LAPORAN PRAKTIKUM
Rancangan Percobaan
Modul 7 : Faktorial 𝟐𝒌
Modul 8 : Model Regresi Pada Rancangan Percobaan
Mujiati Dwi
Kartikasari, M.Sc
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2023
Daftar Isi
ii
Daftar Gambar
iii
1 Pendahuluan
Tujuan dari percobaan faktorial adalah untuk melihat interaksi antara faktor
yang dicobakan. Adakalanya kedua faktor saling sinergi terhadap respon, namun
adakalanya keberadaan salah satu faktor justru menghambat kinerja dari faktor lain.
Adanya kedua mekanisme tersebut cenderung meningkatkan pengaruh interaksi
antara kedua faktor. Keuntungan percobaan faktorial adalah mampu mendeteksi
respon dari taraf masing-masing faktor (pengaruh utama) serta interaksi antara dua
faktor (pengaruh sederhana) (Montgomery, 2005).
4
1.2 Model Regresi
Analisis regresi merupakan analisis ketergantungan dari satu atau lebih
variabel bebas terhadap satu variabel tergantung, dengan tujuan untuk
menduga atau memprediksi nilai rata-rata populasi berdasarkan niali-nilai
variabel bebasnya. Perbedaan mendasar antara analisis korelasi dengan analisis
regresi adalah bahwa analisis korelasi hanya bertujuan untuk mengukur
kekuatan hubungan linierantar dua variabel, sehingga pada analisis korelasi tidak
membedakan antaravariabel bebas dengan variabel tergantung. Sedangkan
analisis regresi selain mengukur kekuatan hubungan antar dua variabel atau
lebih, analisis regresi juga digunakan untuk menetukan aarah hubungan antara
variabel bebas dengan variabel tergantungnya. Dalam rancangan percobaan
penggunaan analisis reresi dinamakandengan model analisis regrasi percobaan.
Metode regresi adalah salah satu metode yang umum dan paling dasar
digunakan dalam menentukan prediksi terhadap suatu data, dengan cara
mengetahui pengaruh variabel respon dengan variabel predictor (Nafi’iyah,
2016; Rabbi et al., 2021). Tujuan dari metode regresi adalah memperoleh model
prediksiyang baik yang ditunjukkan dengan pengujian akurasi dengan tingkat
kesalahan yang rendah. (Baskoro, Suhartono, Chamidy, & Zaman, 2022)
5
𝑏1, 𝑏2, … , 𝑏𝑘= dugaan bagi parameter kostanta 𝛽1, 𝛽2, … , 𝛽𝑘
𝑋= variabel bebas
6
2 Deskripsi Kerja
7
dengan environment follower yang hampir sama. Hasil observasi
merupakan jumlah pembelian produk tersebut dalam skala 1-50.
8
Gambar 2.2. Tampilan awal dan R console kosongan di RStudio.
3. Untuk studi kasus 1, praktikan terlebih meng-input data dari studi kasus
dengan menggunakan sintaks seperti gambar di bawah ini.
Gambar 2.8. Sintaks untuk melihat ringkasan uji ANOVA data etsa.
9
9. Untuk studi kasus kedua yaitu menggunakan pendekatan dengan analisis
regresi dan analisis variansi, pertama-tama praktikan mendefinisikan
faktor A, B, dan C dalam 3 kali perulangan dengan menggunakan sintaks
seperti di bawah ini.
10
Gambar 2.14. Sintaks untuk mendefinisikan matriks X dan Y.
15. Kemudian praktikan melakukan perhitungan matriks untuk mendapatkan
nilai estimator regresi dengan menggunakan sintaks seperti di bawah ini.
11
3 Pembahasan
Gambar 3.2. Hasil untuk dataframe perulangan data etsa studi kasus 1.
12
Berdasarkan hasil yang didapatkan perulangan 1 dan perulangan 2 yang
dijadikan satu kolom diberi nama dengan variabel respon yang sesuai dengan
faktor-faktor pada setiap barisnya.
