B Ab C Ac bc abc A 0 1 0 1 0 1 0 1 B 0 0 1 1 0 0 1 1 C 0 0 0 0 1 1 1 1
Keterangan : - 0 +1
Sebagaimana notasi yang telah dijelaskan sebelumnya, kombinasi perlakuan dapat dituliskan dengan simbol (1), a, b, c, ab, ac, dan abc. Simbol ini juga menyatakan jumlah observasi untuk n perulangan dari masing - masing kombinasi perlakuan. Rancangan faktorial ial dapat direpresentasikan dalam diagram rancangan yang
2.2.1 Estimasi Efek Estimasi efek sangat diperlukan karena digunakan untuk menghitung jumlah kuadrat dalam analisis variansi. Ada 3 cara untuk mengestimasi efek utama. Ketiga cara itu adalah estimasi efek dengan rata-rata, estimasi efek dengan kontras, estimasi efek dengan tabel. rata, 2.2.1.1 Estimasi Efek dengan Rata - Rata Efek faktor A dapat diestimasi dengan rata-rata efek A dengan kombinasi B dan C rata rata dalam dua level, yaitu (i) efek A dengan B- C- adalah (ii) efek A dengan B+ C- adalah (iii) efek A dengan B- C+ adalah (iv) efek A dengan B+ C+ adalah Metode lain untuk memperoleh formula rata rata efek A dengan menyelisihkan rata rata efek A yang telah dikombinasikan dengan perlakuan pada saat A tinggi , maka efek faktor A dapat dirumuskan 1 1 4
12
dengan A rendah
Efek faktor B dapat diestimasi dengan rata rata efek B dengan kombinasi A dan C rata-rata dalam dua level, yaitu : (i) efek B dengan A+ C- adalah (ii) efek B dengan A- C+ adalah (iii) efek B dengan A+ C+ adalah (iv) efek B dengan A- C- adalah efek faktor B dapat dirumuskan
Efek faktor C dapat diestimasi dengan rata rata efek C dengan kombinasi A dan B rata-rata dalam dua level, yaitu (i) efek C dengan A- B- adalah (ii) efek C dengan A+ B- adalah (iii) efek C dengan A- B+ adalah (iv) efek C dengan A+ B+ adalah Dengan cara yang sama, efek factor C dapat dirumuskan
Efek interaksi AB merupakan setengah selisih dari rata rata efek A pada saat B tinggi dengan B rendah. Rata rata efek A saat B+ adalah pada saat B- adalah . . Sedangkan rata rata efek A
Efek interaksi AC merupakan setengah selisih dari rata rata efek A pada saat C tinggi dengan C rendah. Rata rata efek A saat C+ adalah pada saat C- adalah . Sedangkan rata rata efek A
Efek interaksi BC merupakan setengah selisih dari rata rata efek B pada saat C tinggi dengan C rendah. Rata rata efek B saat C+ adalah Sedangkan rata rata efek B pada saat C adalah Cdirumuskan 1 Dengan cara yang sama maka efek interaksi ABC adalah . Maka efek faktor BC dapat
. Dimana efek interaksi ABC merupakan rata rata selisih antara interaksi AB pada saat C tinggi dengan C rendah. 2.2.1.2 Estimasi Efek dengan Kontras Efek utama faktor A dapat juga ditentukan dengan kontras antara kombinasi perlakuan saat A tinggi dengan A rendah . Total efek A untuk n ulangan disebut kontras A.
