LAPORAN PRAKTIKUM
Rancangan Percobaan
Modul 5 : Percobaan Faktorial Rancangan Acak Lengkap 2 Faktor
Modul 6 : Dua Faktor Pada Rancangan Acak Kelompok Lengkap
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
4
𝑏 2
𝛾2 𝑌̅.𝑗.
𝐹𝐾 = 𝐽𝐾𝐵 = ∑ − 𝐹𝐾
𝑎𝑏𝑟 𝑎𝑟
𝑗=1
𝑎 𝑏 𝑟 𝑎 𝑏2
2 𝑌̅𝑖𝑗.
𝐽𝐾𝑇 = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 − 𝐹𝐾 𝐽𝐾𝑃 = ∑ ∑ − 𝐹𝐾
𝑟
𝑖=1 𝑗=1 𝑘=1 𝑖=1 𝑗=1
𝑎 2
𝑌̅𝑖..
𝐽𝐾𝐴 = ∑ − 𝐹𝐾 𝐽𝐾𝐴𝐵 = 𝐽𝐾𝑃 − 𝐽𝐾𝐴 − 𝐽𝐾𝐵; 𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃
𝑏𝑟
𝑖=1
5
𝑏 2
𝛾2 𝑌̅.𝑗.
𝐹𝐾 = 𝐽𝐾𝐵 = ∑ − 𝐹𝐾
𝑎𝑏𝑟 𝑎𝑟
𝑗=1
𝑎 𝑏 𝑟 𝑎 𝑏2
2 𝑌̅𝑖𝑗.
𝐽𝐾𝑇 = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 − 𝐹𝐾 𝐽𝐾𝑃 = ∑ ∑ − 𝐹𝐾
𝑟
𝑖=1 𝑗=1 𝑘=1 𝑖=1 𝑗=1
𝑎 2 𝑏 2
𝑌̅𝑖.. 𝑌̅..𝑘
𝐽𝐾𝐴 = ∑ − 𝐹𝐾 𝐽𝐾𝐾 = ∑ − 𝐹𝐾
𝑏𝑟 𝑎𝑏
𝑖=1 𝑖=1
6
2 Deskripsi Kerja
7
d. Sketsakan grafik interaksi antara jenis promo dan jenis metode
pembayaran.
2. Untuk menentukan jenis promo yang menarik, startup perjalanan TiketGo
melakukan percobaan. Terdapat tiga pilihan jasa yang akan dievaluasi yaitu
jasa tiket penerbangan, jasa tiket kereta, dan jasa pemesanan hotel.
Pelanggan aplikasi di pulau Jawa dibedakan dalam 3 regional yaitu
Regional 1 (Jakarta), Regional 2 (Jawa Barat), dan Regional 3 (Jawa
Tengah, D.I. Yogyakarta, dan Jawa Timur). Untuk menghindari bias karena
perbedaan waktu pengukuran, maka dibuatlah kelompok berdasar hari
pengukuran yaitu: hari 1 (Senin-Selasa-Rabu), hari 2 (Kamis-Jumat), hari 3
(Sabtu-Minggu). Data yang direkam adalah jumlah pengguna yang
melakukan transaksi melalui TiketGo.
Kelompok Regional 1 Regional 2 Regional 3
Hari 1 34 25 30
Penerbangan Hari 2 45 30 48
Hari 3 50 28 52
Hari 1 69 45 66
Kereta Hari 2 100 80 113
Hari 3 102 83 100
Hari 1 25 10 18
Hotel Hari 2 22 12 20
Hari 3 12 6 10
a. Gunakan Faktorial RKAL dengan α = 0.05 untuk menarik kesimpulan
dari data tersebut.
b. Lakukan uji Tukey apabila terdapat perbedaan pada jumlah transaksi
TiketGo terhadap jenis jasa yang disediakan.
2.2 Langkah Kerja
Pada bagian langkah kerja ini, praktikan akan menjelaskan mengenai
langkah-langkah apa saja yang perlu dilakukan dalam menyelesaikan studi kasus
pada laporan ini.
1. Pertama-tama, untuk menyelesaikan studi kasus , praktikan menggunakan
RStudio dengan shortcut seperti gambar di bawah ini.
8
Gambar 2.1. Shortcut RStudio.
2. Setelah Rstudio dibuka maka akan muncul tampilan awal dan kosongkan
R console dengan mengklik ctrl-L seperti gambar di bawah ini.
