5.

Rancangan Percobaan
Konsep-konsep dasar

 Percobaan: pengukuran respons suatu

sistem / proses yang dikenai gangguan
secara sistematik

variabel terkendali

input Proses output

variabel tak terkendali

 Tujuan umum:
 menentukan variabel2 yg paling
mempengaruhi respons y
 menentukan nilai variabel2 penting
supaya y berharga tertentu
 menentukan nilai variabel2 penting
supaya variasi y minimum
 menentukan nilai variabel2 penting
supaya efek variabel2 tak terkendali
minimum

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Strategi percobaan:
 pendekatan umum dalam merencanakan
& melaksanakan percobaan
 Ragam strategi:

1. Tebakan terbaik
variabel2 percobaan ditetapkan berdasarkan
pengalaman
 keuntungan:
 relatif cepat jika didukung pengalaman
 kerugian:
 jika tebakan awal tidak memuaskan,
tidak ada arahan pasti utk tebakan
selanjutnya (percobaan bisa memakan
waktu lama)
 jika tebakan awal ‘cukup baik’, ada
kecenderungan untuk menghentikan
percobaan & puas dg hasil yg belum
tentu terbaik

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
2. One-factor-at-a-time
1. pilih baseline level / nilai2 awal faktor2
uji
2. secara berurutan variasikan 1 faktor
sambil menjaga faktor2 lainnya tetap
3. ukur pengaruh masing2 faktor
 keuntungan:
 rancangan & analisis mudah
 kerugian:
 tidak dapat mengukur efek interaksi

3. Faktorial
 memvariasikan faktor2 secara serempak
 dapat mengukur efek individual &
interaksi
 tipe:
 faktorial penuh (full factorial)
 faktorial pecahan (fractional factorial)
 dapat diterapkan untuk penyaringan
faktor & optimasi
 merupakan ragam strategi yang paling
banyak diterapkan

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Prinsip-prinsip dasar

 Statistical design of experiment:

 penyusunan rancangan percobaan
sedemikian hingga data dapat dianalisis
secara statistik
 Prinsip2 dasar rancangan
percobaan:
1. replikasi
2. randomisasi
3. blocking
 Prinsip-prinsip di atas menjamin keabsahan
data yang dihasilkan untuk dianalisis secara
statistik, dengan hasil / kesimpulan /
rekomendasi yang dapat
dipertanggungjawabkan secara ilmiah

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
1. Replikasi:
 replikasi = ‘pengulangan tempuhan’
 replikasi ≠ pengulangan pengukuran
 peranan replikasi:
 memberikan estimasi galat (error)
percobaan – yg kemudian menjadi dasar uji
hipotesis
 memberikan estimasi rata2 populasi dg
presisi yg lebih tinggi
 pengulangan pengukuran hanya memberikan
estimasi galat sistem ukur

2. Randomisasi:
 Pengacakan pelaksanaan tempuhan: urutan
tempuhan, batch bahan baku, operator, dsb.
 Peranan randomisasi:
 menjamin terpenuhinya asumsi variabel
output & galat percobaan sebagai variabel
acak
 meminimisasi pengaruh variabel2
pengganggu
 Tabel bilangan acak dapat digunakan untuk
randomisasi urutan tempuhan

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
3. Blocking
 Block: suatu himpunan tempuhan percobaan
yg relatif homogen
 Contoh: reaktan untuk suatu penelitian berasal
dari 2 lot yang berbeda; tempuhan2 yang
menggunakan bahan dari 1 lot dapat
dikelompokkan sebagai 1 block
 Peranan blocking adalah untuk mengurangi
variabilitas karena nuisance factors
 Nuisance factors: mempengaruhi respons
namun bukan merupakan fokus percobaan

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Langkah-langkah perancangan &
pelaksanaan percobaan

1. penyusunan pernyataan
permasalahan
2. pemilihan faktor, level & rentang
variasi faktor
3. pemilihan variabel respons
4. pemilihan jenis rancangan
percobaan
5. pelaksanaan percobaan
6. analisis statistik data percobaan
7. penarikan kesimpulan &
penyusunan rekomendasi

