Rancangan

Faktorial

SYLVIA FAJRIN (1301617010)

TSAQIB NADZIR MAS’UD (1301617010)
NOVITA DWI ANDINI (1301617068)
FRISCA ANDREANI (1301617074)
Agenda Style Pengenalan
01

02 Design

03 Design

04 Design secara umum

Percobaan faktorial adalah percobaan yang semua taraf tiap
faktor tertentu dikombinasikan atau disilangkan dengan semua
taraf tiap faktor lainnya.

Beberapa keuntungan dari percobaan faktorial adalah :

• Lebih efisien dalam menggunakan sumber-sumber yang ada,
• Informasi yang diperoleh lebih komprehesif, karena
mempelajari beberapa interaksi yang ada,
• Hasil percobaan dapat diterapkan dalam suatu kondisi yang
lebih luas, karena mempelajari beberapa kombinasi dari
berbagai faktor.
• Dalam kasus khusus faktor-faktor k, masing-masing berada
pada 2 tingkatan, yaitu kuantitatif dan kualitatif.
• Replika lengkap dari kasus di atas memerlukan
pengamatan yang disebut rancangan faktorial
• Rancangan ini sebagian besar digunakan dalam factor
screening experiments.
• Karena hanya ada dua tingkatan untuk setiap faktornya,
diasumsikan bahwa responnya diperkirakan linear pada
rentang tingkatan-tingkatan faktor yang dipilih.
Rancangan
Disebut demikian karena menggunakan dua faktor: A dan B
(masing- masing memiliki 2 taraf).

Faktor A & B → Level A: A1, A2 dan B: B1, B2

Sebut dua taraf sebagai “rendah” dan “tinggi”
A1 = “rendah” A2 = “tinggi dan B1 = “rendah” B2 = “tinggi

Kombinasi Perlakuan: = 4 kombinasi perlakuan

A1B1 → (1)
A2B1 → a
A1B2 → b
A2B2 → ab
Ada 2 tipe interaksi, yaitu:
1. Saling mempengaruhi antara faktor A dan B terhadap suatu obyek penelitian.
2. Pengaruh suatu faktor terhadap peningkatan faktor lainnya, misalnya faktor A
berpengaruh dalam meningkatan pengaruh faktor B, atau sebaliknya.
Kedua interaksi ini dapat bersifat negatif jika menurunkan pengaruh faktor utama atau
positif jika meningkatkan pengaruh faktor utama (Kemas Ali Hanafiah, 2012: 111-114).
Secara geometrik
Apabila digambar dalam segiempat:

 keempat kombinasi diwakilkan oleh huruf kecil;

 Pada kombinasi taraf yang keduanya high: dinotasikan dengan huruf
kecil dari keduanya;
 Pada kombinasi taraf high-low: dinotasikan dengan huruf kecil faktor
yang high;
 Pada kombinasi yang low-low: dinotasikan dengan (1).
Standard Order
 Dalam menulis kombinasi perlakuan, baiknya dalam urutan:
(1), a, b, ab.

 Pengurutan ini disebut standard order atau Yates’ order.

 Menggunakan order ini, koefisien kontras yang digunakan

pada estimasi efek adalah:

Efek (1) a b ab
A -1 +1 -1 +1
B -1 -1 +1 +1
AB +1 -1 -1 +1
Menentukan Pengaruh:
 Pengaruh utama faktor A:
A = [ab+a-b-(1)]
 Pengaruh utama faktor B:
B = [ab+b-a-(1)]
 Pengaruh interaksi AB :
AB = [ab+ (1) -a-b]
 Perhitungan metode Yates
Jumlah kuadrat A = JKA = Faktor Koreksi =

Jumlah kuadrat B = JKB = JKT =FK

Jumlah kuadrat AB = JKAB = JKG = JKT – JKA - JKB - JKAB

 Contoh: Suatu investigasi akan efek konsentrasi reaktan dan jumlah katalis dalam
konfersi pada suatu proses kimia.
A: konsentrasi reaktan (15% dn 25%);
B: katalis (2 pound dan 1 pound).
Model linear Faktorial dengan RAL
Model Statistika untuk percobaan faktorial yang terdiri dari dua faktor ( faktor A dan faktor B)
dengan menggunakan rancangan dasar RAL adalah sebagai berikut :