Efek faktor A dapat diestimasi dengan kombinasi B dan C dalam dua level, yaitu dengan (i) (ii) Efek A dengan B- C- adalah [a - (1)] Efek A dengan B+ C- adalah [ab - b]
(iii) Efek A dengan B- C+ adalah [ac - c] (iv) Efek A dengan B+ C+ adalah [abc - bc] Maka kontras (i) (ii) kontras kontras . Dengan cara yang sama dipe diperoleh
14
2.2.1.3 Estimasi Efek dengan Tabel Dari efek perlakuan di atas maka dapat dibuat tabel plus-minus rancangan plus minus disajikan sebagai berikut: Komb. Perlk (1) A B Ab C Ac Bc Abc Efek Faktorial (1) + + + + + + + + A + + + + B + + + + AB* + + + + C + + + + AC* + + + + BC* + + + + ABC* + + + + yang
*) Kolom AB merupakan perkalian tanda pada kolom A dan B Kolom AC merupakan perkalian tanda pada kolom A dan C Kolom BC merupakan perkalian tanda pada kolom B dan C Kolom ABC merupakan perkalian tanda pada kolom AB dan C Tabel di atas memiliki sifat sifat tertentu, yaitu : iki 1. Kecuali kolom 1, setiap kolom punya tanda plus plus-minus. 2. Jumlah perkalian tanda dari 2 kolom selalu nol 3. Kolom 1 dikalikan dengan kolom manapun, kolom tersebut selalu tetap 4. Perkalian 2 kolom hasilnya suatu kolom dalam tabel tersebut 2.3 Analisis Variansi Analisis variansi sangat diperlukan dalam uji statistik, yaitu dalam pengujian hipotesis tentang pengaruh interaksi ataupun faktor terhadap respon. Dalam analisis variansi terdapat
15
perhitungan jumlah kuadrat yang sangat berguna untuk pengujian hipotesis. Dari perhitungan estimasi efek di atas dapat dihitung jumlah kuadratnya baik itu jumlah kuadrat total, sesatan, efek. Perhitungan jumlah kuadrat total adalah J . Dimana N =
a*b*c*n. a merupakan banyak taraf pada factor A, b banyak taraf pada faktor B, c banyak taraf factor pada faktor C, sedangkan n adalah banyak replikasi atau perulangan pada tiap taraf. Jumlah kuadrat efek dapat dihitung dengan kontras yang mempunyai derajat bebas 1 untuk n perulangan maka (i) (ii) (iii) (iv) (v) (vi) (vii) (viii) Tabel Anava : Variasi A B C AB AC BC ABC Db (a1) = 1 1) (b-1) = 1 1) (c-1) = 1 1) (a-1) (b-1) = 1 1) (a-1) (c-1) = 1 1) (b-1) (c-1) = 1 1) (a-1)(b-1)(c-1) = 1 JK RK F0 / RKs / RKs / RKs / RKs / RKs / RKs / RKs
16
Sesatan Total
N-8 N-1
JKs JKT
RKs
N = a.b.c.n = 2.2.2.n = 8 n Uji hipotesis : a. Interaksi ABC H0 : Tidak ada interaksi A, B, dan C terhadap respon. H1 : Ada interaksi A, B, dan C terhadap respon. F0 : / RKs
H0 ditolak jika F0 > Ftabel = b. Interaksi AB H0 : Tidak ada interaksi A dan B terhadap respon. H1 : Ada interaksi A dan B terhadap respon. Daerah kritis : H0 ditolak jika F0 > Ftabel = Statistik uji : F0 : c. Interaksi AC H0 : Tidak ada interaksi A dan C terhadap respon. H1 : Ada interaksi A dan C terhadap respon. F0 : / RKs / RKs
H0 ditolak jika F0 > Ftabel = d. Interaksi BC H0 : Tidak ada interaksi B dan C terhadap respon. H1 : Ada interaksi B dan C terhadap respon. Daerah kritis : H0 ditolak jika F0 > Ftabel = Statistik uji : F0 : e. Faktor A H0 : Tidak ada pengaruh faktor A terhadap respon. H1 : Ada pengaruh faktor A terhadap respon. Daerah kritis : H0 ditolak jika F0 > Ftabel = / RKs
17
/ RKs
H0 : Tidak ada pengaruh faktor B terhadap respon. H1 : Ada pengaruh faktor B terhadap respon. Daerah kritis : H0 ditolak jika F0 > Ftabel = Statistik uji : F0 : g. Faktor C H0 : Tidak ada pengaruh faktor C terhadap respon. H1 : Ada pengaruh faktor C terhadap respon. Daerah kritis : H0 ditolak jika F0 > Ftabel = Statistik uji : F0 : / RKs / RKs