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Penggunaan statistika dalam
penelitian

 gunakan pengetahuan non-statistik

tentang permasalahan
 pengetahuan & pengalaman menuntun
dalam menentukan faktor-faktor uji,
nilai2 faktor uji, interpretasi data, dsb.
 kemampuan ini tidak dapat digantikan
dg penerapan statistik secara buta!
 gunakan pendekatan rancangan &
analisis yang sesederhana mungkin
 kenali perbedaan antara signifikansi
statistik & praktis
 perbedaan yg signifikan secara statistik
belum tentu memiliki arti fisik / praktis
 Kajian eksperimental umumnya bersifat
iteratif
 percobaan2 awal biasanya berupa trial
runs yg bertujuan untuk memahami
kelakuan sistem percobaan dg lebih baik,
mengidentifikasi kelemahan2 dalam
prosedur, dll.
 lingkup & arahan percobaan dapat
berubah di tengah jalan berdasarkan
informasi yg terkumpul

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Rancangan Percobaan

 Ragam rancangan percobaan

(statistikal):
 satu variabel, multi-level
 full factorial
 2-level
 multi-level
 fractional factorial
 2-level
 multi-level
 rancangan komposit (composite
design)
 Rancangan penyaringan variabel
(variables screening)
 Plackett-Burman
 Taguchi
 rancangan ireguler
 D-optimal
 dan sebagainya...

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Dalam penelitian ilmiah, rancangan
percobaan umumnya digunakan untuk:
 menyaring variabel: menentukan
variabel2 yang berpengaruh terhadap
respons
 menyusun model matematik yg
mewakili respons sistem
 optimasi respons sistem terhadap
variabel2 uji
 Berikut adalah tinjauan singkat terhadap
beberapa ragam rancangan percobaan
yang sering digunakan

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Percobaan variabel tunggal

 1 faktor/variabel divariasikan pada sejumlah

(>2) level/tingkatan nilai
 pada setiap level dilakukan replikasi
 informasi yg dicari: apakah level variabel uji
berpengaruh terhadap nilai rata2
pengamatan ?
 prosedur analisis:
 pembandingan ‘pairwise’
 pembandingan serempak seluruh data dg
ANOVA (Analysis of Variance)
 pembandingan serempak lebih akurat

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Model ANOVA:
 yij =  + i + ij
 i = 1,2,....a = level variabel
 j = 1,2,....n = data replikasi untuk tiap
level
 i = efek level ke-i
 ij = galat acak (random error)
  = rata2 keseluruhan data
 model di atas mewakili data individual dg
kombinasi rata2 global, efek level, & galat
acak
 Pendekatan ANOVA:
 menguraikan variabilitas total data
menjadi variabilitas dari level variabel &
galat acak
 melalui uji hipotesis dapat ditentukan
kontribusi relatif kedua sumber
variabilitas

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Contoh percobaan variabel
tunggal

 pengukuran titik didih suatu sampel

hidrokarbon cair yang dilakukan oleh 4
orang analis dengan menggunakan alat
ukur dan metode pengukuran yang sama
 variabel: analis
 masing2 analis melakukan 3 replikasi
Analis Titik didih, oC

1 84.99 84.04 84.38

2 85.15 85.13 84.88

3 84.72 84.48 85.16

4 84.20 84.10 84.55

 Apakah ada perbedaan berarti di antara

keempat analis?

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Hasil analisis dg Minitab:

 One-Way Analysis of Variance

Analysis of Variance
Source DF SS MS F P
Factor 3 1.045 0.348 3.25 0.081
Error 8 0.858 0.107
Total 11 1.903
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev
A1 3 84.470 0.481 (-------*--------)
A2 3 85.053 0.150 (--------*--------)
A3 3 84.787 0.345 (--------*-------)
A4 3 84.283 0.236 (--------*-------)

Signifikansi kontribusi varians dari faktor Analis

dapat dievaluasi dari nilai statistik-F (bandingkan
dg F kritik untuk tingkat keyakinan yg diminta)
atau dari P-value
•P-value < 0.05 ... beda signifikan
•P-value > 0.05 ... beda tak signifikan

Analisis data percobaan menunjukkan bahwa faktor

Analis tidak berpengaruh secara signifikan
terhadap variabilitas data

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Rancangan Full Factorial 2k

 2k =
 menguji efek k variabel/faktor
 tiap faktor divariasikan pd 2 level
 full factorial menguji seluruh kombinasi
variabel & level
 kegunaan: screening variabel, menyusun
model
 model: linier, kecuali ditambahkan titik2
tengah dalam rancangan
 keuntungan: mampu mengukur efek interaksi
antar faktor
 kerugian: memerlukan jumlah tempuhan
relatif besar

k jumlah run
2 4
3 8
4 16
5 32
... ...