Dimana ;
= nilai pengamatan pada satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij
(taraf ke-i dari faktor A dan taraf ke-j dari faktor B)
= rata-rata
= perlakuan taraf ke-i dari faktor A
= perlakuan taraf ke-j dari faktor B
= perlakuan interaksi taraf ke-i pada faktor A dan taraf ke-j dari faktor B
= galat dari satuan percobaa ke-k yang memperoleh kombinasi perlakuan ij
Hipotesis ;
1. Interaksi
Ho : = 0
H1 : Ada pengaruh interaksi terhadap respon yang diamati
2. Pengaruh Utama faktor A
Ho : = 0
H1 : Ada perbedaan respon diantara taraf faktor A yang dicobakan
3. Pengaruh Utama faktor B
Ho : = 0
H1 : Ada perbedaan respon diantara taraf faktor B yang dicobakan

Dalam percobaan faktorial, hipotesis tenatng interaksi perlu diuji terlebih

dahulu. Jika terdapat pengaruh interaksi (Ho ditolak), maka tidak perlu lagi
melakukan pengujian hipotesis pengaruh utama (hipotesis 2 dan 3).
Perhitungan dengan ANOVA
Faktor Koreksi =

Jumlah kuadrat A = JKA =

Jumlah kuadrat B = JKB =

Jumlah kuadrat AB = JKAB =

JKT =FK JKG = JKT – JKA - JKB - JKAB

Tabel Anova
Sumber Derajat Jumlah Kuadrat
F-hitung F-tabel
Keragaman Bebas Kuadrat Tengah

Perlakuan          

A a-1 JK(A) KT(A) KT(A)/ KTG F(α, db(A), db(G))

B b-1 JK(B) KT(B) KT(B)/KTG F(α, db(B), db(G))

AB (a-1)(b-1) JK(AB) KT(AB) KT(AB)/KTG F(α, db(AB), db(G))

Galat ab(r-1) JKG KTG    

Total abr-1 JKT      
Contoh soal

Seorang kepala sekolah merasa resah karena hasil belajar

Matematika siswa kelas X di sekolahnya kurang baik. Oleh karena itu
seorang mahasiswa melakukan penelitian untuk mengetahui cara apa
yang paling efektif dalam meningkatkan hasil belajar dengan taraf
nyata 5%. Dua faktor diduga menjadi penentu keberhasilan
pembelajaran, yaitu faktor guru dan metode pembelajaran. Eksperimen
dilakukan terhadap 60 orang siswa dengan karakteristik yang hampir
sama, yang kemudian dikelompokkan menjadi 4 kelompok. Setelah
diadakan ujian (dengan menggunakan skala penilaian 0-100), berikut
adalah data yang didapatkan:
 Faktor Metode Pembelajaran (B)
Faktor Guru
(A)
PBL PjBL

56 68 58 59 95 75 97 68 74 71

S1 61 55 72 66 77 83 69 81 74 68

74 61 55 60 51 75 74 97 72 69

64 77 47 95 63 92 89 80 89 74

S2 71 68 66 64 71 95 96 74 83 89

68 58 59 75 74 80 93 68 80 95
Jawab:

1. Merumuskan hipotesis

a) Pengaruh Faktor Guru (A)

H0 : Tidak ada perbedaan hasil belajar siswa akibat pengaruh variabel guru
Ha : Ada perbedaan hasil belajar siswa akibat pengaruh variabel guru
b) Pengaruh Faktor Metode Pembelajaran (B)
H0 : Tidak ada perbedaan hasil belajar siswa akibat pengaruh variabel metode
pembelajaran
Ha : Ada perbedaan hasil belajar siswa akibat pengaruh variabel metode pembelajaran

c) Pengaruh Faktor Guru dan Faktor Metode Pembelajaran (AB)

H0 : Faktor guru tidak berinteraksi dengan faktor metode pembelajaran
Ha : Faktor guru berinteraksi dengan faktor metode pembelajaran
2. Perhitungan Manual

Faktor Metode Pembelajaran (B)

Faktor Guru (A) Jumlah (Yi)
PBL PjBL
S1 968 1147 2115
S2 1020 1277 2297
Jumlah (Yj) 1988 2424 Y... = 4412

a) Menghitung Faktor Koreksi

 
b) Menghitung Jumlah Kuadrat Total

= (562 + 682 + ... + 802 + 952) – 324429,0667 = 9542,9333

c) Menghitung Jumlah Kuadrat Perlakuan

= 101,4

d) Menghitung Jumlah Kuadrat Galat

JKG = JKT – JKA – JKB – JK(AB)
= 9542,9333 – 552,0667 – 3168,2667 – 101,4 = 5721,1999
3. Tabel Anova