Jika setelah diuji, maka faktor-faktor yang signifikan berarti mempengaruhi respon. faktor faktor Misal dari masalah di atas setelah diuji yang signifikan adalah A, B, C, AB, dan ABC. Sedangkan A, B, dan C masing masing-masing dinotasikan menjadi dimana sehingga model persamaannya persamaa
masing-masing adalah variabel kode utuk A, B, C. masing Cara menentukan variabel kode :
Hasil dari perhitungan di atas adalah -1 dan +1. Residual dapat ditentukan dengan
18
BAB III CONTOH APLIKASI 3.1 Contoh aplikasi faktorial Sebuah mesin industri dipakai untuk botol minuman yang mementingkan pengaruh dari dua tipe botol 32 ons yang dikirim 12 peti botol dari sebuah produksi. Dua jenis botol tersebut adalah kaca dan plastik. Dua pekerja digunakan untuk menjalankan tugas tertentu yang terdiri dari memindahkan 40 peti dari 50 barisan dalam jenis ukuran dari gerbong tangan dan menimbun peti. Empat replikasi dari rancangan faktorial ditampilkan, dan diperlihatkan pada tabel di bawah ini. Analisis data dan gambarkan kesimpulannya.. kan Tipe botol Kaca Plastik 5.12 4.98 4.95 4.27 Pekerja 1 4.89 5.00 4.43 4.25 2 6.65 5.49 5.28 4.75 6.24 5.55 4.91 4.71
Penyelesaian : AB A + + + +
B + +
a. -
Uji hipotesis Kontras A : -(1) + a b +ab = -19.99 +17.90 23.93 + 19.65 = - 6.37 Kontras B : -(1) - a + b + ab = -19.99 - 17.90 + 23.93 + 19.65 = 5.69 Kontras AB : (1) - a - b + ab = 19.99 - 17.90 - 23.93 + 19.65 = - 2.19
19
Db 1 1 1 12 15
# Uji hipotesis efek interaksi tipe botol dan pekerja dalam industri # a. : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. : terdapat efek interaksi tipa botol dan pekerja dalam industri. b. 0.05 ditolak jika
; : . : :
c. Daerah kritis :
11.75
d. Statistik uji :Dari tabel anava diperoleh F = 2.411 Dari e. Kesimpulan Karena F= 2.411 <
. : :
11.75 maka
# Uji hipotesis efek interaksi tipe botol dalam pengembangan industri # a. : tidak terdapat efek tipe botol dalam pengembangan industri. : terdapat efek tipe botol dalam pengembangan industri b. 0.05 ditolak jika
; : . : :
c. Daerah kritis :
11.75
d. Statistik uji : Dari tabel anava diperoleh F = 20.40 e. Kesimpulan Karena F= 20.40 >
. : :
11.75 maka
20
# Uji hipotesis efek interaksi peke dalam pengembangan industri# pekerja a. : tidak terdapat efek pekerja dalam pengembangan industri. : terdapat efek pekerja dalam pengembangan industri b. 0.05 ditolak jika
; : . : :
c. Daerah kritis :
11.75
d. Statistik uji : Dari tabel anava diperoleh F = 16.28 e. Kesimpulan Karena F= 16.28 >
. : :
11.75 maka
b. Analisis Residual
Estimasi Efek:
Untuk
diperoleh ,
, , , , , , ,
Untuk
diperoleh ,
Untuk
diperoleh ,
Untuk
diperoleh ,
, ,
21
c. Menggunakan Minitab.14 Uji Hipotesis : 1. : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. : terdapat efek interaksi tipa botol dan pekerja dalam industri. 2. = 0,05 3. Daerah kritis : Ho ditolak jika P-Value < = 0.05 4. Statistik Uji
Faktor tipe botol pekerja Type fixed fixed Levels 2 2 Values 1, 2 1, 2
5. Kesimpulan Karena P-Value=0.146 > = 0,05 maka interaksi tipe botol dan pekerja dalam industri. tidak ditolak, artinya tidak terdapat efek
95 90 80
Percent
70 60 50 40 30 20 10 5
-0.8
-0.6
-0.4
-0.2
0.0 Residual
0.2
0.4
0.6
0.8
Terlihat dari plot di atas titik titiknya mendekati garis lurus maka asumsi kenormalan dipenuhi.