9
6. Selanjutnya, praktikan membuat dataframe dengan nama dataframe
“apk” dari data percobaan (transaksi), faktor pertama (promo) dan faktor
kedua (metode), dengan menggunakan sintaks seperti dibawah ini.
Gambar 2.8. Sintaks untuk plot interaksi antara metode dan jenis
perlakuan.
9. Kemudian, praktikan menggambarkan ulang plot interaksi dengan
mengubah x factor, dengan menggunakan sintaks seperti di bawah ini.
10
Gambar 2.11. Sintaks untuk input data jumlah pengguna TiketGo.
12. Lalu kemudian, praktikan melakukan generisasi faktor untuk jasa
dengan menggunakan sintaks seperti di bawah ini.
Gambar 2.17. Sintaks untuk melihat hasil uji ANOVA studi kasus 2.
11
18. Selanjutnya, praktikan melakukan uji Tukey untuk RAKL 2 faktor,
dengan menggunakan sintaks seperti di bawah ini.
Gambar 2.19. Sintaks untuk membuat plot uji Tukey studi kasus 2.
20. Kemudian praktikan mencari rata rata perlakuan jasa, dengan
menggunakan sintaks seperti di bawah ini.
12
3 Pembahasan
13
Gambar 3.1. Hasil untuk menampilakn dataframe “apk” studi kasus 1.
Selanjutnya, praktikan melakukan analisis varians dengan menggunakan
dataframe “apk”, dengan variabel dependen-nya yaitu data percobaan (transaksi)
sedangkan untuk variabel independent-nya yaitu interaksi antara faktor promo dan
metode, digunakan sintaks hasil = aov(transaksi~metode*promo, data =
apk). Setelah sintaks dimasukkan klik run dan untuk melihat hasilnya masukkan
sintaks summary(hasil) lalu klik run lagi dan hasilnya akan terlihat seperti berikut
ini.
14
a) Hipotesis
1) Pengaruh utama faktor metode
𝐻0 ∶ 𝛼1 = 𝛼2 = 𝛼3 = 0
𝐻1 : ∃𝛼𝑖 ≠ 0 dengan 𝑖 = 1,2, 3
2) Pengaruh utama faktor promo
𝐻0 ∶ 𝛽1 = 𝛽2 = 𝛽3 = 0
𝐻1 : ∃𝛽𝑗 ≠ 0 dengan 𝑗 = 1,2, 3
3) Pengaruh interaksi
𝐻0 ∶ 𝛼𝛽11 = 𝛼𝛽12 = ⋯ = 𝛼𝛽33 = 0
𝐻1 : ∃𝛼𝛽𝑖𝑗 ≠ 0 dengan 𝑖, 𝑗 = 1,2, 3
b) Taraf Signifikansi
1) Pengaruh utama faktor metode: α = 0.05
2) Pengaruh utama faktor promo: α = 0.05
3) Pengaruh interaksi: α = 0.05
c) Daerah Kritis
𝐻0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝛼;𝑑𝑏1;𝑑𝑏2 atau 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
1) Pengaruh utama faktor metode:
𝐾𝑇𝐴 5383
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 5.648
𝐾𝑇𝐺 953
2) Pengaruh utama faktor promo:
𝐾𝑇𝐵 547
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 0.574
𝐾𝑇𝐺 953
3) Pengaruh interaksi
𝐾𝑇𝐴𝐵 113
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 0.119
𝐾𝑇𝐺 953
e) Keputusan
1) Pengaruh utama faktor metode:
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 5.648 > 𝐹0.05;2;27 = 3.354, maka tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.00894 < α = 0.05, maka tolak H0
15
2) Pengaruh utama faktor promo:
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 0.574 < 𝐹0.05;2;27 = 3.354, maka gagal tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.57024 > α = 0.05, maka gagal tolak H0
3) Pengaruh interaksi:
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 0.119 < 𝐹0.05;2;27 = 3.354, maka gagal tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.97456 > α = 0.05, maka gagal tolak H0
f) Kesimpulan
1) Pengaruh utama faktor metode:
Dengan menggunakan tingkat kepercayaan 95% data yang ada tolak H0,
sehingga dapat dikatakan bahwa minimal terdapat satu metode
pembayaran yang pengaruhnya berbeda terhadap jumlah transaksi.
2) Pengaruh utama faktor promo:
Dengan menggunakan tingkat kepercayaan 95% data yang ada gagal
tolak H0, sehingga dapat dikatakan bahwa tidak ada perlakuan promo
yang pengaruhnya berbeda terhadap jumlah transaksi.