Sumber Derajat Jumlah Kuadrat

F-hitung F-tabel
Keragaman Bebas Kuadrat Tengah

A 1 552,0667 552,0667 5,4037 4,00

B 1 3168,2667 3168,2667 31,0115 4,00
AB 1 101,4 101,4 0,9925 4,00
Galat 56 5721,1999 102,1643    
Total 59 9542,9333      
 4. Menarik Kesimpulan

1) Faktor Guru (A)

Fhitung >Ftabel (5,4037>4,00) maka H0 ditolak, jadi ada perbedaan hasil belajar siswa
akibat pengaruh variabel guru.

2) Faktor Metode Pembelajaran (B)

Fhitung >Ftabel (31,0115>4,00) maka H0 ditolak, jadi ada perbedaan hasil belajar
siswa akibat pengaruh variabel metode pembelajaran.

3) Faktor Guru dan Faktor Metode Pembelajaran (AB)

Fhitung >Ftabel (0,9925<4,00) maka H0 diterima, jadi faktor guru tidak berinteraksi
dengan faktor metode pembelajaran.
Rancangan

Rancangan adalah rancangan faktorial dengan 3 faktor

masing-maisng bertaraf 2. Jika faktornya A, B dan C, dan
tarafnya 0 dan 1, maka dengan notasi didapatkan = 8
kombinasi perlakuan, yaitu (1), a, b, ab, c, ac, bc, dan abc.
SKEMA PERHITUNGAN KONTRAS METODE YATES
UNTUK DESAIN FAKTORIAL 23
(r Observasi Tiap Sel)
Perlakuan Respon Kolom (1) Kolom (2) Kolom (3) = Kontras = r.2k-1
(1) (1) (1)+a (1)+a+b+ab +(1)+a+b+ab+c+ac+bc+abc
a a b+ab c+ac+bc+abc -(1)+a-b+ab-c+ac-bc+abc
b b c+ac a-(1)+ab-b -(1)-a+b+ab-c-ac+bc+abc
ab ab bc+abc ac-c+abc-c +(1)-a-b+ab+c-ac-bc+abc
c c a-(1) b+ab-(1)-a -(1)-a-b-ab+c+ac+bc+abc
ac ac ab-b bc+abc-c-ac +(1)-a+b-ab-c+ac-bc+abc
bc bc ac-c ab-b-a+(1) +(1)+a-b-ab-c-ac+bc+abc
abc abc abc-bc abc-bc-ac+c -(1)+a+b-ab+c-ac-bc+abc
 Atau dengan bentuk binom didapatkan:
Total = (a+1) (b+1) (c+1)
4A = (a-1) (b+1) (c+1)
4B = (a+1) (b-1) (c+1)
4AB = (a-1) (b-1) (c+1)
4C = (a+1) (b+1) (c-1)
4AC = (a-1) (b+1) (c-1)
4BC = (a+1) (b-1) (c-1)
4ABC = (a-1) (b-1) (c-1)
Hubungan antara kombinasi perlakuan dan efek yang membentuk kontras orthogonal di atas akan
mudah tampak bila disusun dalam daftar berikut.

TANDA KOEFISIEN EFEK UNTUK DESAIN FAKTORIAL 23

Kombinasi Efek
Perlakuan
Total A B AB C AC BC ABC

(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + -   -
abc + + + + + + + +
Jelas bahwa dengan menggunakan daftar di atas system kontras orthogonal
dengan mudah dapat dibentuk sedangkan jumlah kuadrat-kuadrat tiap efek
yang membentuk j = kontras dihitung dengan aturan
 
JK (efek) =
 
dengan r menyatakan banyak replikasi dalam tiap sel kombinasi perlakuan.
 