22
b. Asumsi homogenitas
Residuals Versus the Order of the Data
(response is respon) 0.75
0.50
Residual
0.25
0.00
-0.25
Terlihat dari plot di atas titik titiknya dapat dikatakan berpola acak atau tidak membentuk pola tertentu sehingga asumsi independensi dipenuhi. c. Analisis adanya efek
Residuals Versus the Fitted Values
(response is respon) 0.75
0.50
Residual
0.25
0.00
-0.25
-0.50 4.50 4.75 5.00 5.25 Fitted Value 5.50 5.75 6.00
Dari grafik residuals vs the fitted values tampak titik- titik yang acak (tidak membentuk pola tertentu), berarti tidak ada efek interaksi antara tipe botol dan pekerja terhadap pengembangan industri. d. Uji homogenitas variansi dengan menggunakan metode bartlets 1. Respon terhadap tipe botol : tidak terdapat efek tipe botol dalam pengembangan industri. : terdapat efek tipe botol dalam pengembangan industri
23
0.05
tipe botol
0.2
0.4
0.6 0.8 1.0 1.2 95% Bonferron Confidence Intervals for StDevs ni
1.4
1.6
tipe botol
4.0
4.5
5.0
5.5 respon
6.0
6.5
7.0
Dari output dengan meng menggunakan uji Bartlett di dapat P = 0.147 Kesimpulan: Karena P = 0.147 > = 0.05 maka H 0 tidak di tolak artinya tidak terdapat efek tipe botol dalam pengembangan industri. 2. Respon terhadap pekerja : tidak terdapat efek pekerja dalam pengembangan industri. : terdapat efek pekerja dalam pengembangan industri 0.05
0.2
0.4
0.6 0.8 1.0 1.2 1.4 95% Bonferroni Confidence Intervals for StDevs i
1.6
1 pekerja 2 4.0
4.5
5.0
5.5 respon
6.0
6.5
7.0
24
Dari output terlihat di gunakan uji Bartlett di dapat P = 0.096 Kesimpulan : karena p arena p-value=0.096 > 0.05 H 0 tidak di tolak artinya tidak terdapat efek tipe botol dalam pengembangan industri. 3. Respon terhadap tipe botol dan pekerja : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. : terdapat efek interaksi tipa botol dan pekerja dalam industri. = 0,05 Daerah kritis : Ho ditolak jika P-Value < Stat uji
Test f Equal Variances for respon for
tipe botol pekerja
Bartlett's Test
1 1 2
6.49 0.090
1 2 2
0.0 0.5 5 1.0 1.5 2.0 2.5 3.0 3.5 95% Bonfe erroni Confidence Intervals for StDevs
Dari output terlihat di gunakan uji Bartlett di dapat P = 0.090 Kesimpulan : karena p-value = 0.090 > 0.05 H 0 tidak di tolak tidak terdapat efek interaksi value tipe botol dan pekerja dalam pengembangan industri. Kesimpulan : Karena ketiga asumsi di atas di penuhi maka dapat disimpulkan bahwa tidak terdapat kekurangcocokan antara model dengan data atau model sesuai dengan data.