3) Pengaruh interaksi:
Dengan menggunakan tingkat kepercayaan 95% data yang ada gagal
tolak H0, sehingga dapat dikatakan bahwa tidak ada kombinasi
perlakuan metode dan promo yang pengaruhnya berbeda terhadap
jumlah transaksi.
Berdasarkan hasil analisis varians dapat diketahui bahwa tidak terdapat
perbedaan yang signifikan pada baris (promo) dan kolom (metode). Maka tidak
dilakukan uji perbandingan ganda Tukey. Hal ini dibuktikan bahwa nilai daerah
kritis lebih besar dibandingkan nilai selisih rata – rata.
16
Gambar 3.3. Hasil dari uji tukey studi kasus 1.
Berikutnya praktikan membuat visualiasasi yaitu plot interaksi dan plot
design. Plot interaksi yang pertama yaitu untuk menggambarkan antara metode
dengan jenis perlakuan dengan menggunakan sintaks with(apk,
interaction.plot(metode, promo, transaksi, type = "b", pch
=19,fixed = TRUE, xlab = "Metode", ylab = "Average Transaction"))
Selain plot interaksi diatas, praktikan membuat lagi plot interaksi dengan
mengubah x faktor (urutan faktor ditukar), sebelumnya faktor metode ditulis
terlebih dahulu. Setelah memasukkan sintaks, klik run dan hasilnya akan terlihat
sebagai berikut ini.
17
Gambar 3.4. Plot interaksi antara metode dengan promo untuk studi kasus 1.
Gambar 3.5. Plot interaksi antara promo dengan metode untuk studi kasus 1.
Berdasarkan hasil di atas didapatkan bahwa rata – rata transaksi lebih banyak
menggunakan metode pembayaran kedua dibandingkan dengan metode yang
lainnya dan juga banyak memilih promo1. Dan tidak ada efek interaksi yang
signifikan.
Selain plot interaksi terdapat juga plot design yang dibuat dengan
menggunakan sintaks plot.design(transaksi~promo+metode+promo*metode,
18
data = apk). Setelah memasukkan sintaks klik run dan hasilnya akan terlihat
seperti berikut ini.
sebanyak 3 kali untuk masing-masing kelompok berturut turut dari Hari 1 sampai
Hari 3 hingga jumlah nya 27. Generisasi faktor terakhir untuk regional dengan
19
perintah gl digunakan sintaks regional=gl(3,1,27,labels= c(“R1”, “R2”,
“R3”)sehingga dihasilkan perulangan setiap 3 regional sebanyak 1 kali untuk
masing masing regional berturut turut dari regional 1 sampai regional 3 hingga
jumlah nya 27. Yang kemudian data pengguna TiketGo, generisasi faktor untuk jenis
jasa, kelompok dan regional digabungkan menjadi satu membentuk sebuah
dataframe dengan nama TiketGo menggunakan sintaks tiketgo=data.frame
(tiket,jasa,kelompok,regional). Setelah dimasukkan semua sintaks panggil
data dengan menggunakan sintaks tiketgo, lalu klik run dan akan terlihat hasil
sebagai berikut ini.
20
Berdasarkan gambar di atas, dari uji homoskedastisitas didapatkan hasil
seperti berikut ini:
a) Hipotesis
1) Pengaruh utama jenis jasa
𝐻0 ∶ 𝛼1 = 𝛼2 = 𝛼3 = 0
𝐻1 : ∃𝛼𝑖 ≠ 0 dengan 𝑖 = 1, 2, 3
2) Pengaruh utama regional
𝐻0 ∶ 𝛽1 = 𝛽2 = 𝛽3 = 0
𝐻1 : ∃𝛽𝑗 ≠ 0 dengan 𝑗 = 1, 2, 3
3) Pengaruh interaksi
𝐻0 ∶ 𝛼𝛽11 = 𝛼𝛽12 = ⋯ = 𝛼𝛽33 = 0
𝐻1 : ∃𝛼𝛽𝑖𝑗 ≠ 0 dengan 𝑖, 𝑗 = 1, 2, 3
4) Pengaruh kelompok
𝐻0 ∶ 𝜌1 = 𝜌2 = 𝜌3 = 0
𝐻1 : ∃𝜌𝑘 ≠ 0 dengan k = 1, 2, 3
b) Tingkat signifikansi
α = 0.05
c) Daerah kritis
𝐻0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝛼;𝑑𝑏1;𝑑𝑏2 atau 𝐻0 ditolak jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼
d) Statistik uji
1) Pengaruh utama jenis jasa
𝐾𝑇𝐴 11186
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 90.943
𝐾𝑇𝐺 123
2) Pengaruh utama regional
𝐾𝑇𝐵 716
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 5.821
𝐾𝑇𝐺 123
3) Pengaruh interaksi
𝐾𝑇𝐴𝐵 56
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 0.455
𝐾𝑇𝐺 123
4) Pengaruh kelompok
𝐾𝑇𝐾 690
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 5.609