Untuk menghitung JK (kekeliruan), tentulah harus dihitung jumlah kuadrat-
kuadrat semua observasi Y2, dan Ey seperti biasa ditentukan dengan jalan
pengurangan Y2 oleh jumlah kuadrat-kuadrat semua sumber variasi.
Jika pada rancangan 22 kita dapat kombinasinya dengan factor A dan B
mempunyai taraf 0 dan 1 adalah:

  B0 B1

A0 (1) b
A1 a ab

Dalam rancangan 23 dapat dikombinasikan menjadi:

  B0 C1 B1 C1

A0 (1) c b bc

A1 a ac ab abc
 Model Linear
Jika eksperimennya dilakukan dengan menggunakan desain acak sempurna,
dalam tiap kombinasi perlakuan terdapat n buah unit eksperimen atau observasi,
maka model linier yang tepat untuk desain eksperimen factorial a,b dan c ini
adalah:
 
Yijkl = + Ai + Bj + ABij + Ck + ACik + BCjk + ABCijk + l(ijk)
 
Dengan : i = 1, 2, …, a
j = 1, 2, …, b
k = 1, 2, …, c
l = 1, 2, …, n
Yijk l : menyatakan variable respon hasil observasi ke-l yang terjadi karena pengaruh bersama taraf
ke-i factor A, taraf ke-j factor B dan taraf ke-k factor C.
: menyatakan rata-rata yang sebenarnya
Ai : menyatakan efek taraf ke-i factor A
Bj : menyatakan efek taraf ke-j factor B
Ck : menyatakan efek taraf ke-k factor C
ABij : menyatakan efek interaksi antara taraf ke-i faktor A dan taraf ke-j faktor B
ACik : menyatakan efek interaksi antara taraf ke-i faktor A dan taraf ke-k faktor B
BCjk : menyatakan efek interaksi antara taraf ke-j faktor B dan taraf ke-k faktor C
ABCijk : menyatakan efek terhadap variable respon yang disebabkan oleh interaksi antara taraf ke-I
factor A, taraf ke-j factor B, dan taraf ke-k factor C.
l(ijk) : menyatakan efek unit eksperimen ke l dikarenakan oleh kombinasi perlakuan (ijk)
Untuk keperluan ANOVA, maka jumla kuadrat-kuadrat Y2 dan Ry dihitung
serupa seperti dalam hal untuk dua factor, ialah
 
Y2 = , dengan dk = aben
 
Dan Ry = / (aben), dengan dk = 1
 
Jumlah kuadrat-kuadrat lainnya yang diperlukan akan mudah dapat dihitung
apabila data hasil observasi dipecah dan disusun dalam beberapa buah daftar
a x b x c, daftar a x b, daftar a x c dan daftar b x c.
Dari daftar-daftar baru ini berturut-turut dapat dihitung:
Ja b c : menyatakan jumlah kuadrat-kuadrat antara sel untuk daftar a x b x c
Ja b c = Ry
Dengan Jijk = elemen dalam sel (ijk) dari daftar a x b x c =

Ja b : menyatakan jumlah kuadrat-kuadrat antara sel untuk daftar a x b

Ja b = Ry
Dengan Jij = elemen dalam sel (ij) dari daftar a x b = =

Ja c : menyatakan jumlah kuadrat-kuadrat antara sel untuk daftar a x c

Ja c = Ry
Dengan Jik = menyatakan elemen sel (ik) dari daftar a x c
Jik = =
Jb c : menyatakan jumlah kuadrat-kuadrat antara sel untuk daftar b x c
Jb c = Ry
Dengan Jjk : menyatakan elemen dalam sel (jk) dari daftar b x c
Jjk =
 
Jumlah kuadrat-kuadrat untuk variasi perlakuan A adalah:
Ay = Ry , dengan dk = (a-1)
Dan Ai : menyatakan jumlah semua nilai observasi untuk taraf ke-i factor A
Ai =
 
Jumlah Kuadrat-kuadrat untuk sumber variasi perlakuan B adalah:
By = Ry , dengan dk = (b-1)
Dan Bj : menyatakan jumlah semua nilai observasi untuk taraf ke-j factor B
Bj =
Jumlah kuadrat-kuadrat untuk sumber variasi perlakuan C adalah:
Cy = Ry , dengan dk = (c-1)

Dan Ck : menyatakan jumlah semua nilai observasi untuk taraf ke-k factor C

Ck =
Selanjutnya jumlah kuadrat-kuadrat interaksi adalah:
ABy = Jab – Ay – By , dengan dk = (a – 1)(b – 1)

ACy = Jac – Ay – Cy , dengan dk = (a – 1)(c – 1)

BCy = Jbc – By – Cy , dengan dk = (b – 1)(c – 1)

ABCy = Jabc – Ay – By – Cy – ABy – ACy – BCy , dengan dk = (a – 1)(b – 1)(c – 1)

