Metode Penelitian

Eksperimental :

RANCANGAN PERCOBAAN
 Riset
Eksperimental

Vs
Riset
Non-
eksperimental
Penelitian eksperimental 
ada intervensi/perlakuan dari
peneliti, baru dampaknya
diukur
Penelitian non-eksperimental
 peneliti tidak melakukan
intervensi, hanya
mengumpulkan data/fakta
yang ada
Eksperimental

Quasi-
Eksperimental

Non-
Eksperimental
Quasi-eksperimental
 Peneliti tidak melakukan intervensi secara
langsung, tetapi mengelompokkan data
yang ada seolah-olah ada kelompok
perlakuan dan ada kelompok kontrol
sebagaimana yang terjadi dalam
penelitian eksperimental
 Rancangan percobaan dan teknik analisis
data dapat menggunakan rancangan dan
teknik analisis sebagaimana yang berlaku
untuk penelitian eksperimental
Syarat Hasil
Penelitian

Valid
Reliabel
Validity
Validitas
adalah ukuran kekuatan
kesimpulan hasil penelitian
Best available approximation to
the truth or falsity of a given
inference, proposition or
conclusion (Cook and
Campbell,1979)
Ringkasnya: were we right?
Reliability
Reliabilitasadalah ukuran konsistensi
dari suatu hasil pengukuran
The degree to which an instrument
measures the same way each time it
is used under the same condition with
the same subjects
Ringkasnya:it is the repeatability of
your measurement.
Validity  the strength
Reliability  consistency
Validitas dan reliabilitas
hasil penelitian

Disain
Penelitian
 Disain
Penelitian

Kerangka Metode
konsep penelitian
 Metode Penelitian

Pengambilan Analisis
Data Data

Obyek Analisis
Bahan keilmuan
Alat Analisis statistik
Cara kerja
Rancangan percobaan
RANCANGAN PERCOBAAN
 Desain eksperimen (rancangan percobaan) bertujuan untuk
menentukan rencana pelaksanaan eksperimen yang tepat
agar dapat memperoleh atau mengumpulkan informasi yang
diperlukan sebanyak-banyaknya dan berguna dalam
melakukan penelitian persoalan yang akan dibahas
 Pengaturan pemberian perlakuan (input) kepada satuan-
satuan percobaan dengan maksud agar keragaman respon
(output) yang ditimbulkan oleh keadaan lingkungan dan
heterogenitas bahan percobaan yang digunakan dapat
diwadahi dan disingkirkan.
 Suatu uji atau sederetan uji yang bertujuan merubah peubah
input menjadi suatu output yang merupakan respon dari
percobaan tersebut
Kriteria
Suatu kegiatan dikatakan sebagai eksperimen bila
memenuhi karakteristik berikut :
1.Merupakan kajian manipulasi (pengaturan)
variabel independen (variabel bebas)
2.Pengaruh (efek) manipulasi variabel
independen terhadap satu atau lebih variabel
dependen (variabel terikat) diukur
3.Level (taraf) variabel independen yang
dimanipulasi dikenakan secara random pada unit
percobaan
Rancangan Percobaan

Validitas Validitas
Internal Eksternal

Seberapa jauh
Apakah manipulasi
penemuan ini cukup
percobaan memang
representatif untuk
benar menimbulkan
dibuat generalisasi pada
perbedaan
kondisi sejenis
Prinsip Dasar Perancangan
Percobaan

1. Pengacakan (Randomization)
2. Pengulangan (Replication)
3. Pengendalian Lingkungan (Local
control)
Pengacakan
 Fungsi dari pengacakan adalah menjamin
sahihnya dugaan tak bias dari galat percobaan
dan nilai tengah perlakuaan serta perbedaan di
antara mereka.
 Pengacakan merupakan salah satu dari beberapa
ciri modern perancangan percobaan yang muncul
 Setiap unit percobaan memiliki peluang yang
sama untuk diberikan suatu perlakuan
◦ Menghindari galat sistematik
◦ Meningkatkan validitas kesimpulan (pemenuhan
asumsi kebebasan)
◦ Caranya: lotere, tabel bilangan acak, komputer
Pengulangan:
Penerapan perlakuan yang sama
terhadap beberapa unit percobaan.
◦ Untuk menduga galat percobaan
◦ Untuk menduga standard error rataan
perlakuan
◦ Meningkatkan ketelitian suatu percobaan 
meningkatkan presisi kesimpulan

Berapa jumlah ulangan ?