𝐾𝑇𝐺 123
21
e) Keputusan
1) Pengaruh utama jenis jasa
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 90.943 > 𝐹0.05;2;16 = 3.63, maka tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 1.8 𝑥 𝑒 −9 < α = 0.05, maka tolak H0
2) Pengaruh utama regional
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 5.821 > 𝐹0.05;2;16 = 3.63, maka tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.0125 < α = 0.05, maka tolak H0
3) Pengaruh interaksi
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 0.455 < 𝐹0.05;4;16 = 3.01, maka gagal tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.7692 > α = 0.05, maka gagal tolak H0
4) Pengaruh kelompok
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 5.609 > 𝐹0.05;2;16 = 3.63, maka tolak H0
𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.0141 < α = 0.05, maka tolak H0
f) Kesimpulan
1) Pengaruh utama jenis jasa
Dengan menggunakan tingkat kepercayaan 95% data yang ada tolak H0,
sehingga dapat dikatakan bahwa minimal terdapat satu perlakuan jenis jasa
yang pengaruhnya berbeda terhadap penggunaan TiketGo.
2) Pengaruh utama regional
Dengan menggunakan tingkat kepercayaan 95% data yang ada tolak H0,
sehingga dapat dikatakan bahwa minimal terdapat satu perlakuan jenis
buku yang pengaruhnya berbeda terhadap penggunaan TiketGo.
3) Pengaruh interaksi
Dengan menggunakan tingkat kepercayaan 95% data yang ada gagal tolak
H0, sehingga dapat dikatakan bahwa kombinasi perlakuan jenis jasa dan
regional pengaruhnya sama terhadap penggunaan TiketGo.
4) Pengaruh kelompok
Dengan menggunakan tingkat kepercayaan 95% data yang ada tolak H0,
sehingga dapat dikatakan bahwa minimal terdapat satu kelompok yang
pengaruhnya berbeda terhadap penggunaan TiketGo.
22
Selanjutnya, untuk uji Tukey praktikan menggunakan perintah TukeyHSD
dimana model digunakan adalah model yang sama dengan model untuk uji ANOVA
yang mana sintaks-nya adalah TukeyHSD(tiket.aov, which=”jasa”,ordered =
TRUE). Setelah sintaks dimasukkan klik run dan hasilnya akan terlihat seperti
berikut ini.
23
n)), setelah itu panggil kembali data dengan menggunakan sintaks mean_jasa,
setelah itu run dan akan muncul hasil sebagai berikut ini.
24
type=”b”,pch=9)). Setelah memasukkan sintaks klik run dan hasilnya akan
terlihat seperti berikut ini.
Gambar 3.13. Plot interaksi pengguna TiketGo berdasarkan regional dan jenis
jasa.
Pada gambar diatas terlihat bahwa jenis jasa yang paling sedikit digunakan
adalah hotel dan terlihat juga bahwa garis jenis jasa tidak ada yang bersinggungan
yang artinya tidak ada interaksi antar ketiga jenis jasaa. Untuk plot interaksi kedua
digunakan sintaks plot.design(tiket~jasa*region+tiket+kelompok,
data=tiketgo), setelah memasukkan sintaks klik run dan hasilnya akan terlihat
seperti berikut ini.
Gambar 3.14. Plot interaksi pengguna TiketGo berdasarkan jenis jasa dan
regional.
25
Berdasarkan gambar di atas terlihat bahwa regional 2 merupakan regional
yang memiliki angka penggunaan paling rendah diantara ketiga regional yang ada,
dan terlihat garis regional 1 dan regional 3 bersinggung yang artinya terdapat
interaksi antara kedua regional tersebut.
26
4 Penutup
4.1 Kesimpulan
Dari hasil praktik dan pembahasan pada bab-bab sebelumya praktikan dapat
mengambil beberapa kesimpulan yaitu :
1. Rancangan Acak Lengkap Faktorial merupakan rancangan acak lengkap
yang terdiri dari dua atau lebih peubah bebas (faktor), misal ada dua
faktor dalam klasifikasi silang yaitu faktor A yang terdiri dari a taraf dan
faktor B yang terdiri dari b taraf dan diduga kedua faktor tersebut diduga
saling berinteraksi.