3.2 Contoh kasus faktorial
Percobaan membuat brownis yang lezat. Penulis adalah insinyur pelatihan dari suatu bro perusahaan terpercaya dalam pembelajaran melakukan sesuatu. Saya mempunyai
pembelajaran ide membuat suatu rancangan untuk beberapa tahun dengan orang-orang yang berbeda dan selalu memberikan perencanaan, menyalurkan dan menganalisis suatu percobaan n analisis untuk peserta-peserta pada kelas. Peserta kelihatannya menikmati percobaan tersebut dan
25
selalu belajar darinya. Problem ini menggunakan hasil dari percobaan yang dilakukan oleh Greatchen Krueger di Arizona State University. Ada beberapa perbedaan cara membuat bronis. Tujuan dari percobaan untuk membedakan bagaimana material pan, macam-macam jenis campuran brownis, dan metode pengadukan yang mempengaruhi kelezatan dari brownis. Level faktornya adalah: Faktor A : material pan B : metode pengadukan C : jenis campuran Level faktor Rendah (-) Gelas Sendok Mahal Tinggi (+) Aluminium Mixer Murah
Variabel responnya berupa kelezatan, sebuah ukuran subyektif yang berasal dari kuisioner yang diberikan kepada orang-orang, yang masing-masing diberi sepotong brownis. Perlakuan kuisioner dinilai dari macam rasa, penampilan, konsistensi, aroma dan seterusnya. Delapan orang tester mendapat sepotong brownis dan menjawab pertanyaan. Data lengkapnya dapat dilihat pada tabel berikut: Angkatan brownis 1 2 3 4 5 6 7 8 A + + + + Faktor B + + + + C + + + + 1 11 15 9 16 10 12 10 15 2 9 10 12 17 11 13 12 12 3 10 16 11 15 15 14 13 15 Hasil uji panel 4 10 14 11 12 8 13 10 13 5 11 12 11 13 6 9 7 12 6 10 9 11 13 8 13 7 12 7 8 6 11 11 9 14 17 9 8 9 15 12 11 14 9 13 14 total 78 97 88 108 81 97 89 102 740 Kombinasi perlakuan (1) a b ab c ac bc abc
26
Penyelesaian: Material pan (A) Sendok (-) ( Jenis campuran (C) Mahal ( (-) Kaca (-) 11 11 Alumunium (+) 9 10 10 9 Murah (+) 10 6 12 9 11 8 15 9 8 Metode pengadukan (B) Mixer (+) Jenis campuran (C) Mahal (-) 9 12 11 11 12 Murah (+) 10 12 13 10 7 7 17 13
10 8
14 11 11 11 16 17 13 13
15 10 16 14 12 9 6 15
13 14 13 13 14 9
15 12
15 12 15 13 12 9 14
11 11 12
1.
Analisis data
Menghitung kontras
27
Menghitung efek =
Efek A =
Efek B =
Efek C =
Efek AB =
Efek AC =
Efek BC =
Efek ABC =
28
Tabel anava Variasi A B C AB AC BC ABC Sesatan Total Uji hipotesis 1. Uji hipotesis interaksi ABC a. : tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. b. 0.05 : ditolak jika tolak 0.04136
: : : : . : :
Db 1 1 1 1 1 1 1 56 63
JK
RK
c. Daerah kritis :
0.04136
: :
4.01792 maka
tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis.
29
2. Uji hipotesis interaksi AB a. : tidak ada efek kelezatan brownis. : terdapat efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. b. 0.05 ditolak jika >
( : : )
c. Daerah kritis :
>
( .
: :
= 4.01792
d. Statistik uji : dari tabel anava diperoleh e. Kesimpulan : karena = 0.01034 <
= 0.01034
( : : )
= 4.01792 maka
diterima,maka tidak
ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. 3. Uji hipotesis interaksi AC a. : tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. b. = 0.05 ditolak jika >
( : : )
c. Daerah kritis :
>
( .
: :
= 4.01792
d. Statistik uji : dari tabel anava diperoleh e. Kesimpulan : karena = 0.2585 <
( : :
= 0.2585
)
= 4.01792 maka
diterima,maka tidak
ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. 4. Uji hipotesis interaksi BC a. : tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis. b. = 0.05 ditolak jika >
( : : )
c. Daerah kritis :
>
( .
: :
= 4.01792
= 0.165
30
e. Kesimpulan : karena
0.165 <
( : :
= 4.01792 maka
diterima,maka tidak
ada efek interaksi metode pengadukan dan jenis campuran terhadap kelezatan brownis. 5. Uji hipotesis interaksi A a. : tidak ada efek material pan terhadap kelezatan brownis. : terdapat efek material pan terhadap kelezatan brownis. b. = 0.05 ditolak jika >
( : : )
c. Daerah kritis :
>
( .
: :
)=
4.01792
d. Statistik uji : dari tabel anava diperoleh e. Kesimpulan : karena = 11.9528 >
= 11.9528
( : : )
= 4.01792 maka
ditolak,maka
terdapat efek material pan terhadap kelezatan brownis. 6. Uji hipotesis interaksi B a. : tidak ada efek metode pengadukan terhadap kelezatan brownis. : terdapat efek metode pengadukan terhadap kelezatan brownis. b. = 0.05 ditolak jika >
( : : )
c. Daerah kritis :
>
( .