◦ Minimal 3
◦ Minimal db-galat 15 2

◦ Gunakan formula yang ada  r  2( Z / 2  Z  ) 2  
 
Pengendalian Lingkungan (Local
control)

 Pengendalian kondisi-kondisi lingkungan

yang berpotensi mempengaruhi respon
dari perlakuan.
Strategi yang dapat dilakukan :
1. Jika terkait dengan heterogenitas satuan
percobaan  strateginya: pengelompokan
2. Mengontrol pengaruh-pengaruh lingkungan
(selain perlakuan) sehingga pengaruhnya
sekecil & seseragam mungkin
Klasifikasi Rancangan
Rancangan Lingkungan :
Berkaitan dengan bagaimana perlakuan-perlakuan tersebut
ditempatkan pada unit-unit percobaan (RAL, RAK, RBSL,
Lattice)

Rancangan Perlakuan :
Berkaitan dengan bagaimana perlakuan-perlakuan tersebut
dibentuk (Faktorial, Split plot, Split blok)

Rancangan Pengukuran :
Berkaitan dengan bagaimana respon percobaan diukur dari unit-
unit percobaan yang diteliti
Pemilihan rancangan
 Mengatur dan mengontrol variabel-variabel
dan kondisi percobaan secara utuh dan
ketat, baik dengan manipulasi, randomisasi,
dan kontrol
 Membandingkan perlakuan dan kontrol
secara nyata
 Memaksimalkan varians dari variabel-
variabel yang diteliti dan berkaitan dengan
hipotesis yang diuji
 Meminimalkan:
varians dari variabel pengganggu dan
variabel random yang berada di luar
penelitian
 varians error
Pengambilan data
 Berdasarkan setting  lapangan,
laboratorium, perpustakaan
 Berdasarkan sumber data  primer,
sekunder
 Berdasarkan teknik yang digunakan 
observasi (pengamatan, pengukuran),
wawancara, dokumentasi, atau
gabungan
 Dengan intervensi (eksperimental),
tanpa intervensi (non-eksperimental)
Rancangan Pengumpulan Data
Pengumpulan Data:
Harus dibangkitkan dulu  Percobaan
Langsung dikumpulkan  Survei/Observasi

Kenapa perlu ?
Untuk mendapatkan penduga yang tidak
berbias (misal systematic error)
Untuk meningkatkan presisi kesimpulan
Kesimpulan dapat digeneralisasi ke populasi
target
Teknik sampling (1)
Probability sampling:
◦ setiap anggota populasi memiliki kesempatan yang
sama besar untuk dipilih.
◦ Keuntungan probability sampling adalah: sampling
error dapat dihitung.
◦ Sampling error adalah derajat yang menunjukkan
sejauh mana sampel berbeda dari populasi.
 Random sampling
 Systematic random sampling
 Stratified random sampling
Teknik sampling (2)
Non-probability sampling:
◦ anggota populasi memiliki kesempatan yang tidak
sama besar untuk dipilih.
◦ Dalam non-probability sampling, derajat yang
menunjukkan sejauh mana sampel berbeda dari
populasi tidak dapat dihitung.
 Convenience sampling
 Judgment sampling
 Quota sampling
 Snowball sampling
Analisis data

 Skala pengukuran data

 Rancangan percobaan
Skala pengukuran data
 Skala nominal
 Skala ordinal
 Skala interval
 Skala rasio
Skala pengukuran data
Skala nominal:
- Merupakan data yang tingkatannya paling
rendah. Data nominal hanya berupa kategori saja.
- Misalnya: Jenis kelamin, agama, dan sebagainya.
Skala ordinal:
- Data yang diukur menggunakan skala ordinal
selain mempunyai ciri nominal, juga mempunyai ciri
berbentuk peringkat atau jenjang. Istilah ordinal
berasal dari kata ordo yang berarti tatanan atau
deret.
- Misalnya tingkat pendidikan, nilai ujian (dalam
huruf).
Skala pengukuran data
Skala interval:
- Data yang diukur menggunakan skala interval.
Selain mempunyai ciri nominal dan ordinal, juga
mempunyai ciri interval yang sama.
- Misalnya nilai ujian (dalam angka), suhu, dan
sebagainya.
Skala rasio:
- Merupakan skala pengukuran data yang
tingkatannya paling tinggi. Selain mempunyai ketiga
ciri dari skala pengukuran di atas, juga mempunyai
nilai nol yang bersifat mutlak (absolut).
- Misalnya: Umur, berat, pendapatan, dan
sebagainya.
Skala pengukuran data
Skala
Analisis
nominal
Skala ordinal non-
parametrik
Skala interval
Skala rasio Analisis
parametrik
 Langkah Analisis:

1. Dicari apa data terdistribusi normal ?

2. Variannya apa homogen ?
3. Bagaimana hasil penelitian ?
Analisis parametrik
Uji t
Sidik ragam (Anova)
Uji beda rerata:
◦ Uji Beda Nyata Terkecil (Least
Significant Difference Test)
◦ Uji Dunnet
◦ Uji Beda Nyata Jujur
Asumsi/syarat penggunaan
analisis parametrik

Data berskala interval atau

rasio
Distribusi normal
Jumlah sampel cukup
Istilah Pokok dalam Desain Eksperimen
1. Unit Eksperimen
Unit yang dikenai perlakuan tunggal (mungkin merupakan
gabungan beberapa faktor) dalam sebuah replikasi eksperimen
dasar.
2. Perlakuan
Sekumpulan kondisi eksperimen yang akan digunakan terhadap
unit eksperimen dalam ruang lingkup desain yang dipilih .
3. Kekeliruan Eksperimen
Menyatakan kegagalan dari dua unit eksperimen identik yang
dikenai perlakuan untuk memberikan hasil yang sama.
4. Replikasi
Pengulangan eksperimen dasar.
5. Pengacakan
Unit-unit sampel dari suatu populasi diacak sebelum
dilakukan pengambilan.
6. Kontrol Lokal
Pengendalian kondisi-kondisi lingkungan yang berpotensi
mempengaruhi respon dari perlakuan.
a. Pengelompokan
Penempatan sekumpulan unit eksperimen yang homogen
ke dalam kelompok-kelompok agar supaya kelompok yang
berbeda memungkinkan untuk mendapatkan perlakuan
yang berbeda pula.
b. Pemblokan
Pengalokasian unit-unit eksperimen ke dalam blok
sedemikian sehingga unit-unit dalam blok secara relatif bersifat
homogen sedangkan sebagian besar dari variasi yang dapat
diperkirakan di antara unit-unit telah baur dengan blok.
c. Penyeimbangan
Usaha memperoleh unit-unit eksperimen, usaha
pengelompokan, pemblokan dan penggunaan perlakuan
terhadap unit-unit eksperimen sedemikian rupa sehingga
dihasilkan suatu konfigurasi atau formasi yang seimbang.
7. Faktor (kuantitatif & kualitatif)
Peubah bebas penyusun perlakuan, dimana nilai-nilainya
dapat bersifat kualitatif maupun kuantitatif

8. Taraf Faktor
Nilai-nilai atau klasifikasi-klasifikasi dari sebuah faktor

9. Interaksi
Perubahan pengaruh dari suatu faktor pada berbagai
taraf faktor yang lain
 DESAIN EKSPERIMEN
Jenis-jenis desain eksperimen
(rancangan percobaan) dapat
digolongkan/dikelompokkan
berdasarkan rancangan
dasar/lingkungan dengan berbagai
kombinasi pola percobaan:
• jumlah faktor yang diujikan
•keseimbangan jumlah ulangan, dan
• pengacakan di lapangan.
 DESAIN EKSPERIMEN

A. DESAIN ACAK LENGKAP

B. DESAIN ACAK KELOMPOK (BLOK)
C. DESAIN BUJUR SANGKAR LATIN
D. DESAIN FAKTORIAL
E. DESAIN TERSARANG
F. DESAIN FAKTORIAL TERSARANG
G. DESAIN SPLIT PLOT (PETAK TERBAGI)
 A. RANCANGAN ACAK LENGKAP
Rancangan ini digunakan apabila satuan
percobaanya homogen, artinya keragaman antar
satuan kecil.

Misalnya : Percobaan di dalam laboratorium

Pembagian perlakuan dilakukan secara acak

terhadap semua satuan percobaan sehingga setiap
satuan percobaan memiliki peluang yang sama
untuk menerima perlakuan manapun
 KEUNTUNGAN
 Banyaknya perlakuan dan ulangan hanya dibatasi
oleh banyaknya satuan percobaan
 Ulangan boleh berbeda-beda
 Analisis statistik sederhana
 Kerugian informasi karena data yang hilang relatif
sedikit
KERUGIAN
 Sering kali tidak efisien
 Galat percobaan mencakup seluruh keragaman
antar satuan percobaan kecuali yang disebabkan
oleh perlakuan
 DESAIN ACAK LENGKAP