Ey = Y2 – Ry – Ay – By – Cy – ABy – ACy – BCy – ABCy , dengan dk = abc (n – 1)

 DAFTAR ANOVA DESAIN EKSPERIMEN FAKTORIAL a x b x c
N OBSERVASI TIAP SEL DESAIN ACAK SEMPURNA

Sumber Variasi dk JK KT F
Rata-rata 1 Ry R
Perlakuan :      
A a–1 Ay A
B b–1 By B
C c–1 Cy C
Ditemukan oleh
AB (a – 1)(b – 1) ABy AB
sifat taraf factor
AC (a – 1)(c – 1) ACy AC
BC (b – 1)(c – 1) BCy BC
ABC (a – 1)(b – 1)(c – ABCy ABC
1)
Kekeliruan abc (n – 1) Ey E
Jumlah abcn Y2 -  
Contoh Soal
Misalkan eksperimen mengenai hasil semacam zat kimia kecuali ditentukan oleh factor-faktor
temperature (50 dan 60) dan konsentrasi (40% dan 50%), juga oleh tekanan dengan taraf rendah dan
tinggi. Dengan demikian kita peroleh eksperimen factorial 23. Misalkan eksperimennya dilakukan
dengan menggunakan replikasi sebanyak 3 kali dan hasilnya diberikan dalam daftar berikut.

Konsentrasi
40% 50%
Temperatur
Tekanan Tekanan
Rendah Tinggi Rendah Tinggi
43,7 45,2 42,7 45,7
50 44,1 44,9 44,1 46,0
43,9 45,6 45,0 45,9

Jumlah 131,7 135,7 131,8 137,6

48,2 47,9 48,9 49,8
60 47,9 48,0 48,7 50,1
47,2 45,7 49,3 52,3

Jumlah 143,3 141,6 146,9 152,2

Jika A : menyatakan temperature, B : menyatakan konsentrasi, C : menyatakan tekanan,
Maka dari daftar di atas kita peroleh respon-respon:
 
(1) = 131,7
a = 143,3
b = 131,8
c = 135,7
ab = 146,9
ac = 141,6
bc = 137,6
abc = 152,2
 
Seperti telah dijelaskan, untuk menghitung jumlah kuadrat-kuadrat (JK) untuk tiap sumber
variasi, sebaiknya dibuat daftar a x b x c, daftar a x b, daftar a x c, dan daftar b x c.
 Daftar axbxc Daftar axc
  b1 b2   c1 c2

  c1 c2 c1 c2 a1 263,5 273,3

a1 a2 290,2 293,8
131,7 135,7 131,8 137,6
a2 143,3 141,6 146,9 152,2

Daftar bxc
Daftar axb
  c1 c2
  b1 b2
a1 267,4 269,4 b1 275 277,3

a2 284,9 299,1 b2 278,7 289,8

Dari daftar tersebut, dapat kita hitung:
Mensubtitusikan harga-harga ini ke dalam Skema Perhitungan Metoda Yates, kita peroleh:

Perlakuan Respon Kolom (1) Kolom (2) Kontras JK

(1) 131,7 275,0 553,7 1.120,8 52.341,36
a 143,3 278,7 567,1 47,2 92,83
b 131,8 277,3 26,7 16,2 10,94
ab 146,9 289,8 20,5 12,2 6,20
c 135,7 11,6 3,7 13,4 7,48
ac 141,6 15,1 12,5 -6,2 1,60
bc 137,6 5,9 3,5 8,8 3,23
abc 152,2 14,6 8,7 5,2 1,13
Nilai JK diperoleh dari
JK (efek) =

Untuk mendapatkan daftar ANOVA, terlebih dahulu kita mencari:

Y2 = (43,7)2 + (44,1)2 + (43,9)2 + (48,2)2 + (47,9)2 + (47,2)2 + (45,2)2 + (44,9)2 + (45,6)2 + (47,9)2 + (48,0­)2
+ (45,7)2 + (42,7)2 + (44,1)2 + (45,0)2 + (48,9)2 + (48,7)2 + (49,3)2 + (45,7)2 + (46,0)2 + (45,9)2 + (49,8)2 +
(50,1)2 + (52,3)2 = 52.475,64
Ey = Y2 – 52.341,36 – 92,83 – 10,94 – 6,20 – 7,48 – 1,60 – 3,23 – 1.13 = 10,87
Tabel Anova
Sumber dk JK KT  
Rata-rata 1 52.341,36 52.341,36  
Perlakuan        
A 1 92,83 92,83 136,51
B 1 10,94 10,94 16,09
AB 1 6,20 6,20 9,12
C 1 7,48 7,48 11,00
AC 1 1,60 1,60 2,35
BC 1 3,23 3,23 4,75
ABC 1 1,13 1,13 1,66
Galat 16 10,87 0,68  
Jumlah 24 52.475,64 - -
 RANCANGAN UMUM