Lalu, praktikan mengaplikasikan suatu fungsi ke setiap anggota x dengan
menggunakan fungsi lapply(). fungsi lapply() digunakan untuk menerapkan
suatu fungsi tertentu ke setiap elemen dari objek yang di-input kan. Dengan hasil
yang didapatkan daftar yang memiliki panjang yang sama dengan x yang
merupakan objek atau data yang digunakan dan praktikan dapat menggunakan
sintaks seperti pada Gambar 2.6. Dilanjutkan dengan praktikan melakukan
perhitungan Uji Anova dengan menggunakan sintaks seperti pada Gambar 2.7.
Untuk dapat melihat ringkasan dari hasil Uji Anova sebelumnya praktikan dapat
menggunakan sintaks seperti pada Gambar 2.8. Setelah semua sintaks
dimasukkan, run sintaks-sintaks tersebut dan akan terlihat hasil sebagai berikut ini.
Gambar 3.3. Hasil dari uji ANOVA data etsa studi kasus 1.
Berdasarkan gambar di atas, dari uji ANOVA didapatkan hasil sebagai
berikut ini:
a) Hipotesis
1) Pengaruh Faktor A
𝐻0 ∶ 𝛼1 = 𝛼2 = 0
𝐻1 : ∃𝛼𝑖 ≠ 0 dengan 𝑖 = 1,2
2) Pengaruh Faktor B
𝐻0 ∶ 𝛽1 == 0
𝐻1 : ∃𝛽𝑗 ≠ 0 dengan 𝑗 = 1,2
3) Pengaruh Interaksi A dan B
𝐻0 ∶ 𝛼𝛽11 = 𝛼𝛽12 = ⋯ = 𝛼𝛽22 = 0
𝐻1 : ∃𝛼𝛽𝑖𝑗 ≠ 0 dengan 𝑖, 𝑗 = 1,2
13
b) Taraf Signifikansi
α = 0.05
c) Daerah Kritis
𝐻0 ditolak jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼
Untuk seluruh pengaruh (pengaruh utama faktor metode, faktor promo dan
interaksi) memiliki daerah kritis yang sama.
d) Statistik Uji
e) Keputusan
Tolak H0 karena p-value = 0.002679 < 𝛼 = 0.05
f) Kesimpulan
14
Dengan menggunakan tingkat kepercayaan sebesar 95% data yang
menunjukkan Tolak H0, yang dimana dapat dikatakan bahwa faktor A yaitu
celah signifikan terhadap efek kimia dan fisika pada permukaan etsa
plasma. Selain faktor A, faktor C dan pengaruh interaksi faktor A dan C
signifikan. Sedangkan pengaruh faktor B, pengaruh interaksi faktor A:B,
pengaruh interaksi faktor B:C, dan pengaruh interaksi faktor A:B:C tidak
signifikan.
Untuk menyelesaikan studi kasus yang diberikan untuk faktorial 23
praktikan membuat tabel observasi standar order sebagai berikut.
15
Sehingga, didapatkan nilai Jumlah Kuadrat Faktor A (JKA) sebesar 2704.
3.2 Studi Kasus Nomor 2
Untuk studi kasus 2 bagian a dilakukan analisis regresi2, hal pertama yang
dilakukan adalah mendefinisikan kolom untuk faktor A, B dan C menjadi 3 kali
perulangan seperti pada Gambar 2.9 dan kemudian untuk berikutnya praktikan
juga mendefinisikan kolom ulangan mejadi 1 kolom saja dengan berturut turut U1,
U2, dan U3 dengan sintaks seperti pada Gambar 2.10. Kemudian digabungkan
menjadi sebuah dataframe yang sintaks-nya seperti pada Gambar 2.11, setelah
semua sintaks dimasukkan klik run dan hasilnya akan terlihat sebagai berikut ini.
16
regresi untuk data ini, praktikan mencari hasil dari perkalian transpose matriks x
dan matriks x yang disimpan dalam matriks “a”. Kemudian perkalian dari transpose
matriks x dengan matriks y yang disimpan dalam matriks “b”. dan yang terakhir
untuk melihat nilai estimatornya bisa dihitung dengan invers dari matriks a dikali
matriks b. Untuk lebih jelasnya bisa dilihat pada Gambar 2.15, setelah semua
sintaks dimasukkan klik run dan hasilnya akan terlihat sebagai berikut ini.