: :
)=
4.01792
= 2.9882
)=
4.01792 maka
ada efek metode pengadukan terhadap kelezatan brownis. 7. Uji hipotesis interaksi C a.
: tidak ada efek jenis campuran terhadap kelezatan brownis.
terdapat efek jenis campuran terhadap kelezatan brownis. b. = 0.05 ditolak jika >
( : : )
c. Daerah kritis :
>
( .
: :
)=
4.01792
d. Statistik uji : dari tabel anava diperoleh e. Kesimpulan : karena = 0.01034 <
( .
= 0.01034
: : )=
4.01792 maka
ada efek jenis campuran terhadap kelezatan brownis. Minitab.14 Uji hipotesis interaksi ABC a.
: tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran
: terdapat efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. b. 0.05 ditolak jika P-Value > = 0.05
Source DF Seq SS Adj SS Adj MS A B C A*B A*C B*C 1 1 1 1 1 1 72.250 18.062 0.062 0.063 1.563 1.000 0.250 72.250 18.062 0.062 0.063 1.563 1.000 0.250
72.250 11.95 0.001 18.062 0.062 0.063 1.563 1.000 0.250 2.99 0.01 0.01 0.26 0.17 0.04 0.089 0.919 0.919 0.613 0.686 0.840
S = 2.45859 R-Sq = 21.60% R-Sq(adj) = 11.80% e. Kesimpulan : karena P-Value = 0.840 > = 0,05 maka diterima,maka tidak ada efek
interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis.
32
Percent
-8
-6
-4
-2
0 Residual
Terlihat dari plot di atas titik titiknya mendekati garis lurus maka asumsi kenormalan dipenuhi. # Uji kecocokan model untuk asumsi homogenitas variansi #
Residuals Versus the Fitted Values
(response is Respon)
5.0
2.5 Residual
0.0
-2.5
-5.0
Dari plot di atas terlihat acak, maka asumsi homogenitas variansi terpenuhi. # Uji kecocokan model untuk asumsi independensi # Terlihat dari plot di atas titik titiknya dapat dikatakan berpola acak atau tidak membentuk pola tertentu sehingga asumsi independensi dipenuhi. e. Uji homogenitas variansi dengan menggunakan metode bartlets 1. Respon terhadap material pan
33
Didonwload dari ririez.blog.uns.a ac.id : tidak ada efek material pan terhadap kelezatan brownis. : terdapat efek material pan terhadap kelezatan brownis.
0.05
2.0
3.6
1 A 2 5.0
7.5
10.0 1 Respon
12.5
15.0
17.5
Dari output dengan uji Bartlett di dapat P-value = 0.764 P Kesimpulan: Karena P-value = 0.764 > = 0.05 maka H 0 tidak di tolak artinya tidak P ada efek material pan terhadap kelezatan brownis atau terdapat homogenitas variansi erdapat pada material pan. 2. Respon terhadap metode pengadukan
: tidak ada efek metode pengadukan terhadap kelezatan brownis.
0.05
34
Levene's Test
2.0
4.0
1 B 2
5.0
7.5
10. .0
12.5 Respon
15.0
17.5
Dari output dengan uji Bartlett di dapat p-value = 0.554 p Kesimpulan : karena p arena p-value=0.554 > 0.05 H 0 tidak di tolak artinya tidak ada efek metode pengadukan terhadap kelezatan brownis atau terdapat homogenitas variansi erdapat pada metode pengadukan pengadukan. 3. Respon terhadap jenis campuran : tidak ada efek jenis campuran terhadap kelezatan brownis.
: terdapat efek jenis campuran terhadap kelezatan brownis.
2.0
4.0
1 C 2 5.0
7.5
10 0.0 Respon
12.5
15.0
17.5
Dari output terlihat di gunakan uji Bartlett di dapat P-value = 0.642 P 642
35
Kesimpulan : karena p-value = 0.642> 0.05 H 0 tidak di tolak artinya tidak ada efek p jenis campuran terhadap kelezatan brownis atau terdapat homogenitas variansi pada erdapat jenis campuran. 4. Respon terhadap material pan dan metode pengadukan ; tidak ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis.