Y ij =  + i + ij

i = 1,2, …., k
j = 1,2, …, nk

dengan
Yij = variabel yang dianalisis, dimisalkan berdistribusi normal

 = rata-rata umum atau rata-rata sebenarnya

i = efek perlakuan ke-i

ij = kekeliruan, berupa efek acak yang berasal dari unit

eksperimen ke-j karena dikenai perlakuan ke-i
 DESAIN ACAK LENGKAP
 Analisis Varians Untuk Desain Acak Lengkap
Data pengamatan untuk Desain Acak Lengkap
Perlakuan Jumlah
1 2 …... k
Data Pengamatan Y11 Y21 …… Yk1
Y12 Y22 …… Yk2
…… …… …… ……
…… …… …… ……
…… …… …… ……
Y1n1 Y1n2 …… Yknk
k

Jumlah J1 J2 …… Jk J  J i
i 1

k
Banyak Pengamatan n1 n2 …… nk  n
i
i  1
……
k

Rata-rata Y1 Y2 Yk Y= J /  ni
i 1

Dimana :
k = jumlah eksperimen
ni = unit eksperimen untuk perlakuan ke-i (i = 1, 2, …, k)
Yij (i = 1, 2, …, k) dan (j = 1, 2, …, ni) = nilai pengamatan dari unit eksperimen ke j karena
perlakuan ke-i
 ni
Ji  Y
j 1
ij Jumlah nilai pengamatan untuk tiap perlakuan

k
J J
i 1
i Jumlah seluruh nilai pengamatan

Yi  Ji / ni Rata-rata pengamatan untuk tiap perlakuan

k
Y  Ji / n
i1
i Rata-rata seluruh nilai pengamatan

 Y 2 = jumlah
k
kuadrat-kuadrat
n
(JK) semua nilai pengamatan
i

  
i1 j1
Yij2

R y = jumlah kuadrat-kuadrat (JK) untuk rata-rata

k
 J 2
/ n
i1
i

Py = jumlah kuadrat-kuadrat (JK) antar perlakuan

k
 n
i1
i (Yi - Y ) 2

k
  (J
i1
2
i /ni ) - R y
E y = jumlah kuadrat-kuadrat (JK) kekeliruan eksperimen
k ni
  (Yij - Yi ) 2
i 1 j 1
k
  Y 2 - R y - Py
i1

DAFTAR ANALISIS VARIANS

Sumber variasi Derajat Kebebasan Jumlah Kuadrat-Tengah
(dk) Kuadrat- (KT) F
kuadrat (JK)
Rata-rata 1 Ry R=Ry

Antar Perlakuan k –1 Py P = P y / (k – 1) P/E

Kekeliruan
k

 (n i - 1)
Ey E = E y /  (ni – 1)
Eksperimen i1

 (n i )
Jumlah Total i 1 Y2 -
Contoh :

Suatu percobaan dilakukan untuk membuktikan

adanya dugaan bahwa kadar air akhir pengeringan
simplisia dipengaruhi oleh kecepatan aliran udara di
ruang pengeringan. Untuk itu dilakukan percobaan
pengeringan empat taraf kecepatan aliran udara, yaitu
0.7, 0.8, 0.9, dan 1.0 m/s. Percobaan dilakukan
dengan enam kali ulangan (replikasi) dan data
rendemen yang diperoleh disajikan pada Tabel 1.
 Kecepatan aliran udara (m/s)
0.7 0.8 0.9 1.0
Replikasi 7 12 14 19

8 17 18 25

15 13 19 22

11 18 17 23

9 19 16 18

10 15 18 20
Variabel independen : Kecepatan aliran udara. Variabel
independen sering juga disebut sebagai perlakuan
Taraf/level variabel independen : 0.7, 0.8, 0.9, dan 1.0
m/s (jadi ada 4 taraf perlakuan)
Manipulasi variabel independen berupa penetapan empat
taraf perlakuan
Variabel dependen : Kadar air akhir simplisia (%)
Variabel dependen sering juga disebut sebagai variabel
respon
Unit percobaan : sesuatu yang dikenai perlakuan dalam
percobaan. Jadi, unit percobaannya adalah simplisia
Hipotesis :
Ho : Laju aliran udara tidak berpengaruh nyata (secara
signifikan, secara berarti) terhadap kadar air akhir simplisia
Ha : Laju aliran udara berpengaruh nyata terhadap kadar air
akhir simplisia atau laju aliran udara yang berbeda akan
memberikan hasil kadar air akhir simplisia yang berbeda
secara signifikan
Seperti halnya pada pengujian hipotesis, keputusan menerima
atau menolak hipotesis ditentukan oleh statistik uji yang
dihitung dari data sampel. Untuk analisis varian (ragam),
statistik ujinya adalah statistik F
 Kecepatan aliran udara (m/s)
0.7 0.8 0.9 1.0
Ulangan 7 12 14 19
8 17 18 25
15 13 19 22
11 18 17 23
9 19 16 18
10 15 18 20
Ti. 60 94 102 127 T.. = 383
Ni 6 6 6 6 N = 24
Yij2 640 1512 1750 2723  Yij2 = 6625
SS (sum square) total =   Yij2 – (T.. 2 / N)
= 6 625 – (383)2/24
= 512.96