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Representasi grafik

 Rancangan faktorial 2-level dapat digambarkan

secara grafik:

Rancangan 22 Rancangan 23
+
faktor B

+
faktor B

-
+
- +
faktor A
- -
- +
faktor A
 tanda -/+ mewakili nilai faktor masing2 pada level
rendah & tinggi
 variasi: tambahkan titik tengah utk mengukur non-
linearitas respons
Rancangan 22 dg titik tengah
+
faktor B

-
- faktor A +

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Main effect & interaksi

 Main effect dari faktor A = rata2 perubahan

respons karena A
(60) (67)

+ faktor B -
(45) (50)
- faktor A +
 angka2 dlm tanda kurung adalah nilai respons
 main effect A = [(50-45)+(67-60)]/2 = 6
 main effect B = ....... ?

 Untuk data di atas, pada semua level B,

respons meningkat jika A naik
 Ini berarti tidak ada interaksi antara A & B
 Model linier: y =  + 1x1 + 2x2 + 

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Jika pengamatan seperti berikut:

(67) (60)

+ faktor B -
(45) (50)
- faktor A +
 Pada percobaan di atas, peningkatan A pd
level B rendah meningkatkan respons
 tetapi, peningkatan A pd level B tinggi justru
menurunkan respons
 terdapat interaksi antara A & B !
 Model linier: y =  + 1x1 + 2x2 + 12x1x2 +


suku interaksi

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Contoh
 Berikut adalah matriks full factorial yang digunakan
dalam kajian efek konsentrasi (dalam %-berat),
diameter partikel rata-rata bahan pembentuk pori
(pore former) & tekanan pencetakan pada produksi
bahan biokeramik berbasis CaCO3 (Lucas-Girot et.al.,
Biomaterials, Vol. 23, pp. 503-510, 2002). Besaran
respons adalah %-porositas total
No. x1 x2 x3 P, %-
tempuhan (%-berat pore (diameter rata2 partikel (tekanan) vol
former) pore former)
1 -1 -1 -1 49.0
2 +1 -1 -1 64.1
3 -1 +1 -1 47.0
4 +1 +1 -1 62.2
5 -1 -1 +1 45.6
6 +1 -1 +1 61.9
7 -1 +1 +1 43.0
8 +1 +1 +1 62.1
01 0 0 0 55.7
02 0 0 0 55.5
03 0 0 0 55.1
04 0 0 0 54.5
05 0 0 0 54.6
06 0 0 0 56.7

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Hasil analisis Minitab:

Estimated Effects and Coefficients for %-P

Term Effect Coef StDev Coef T

P
Constant 54.786 0.2815 194.59
0.000
A 16.425 8.213 0.3724 22.05
0.000
B -1.575 -0.787 0.3724 -2.11
0.079
C -2.425 -1.213 0.3724 -3.26
0.017
A*B 0.725 0.363 0.3724 0.97
0.368
A*C 1.275 0.637 0.3724 1.71
0.138
B*C 0.375 0.187 0.3724 0.50
0.633
A*B*C 0.675 0.337 0.3724 0.91
0.400

Analysis of Variance for %-P

Source DF Seq SS Adj SS

Adj MS F P
Interpretasi pada tingkat keyakinan 95%:
Main Effects 3 556.284 556.284
• Faktor2 signifikan:
185.428 167.09 0.000 A & C (lihat P-value)
2-Way • Efek interaksi tidak
Interactions 3 signifikan
4.584 4.584
• Non-linearitas
1.528 1.38 (curvature)
0.337 tidak signifikan
3-Way • Model: P = 54.79
Interactions 1 + 8.21A 0.911 – 1.21C0.911
0.911 0.82 0.400
Residual Error Dept TK-ITB /6Kuliah TK22016.658 6.658
1.110 Pengukuran dan Interpretasi Data
Curvature 1 3.343 3.343
Rancangan Fractional Factorial 2k-p

 Rancangan full factorial memerlukan jumlah

tempuhan relatif besar
 contoh: 26 = 64 tempuhan
 6 derajat kebebasan utk main effects
 15 derajat kebebasan utk interaksi 2-faktor
 42 derajat kebebasan utk interaksi >2-faktor
 Sebagian besar d.f dicadangkan untuk
mengukur interaksi orde tinggi (>2-faktor)
 Jika interaksi orde tinggi bisa diabaikan
(prinsip sparsity of effect), maka rancangan
dapat diperkecil menjadi fractional factorial
 jalankan sebagian dari kombinasi variabel &
level
 prioritas pada pengukuran main effects &
interaksi orde rendah
 Kegunaan utama: untuk menyaring variabel2
kandidat