17
Untuk studi kasus 2 bagian b, praktikan akan menentukan residual dari kedua
uji. Untuk residual dari 2 model, pada model pertama yaitu ANOVA praktikan
mengetik sintaks seperti pada Gambar 2. 18, setelah sintaks dimasukkan klik run
dan hasilnya akan terlihat sebagai berikut ini.
18
4 Penutup
4.1 Kesimpulan
Dari hasil praktik dan pembahasan pada bab-bab sebelumya praktikan dapat
mengambil beberapa kesimpulan yaitu :
1. Rancangan faktorial 2𝑘 merupakan percobaan yang melibatkan k faktor
dan setiap faktor terdiri atas 2 level.
2. Analisis regresi merupakan analisis ketergantungan dari satu atau lebih
variabel bebas terhadap satu variabel tergantung, dengan tujuan untuk
mendugaatau memprediksi nilai rata-rata populasi berdasarkan niali-nilai
variabel bebasnya.
3. Berdasarkan pembahasan dari studi kasus dibab sebelumnya di dapatkan
bahwa :
• Untuk studi kasus pertama, hasil perhitungan pengaruh utama
untuk pengaruh faktor A(celah) dengan menggunakan rumusan
order Yates sebesar -101.625. Hasil perhitungan Jumlah Kuadrat
faktor A (JKA) sebesar 2704. Dengan menggunakan tingkat
kepercayaan sebesar 95% data yang menunjukkan Tolak 𝐻0 yang
berarti faktor A yaitu celah signifikan terhadap efek kimia dan
fisik pada permukaan etsa plasma. Selain faktor A, faktor C dan
pengaruh interaksi faktor A dan C signifikan. Sedangkan
pengaruh faktor B, pengaruh interaksi faktor A:B, pengaruh
interaksi faktor B:C, dan pengaruh interaksi faktor A:B:C tidak
signifikan.
• Untuk studi kasus kedua didapatkan hasil dengan mengguanakan
pendekatan analisis variansi didaparkan model regresi 𝑦̂ =
23,708333 + 0,2916667𝑥1 − 9,0416667𝑥2 − 4,9583333𝑥3.
Didapatkan juga hasil dalam menentukan residual dari masing-
masing model. Didapatkan hasil bahwa kedua model memiliki
nilai residual yang sama. Akan tetapi pada observasi ke-23
memiliki nilai yangvberbeda yaitupada model analisis variansi
19
sebesar 1,068590 × 10−15 sedangkan pada model analisis regresi
sebesar −1,804112 × 10−16.
20
5 Daftar Pustaka
Arifianto, F., AF, M., & Anisa. (2014). Identifikasi Faktor Signifikan pada
Rancangan Faktorial Fraksional 2^4 dan 2^5. Jurnal Matematika,
Statistika, dan Komputasi, 92-101.
Baskoro, S. E., Suhartono, Chamidy, T., & Zaman, S. (2022). Pengujian
akurasi model regresi logistik multinomial untuk memprediksi
keberhasilan mahasiswa di perguruan tinggi menggunakan r. Jurnal
Ilmiah Akuntansidan Keuangan, 1551-1565.
G. Mona, M., S. Kekenusa, J., & D. Prang , J. (2015). Penggunaan Regresi
LinearBerganda untuk Menganalisis Pendapatan Petani Kelapa Studi
Kasus: Petani Kelapa Di Desa Beo, Kecamatan Beo Kabupaten
Talaud. Jurnal FMIPA UNSRAT, 196-203.
Zaki, A., Wuryandari, T., & Suparti. (2014). ANALISIS VARIAN
PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN
METODE FIXED ADDITIVE MAIN EFFECTS AND
MULTIPLICATIVE
INTERACTION. Jurnal Gaussian, 529-536.
21