2. RAKL dua faktor merupakan percobaan faktorial yang terdiri dari dua
faktor dengan RAKL sebagai rancangan dasarnya. Percobaan faktorial
dapat juga diaplikasikan terhadap seluruh unit-unit percobaan secara
berkelompok. Hal ini dilakukan jika unit percobaan yang digunakan tidak
homogen.
3. Berdasarkan pembahasan dari studi kasus dibab sebelumnya di dapatkan
bahwa :
• Untuk studi kasus pertama dengan menggunakan RAL dua faktor
tidak ada faktor yang signifikan atau dengan kata lain nilai yang
signifikan hanya pada faktor metode. Pada studi kasus ini juga
tidak dilakukan uji Tukey karena tidak terdapat perbedaan pada
jumlah transaksi pada jenis promo. Plot interaksi antara jenis
promo dan jenis metode pembayaran terlihat tidak signifikan.
Range variansi rata – rata pada jenis metode pembayaran lebih
besar daripada jenis promo.
• Untuk studi kasus kedua didapatkan pengaruh utama jenis jasa,
hasil menunjukkan bahwa tolak H0, denga demikian minimal
terdapat satu perlakuan jenis jasa yang pengaruhnya berbeda
terhadap penggunaan TiketGo. Pada pengaruh utama faktor
buku, hasil menunjukkan bahwa tolak H0, dengan demikian
minimal terdapat satu perlakuan jenis buku yang pengaruhnya
27
berbeda terhadap penggunaan TiketGo. Pada pengaruh
interaksi, hasil menunjukkan bahwa gagal tolak H0, dengan
demikian kombinasi perlakuan jenis jasa dan regional
pengaruhnya sama terhadap penggunaan TiketGo. Pada
pengaruh kelompok, hasil menunjukkan bahwa tolak H0, dengan
demikian minimal terdapat satu kelompok yang pengaruhnya
berbeda terhadap penggunaan TiketGo. Terdapat perbedaan
siginifikan pada pasangan perlakuan penerbangan-hotel, kereta-
hotel, dan kereta-penerbangan. Jenis jasa yang memberikan
pengaruh terbesar adalah kereta karena memiliki rata rata
perlakuan paling tinggi diantara jasa lainnya yaitu 84,22.
Pengaruh jenis jasa pada penggunaan jasa di TiketGo lebih besar
dari pada pengaruh regional dan kelompok. Hal tersebut
ditunjukkan oleh range variasi penggunaan TiketGo pada jenis
jasa lebih besar daripada range variasi lainnya. Jenis jasa yang
paling sedikit digunakan adalah hotel dan terlihat juga bahwa
garis jenis jasa tidak ada yang bersinggungan yang artinya tidak
adainteraksi antar ketiga jenis jasaa. Untuk plot interaksi kedua
yaitu sebagai berikut. Regional 2 merupakan regional yang
memiliki angka penggunaan paling rendah diantara ketiga
regional yang ada dan terlihat pula garis regional 1 dan regional
3 bersinggungan yang artinya terdapat interaksi antara kedua
zona tersebut.
28
5 Daftar Pustaka
Agung. (2020, June 7). RAL dan RAK 2 Faktorial atau Lebih. Retrieved from
https://agungbudisantoso.com: https://agungbudisantoso.com/ral-dan-rak-
2-faktorial-atau-lebih/
GamaStatistika. (7, June 2022). Mengenal Metode RAKF (Rancangan Acak
Kelompok Faktorial). Retrieved from gamastatistika.com:
https://gamastatistika.com/2022/06/07/mengenal-metode-rakf-rancangan-
acak-kelompok-faktorial/
Harlyan, L. I. (2012, Desember 15). RAL Faktorial. Retrieved from
http://ledhyane.lecture.ub.ac.id/files/2012/12/RAL-Faktorial.pdf
Munte, S. (2015, Desember 26). Pertemuan 11 RAL Faktorial. Retrieved from
uma.ac.id: https://abdulkadir.blog.uma.ac.id/wp-
content/uploads/sites/260/2015/12/Pertemuan-11-RAL-
Faktorial.pptx#:~:text=Rancangan%20Acak%20Lengkap%20Faktorial%2
0merupakan,faktor%20tersebut%20diduga%20saling%20berinteraksi
Setiawan, A. (n.d.). RAL Faktorial. Retrieved from www.smartstat.info:
https://www.smartstat.info/materi/rancangan-percobaan/ral-faktorial/ral-
faktorial.html
29