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Rancangan half-factorial 2k-1
 menjalankan ½ dari seluruh kombinasi
 contoh:
 ada 3 variabel yang dikaji
 jika digunakan rancangan full factorial: 23 = 8
tempuhan
 karena kendala waktu & biaya, hanya 4
tempuhan yg bisa dijalankan: 23-1 = 4
 Matriks percobaan:
Treatment Factorial effect
combination I A B C AB AC BC ABC
a + + - - - - + +
b + - + - - + - +
c + - - + + - - +
abc + + + + + + + + Ambil
ab + + + - + - - - tempuhan
ac + + - + - + - - dg ABC (+)
bc + - + + - - + - sbg matriks
(1) + - - - + + + - 23-1

 Defining relation: I=+ABC (ABC=generator

rancangan)
 ciri khas fractional factorial: satu efek
dialiaskan dg efek lain
 alias: pola variasi level (-/+) sama
 utk contoh di atas: A=BC, B=AC, C=AB

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Resolusi rancangan fraksional

 menyatakan sensitivitas rancangan dlm

mengukur efek-efek
 semakin rendah orde efek yg dialiaskan 
resolusi turun
 RIII:
 main effects dialiaskan dg interaksi 2-faktor
 interaksi 2-faktor saling dialiaskan
 RIV: interaksi 2-faktor saling dialiaskan
 RV: interaksi 2-faktor dialiaskan dg interaksi 3-
faktor
 ingat bahwa melalui pengaliasan kita saling
‘membaurkan’ efek-efek yg dialiaskan
 semakin tinggi orde suatu efek interaksi,
semakin kecil kontribusinya dalam efek alias
 sehingga, lebih aman jika efek orde rendah
dialiaskan dg orde tinggi (kita umumnya tidak
terlalu tertarik dg efek interaksi orde tinggi)
 Panduan umum: gunakan resolusi
tertinggi yg memenuhi kendala
ketersediaan waktu, biaya & bahan

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Konstruksi rancangan 2k-1

 susun matriks full factorial dg k-1 faktor

 gunakan generator rancangan utk menentukan
level -/+ faktor sisanya
 contoh: susun rancangan percobaan 24-1
 defining relation I=+ABCD, sehingga D=ABC

Run Rancangan full 24-1

A B C D=ABC
1 - - - -
2 + - - +
3 - + - +
4 + + - -
5 - - + +
6 + - + -
7 - + + -
8 + + + +

matriks rancangan full kalikan tanda -/+

factorial dg faktor A,B,C utk
k-1 = 4-1 = 3 faktor mendapatkan level
D

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Ragam rancangan percobaan
lainnya

 Screening experiment:
 rancangan faktorial, bahkan rancangan
fraksional resolusi rendah, tidak ekonomis
untuk jumlah faktor yg sangat besar
(kira2 >7 faktor)
 situasi ini sering dijumpai di industri
 rancangan tipe screening experiment
merupakan pengembangan dari
rancangan faktorial, yang diarahkan
hanya untuk menyaring variabel2
signifikan
 tipe rancangan yg banyak digunakan
adalah tipe2 Plackett-Burman &
Taguchi
 struktur alias rancangan2 ini sangat
rumit; praktis hanya main effect yang
didapat
 screening experiment dapat dijalankan
sebagai percobaan pendahuluan, sebelum
menjalankan ragam rancangan yg lebih
sensitif untuk membangun model
matematik

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
 Percobaan model-building & optimasi:
 ragam rancangan faktorial biasa
menghasilkan model linier y =
f(x1,x2,...xk)
 untuk menentukan model & optimasi
sistem non-linier diperlukan rancangan
percobaan yg mampu mengakomodasi
non-linieritas
 Ragam: central composite design (CCD),
Box-Behnken
 Representasi grafik CCD:
Rancangan
melibatkan
tempuhan
sudut, tengah &
sumbu

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data
Rules of Thumb Pemilihan rancangan
percobaan 2-level

 k=2: gunakan full factorial dg 9 replikasi/run

 k=3: pilihan terbaik full factorial dg 5
replikasi/run
 k=4:
 option 1: full factorial – 16 runs dg 3
replikasi/run
 option 2: ½ fraction factorial – 8 runs dg 5
replikasi/run
 k=5:
 option 1: full factorial – 32 runs dg 2
replikasi/run
 option 2: ½ fraction factorial – 16 runs dg 3
replikasi/run
 k≥6: lakukan screening terlebih dahulu,
diikuti dg percobaan dg faktor2 yg signifikan
saja

Dept TK-ITB / Kuliah TK2201

Pengukuran dan Interpretasi Data