: terdapat efek interaksi antara material pan dan metode pengadukan terhadap kelezatan
brownis.
1 1 2
1.33 0.723
1 2 2
Dari output terlihat di gunakan uji Bartlett di dapat P value = 0.723 Kesimpulan : karena p-value = 0.723 > 0.05 H 0 tidak di tolak tidak ada efek interaksi p antara material pan dan metode pengadukan terhadap kelezatan brownis atau terdapat homogenitas variansi pada jenis campuran material pan dan metode pengadukan. pengadukan 5. Respon terhadap material pan dan jenis campuran : tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis
36
1 1 2
15.37 0.002
1 2 2
Dari output terlihat di gunakan uji Bartlett di dapat P-value = 0.002 Kesimpulan : karena p-value = 0.002 < 0.05 H 0 ditolak terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis atau tidak terdapat homogenitas variansi pada material pan dan jenis campuran. 6. Respon terhadap metode pengadukan dan jenis campuran : tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis.
: terdapat efek interaksi antara metode pengadukan dan jenis campuran terhadap
kelezatan brownis. = 0,05 Daerah kritis : Ho ditolak jika P-Value < Stat uji
37
1 1 2
1.47 0.689
1 2 2
Dari output terlihat di gunakan uji Bartlett di dapat P-value = 0.689 Kesimpulan : karena p-value = 0.689 > 0.05 H 0 tidak di tolak tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis atau terdapat homogenitas variansi pada metode pengadukan dan jenis campuran. 7. Respon terhadap material pan, metode pengadukan dan jenis campuran : tidak ada efek interaksi antara material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis : ada efek interaksi antara material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis = 0,05 Daerah kritis : Ho ditolak jika P-Value < Stat uji
38
1 2 2
Dari output dengan uji Bartlett didapat P value = 0.008 Kesimpulan : karena p-value = 0.008 < 0.05 H 0 ditolak ada efek interaksi antara material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis atau tidak terdapat homogenitas variansi pada material pan, metode pengadukan dan jenis campuran. Kesimpulan : Karena asumsi di atas di penuhi maka dapat disimpulkan bahwa tidak terdapat kekurangcocokan antara model dengan data atau model sesuai dengan data.
39
BAB IV PENUTUP 4.1 Kesimpulan Berdasarkan pembahasan diperoleh kesimpulan sebagai berikut: Rancangan faktorial 2k, yaitu rancangan faktorial yang menyangkut k buah faktor dengan masing-masing faktor memiliki dua taraf atau level. Banyaknya taraf yaitu 2, ditulis masing sebagai bilangan pokok dan banyaknya faktor yaitu k, ditulis sebagai pangkat. Rancangan faktorial 22, yaitu rancangan faktorial yang melibatkan dua faktor Untuk rancangan gan faktorial fak 22, persamaan regresinya dapat ditulis
Rancangan faktorial 22 dapat diselesaikan dengan uji hipotesis dengan statistik uji
[ab + a b (1)]2
JKA =
n.4
[ab + b a (1)]2
JKB =
n.4
n.4
JKT =
y 2ijk
k =1
y 2 ... 4n
Rancangan faktorial 23, yaitu rancangan faktorial yang melibatkan tiga faktor. Untuk rancangan factorial 23, persamaan regresinya dapat ditulis
Rancangan faktorial 23 dapat diselesaikan dengan uji hipotesis dengan statistik uji
40
Efek faktor A dapat diestimasi dengan kombinasi B dan C dalam dua level, yaitu Efek A dengan B- C- adalah [a - (1)] Efek A dengan B+ C- adalah [ab - b] Efek A dengan B- C+ adalah [ac - c] Efek A dengan B+ C+ adalah [abc - bc] Maka kontras kontras kontras kontras kontras kontras . Dengan cara yang sama diperoleh
DAFTAR PUSTAKA Montgomery, Douglas C.1991.Design and Analysis of Experiments C.1991 Singapore. Zukhronah, Etik.2007.Modul Praktikum mata Kuliah Rancangan Percobaan.Matematika FMIPA Percobaan. UNS:UNS Surakarta.
41