• Metode analisis dan yang telah dibahas sebelumnya dapat

digeneralisir untuk kasus rancangan faktorial , yaitu
rancangan dengan masing-masing faktor k berada pada 2
tingkatan.
• Model statistika untuk rancangan akan mencakup efek utama
k, interaksi dua faktor , interaksi tiga faktor , … , dan satu
interaksi k-faktor.
• Artinya, model yang lengkap akan berisi efek untuk
rancangan .
 RANCANGAN UMUM
• Notasi yang sebelumnya diperkenalkan untuk kombinasi perlakuan
juga digunakan dalam kasus ini.
• Sebagai contoh, dalam rancangan abd menunjukkan kombinasi
perlakuan dengan faktor A, B, dan D pada tingkat tinggi dan faktor C
dan E pada tingkat rendah.

• Kombinasi perlakuan dapat ditulis dalam urutan standar dengan

memperkenalkan faktor-faktornya satu per satu, dengan masing-
masing faktor baru secara berturut-turut dikombinasikan dengan
faktor-faktor sebelumnya.
• Sebagai contoh, urutan standar untuk rancangan adalah dan
 RANCANGAN UMUM
Tabel Prosedur Analisis untuk Rancangan
1. Memperkirakan efek faktor
2. Membentuk model awal
a. Jika model direplikasi, cocok dengan model penuh
b. Jika tidak ada replikasi, bentuk model menggunakan plot
probabilitas normal dari efek
3. Melakukan pengujian statistik
4. Memperbaiki Model
5. Menganalisis Residu
6. Menginterpretasikan hasil
 RANCANGAN UMUM
Tabel Prosedur Analisis untuk Rancangan
• Langkah pertama adalah memperkirakan efek faktor dan memeriksa
tanda-tanda dan besarnya. Hal ini memberikan si pencoba interkasi
terbatas mengenai faktor dan interaksi mana yang mungkin penting dan
dimana arah faktor-faktor ini harus disesuaikan untuk meningkatkan
respon.
• Langkah kedua, dalam membentuk model awal untuk percobaan,
biasanya dipilih model lengkap, yaitu semua efek utama dan antar
tindakan, asalkan setidaknya satu dari titik rancangan yang telah
direplikasi.
• Kemudian pada langkah ketiga, digunakan analisis varian untuk menguji
signifikansi efek utama dan interaksi secara fomal.
 RANCANGAN UMUM
Tabel Prosedur Analisis untuk Rancangan
 RANCANGAN UMUM
Tabel Prosedur Analisis untuk Rancangan
• Pada langkah 4, memperbaiki model, biasanya terdiri dari menghapus
variabel yang tidak signifikan dari model lengkap.
• Langkah 5 adalah analisis residual biasa untuk memeriksa kecukupan
model dan asumsi. Terkadang penyempurnaan model akan terjadi
setelah analisis residual jika kami menemukan bahwa model tidak
memadai atau asumsi dilanggar.
• Langkah terakhir biasanya terdiri dari analisis grafis, baik efek utama
maupun plot interaksi, atau permukaan respons dan plot kontur.
 RANCANGAN UMUM
Untuk memperkirakan efek atau menghitung jumlah kuadrat untuk efek,
terlebih dahulu menentukan kontras yang terkait dengan efek itu.

Secara umum, menentukan kontras untuk efek adalah dengan

memperluas ruas kanan dari:
 RANCANGAN UMUM
Contoh untuk rancangan

Contoh untuk rancangan

RANCANGAN UMUM
Setelah kontras untuk efek telah dihitung, kita dapat
memperkirakan efek dan menghitung jumlah kuadrat menurut:

dan

Berturut-turut, dimana n menunjukkan jumlah replikasi. Ada juga

Algoritma Tabular yang terkadang berguna untuk perhitungan
manual dari perhitungan efek dan jumlah kuadrat.