SS perlakuan = ( Ti.2) / 6 – (T.. 2 / N)

= 1/6 (602 + 942 + 1022 + 1272) – (3832 / 24)
= 6 494.83 – 6 112.04
= 382.79

SS error = SS total – SS perlakuan

= 512.96 – 382.79
= 130.17
Tabel analisis varian (ANOVA)

Sumber df SS MS F hitung
keragaman
Perlakuan 3 382.79 127.6 19.6

Error 20 130.17 6.5

Total 23 512.96
Keputusan :

Bandingkan nilai F hitung dengan F tabel (Tabel D, tabel

distribusi F)
F tabel (, df perlakuan, df error)
Bila F hit > F tabel : tolak Ho
F hit < F tabel : terima Ho

Pada :
 = 5%; df perlakuan = 3 dan df error = 20 ……F tabel
= 3.10
Karena F hit > F tabel maka tolak Ho
Ini berarti :
Kecepatan aliran udara berpengaruh nyata terhadap
kadar air akhir simplisia
B. RANCANGAN ACAK KELOMPOK (BLOK)

Rancangan ini digunakan apabila satuan percobaanya dapat

dikelompokkan secara berarti.
Biasanya banyaknya satuan dalam setiap kelompok yang
sama dengan banyaknya perlakuan.
Tujuan pengelompokkan adalah untuk memperoleh satuan
percobaan yang seseragam mungkin dalam setiap kelompok,
sehingga beda yang teramati sebagian besar disebabkan oleh
perlakuan.
Pembagian perlakuan dilakukan secara acak terhadap setiap
satuan percobaan di dalam kelompok.
Misalnya : Percobaan pengamatan pertumbuhan pohon
pada areal dengan tingkat kesuburan berbeda
 DESAIN ACAK KELOMPOK (BLOK)

Y ij =  + i + j + ij

i = 1, 2, …., b (banyak kelompok)

j = 1, 2, …, p (banyak perlakuan)

dengan
Y ij = variabel yang diukur

 = rata-rata umum atau rata-rata sebenarnya

i = efek kelompok ke-i

j = efek perlakuan ke-j

ij = efek unit eksperimen dalam kelompok ke-i karena

perlakuan ke-j
RANCANGAN PERCOBAAN KELOMPOK (BLOK)

Seorang manager perkebunan ingin menguji umur

pakai empat merk ban traktor. Pengujian dilakukan
dengan memakai ban untuk pengolahan lahan seluas
100 Ha. Variabel respon yang diukur dalam
pengujian ini adalah berkurangnya ketebalan ban
dalam satuan 0.001 inch. Hasil pengujian disajikan
pada tabel berikut :
Hasil pengukuran berkurangnya ketebalan ban (0.001 inch)

Traktor
I II III IV
Brand C(12) A(14) D(10) A(13)
A(17) A(13) C(11) D(9)
D(13) B(14) B(14) B(8)
D(11) C(12) B(13) C(9)
Tabel Anova

Sumber keragaman df SS MS F hit

Brand 3 30.69 10.2 2.43

Error 12 50.25 4.2

Total 15 80.94

F(0.05; 3,12) = 3.49

Dengan percobaan kelompok (traktor= kelompok)

Traktor Brand Ti.

A B C D
I 17 14 12 13 56
II 14 14 12 11 51
III 13 13 10 11 47
IV 13 8 9 9 39
T.j 57 49 43 44 T.. = 193
Yij2 823 625 469 492  Yij2 = 2 409
Model matematik percobaan kelompok
Yij =  + i + j + ij ; i = 1, 2….n dan j = 1, 2,……k

SS total = Yij2 – T..2/N

= 2 409 – 1932 / 16
= 80.94
SS brand = (T.j2 )/n – T..2/N
= ¼(572 + 492 + 432 + 442) – 1932 / 16
= 30.69
SS traktor = (T.i2 )/k – T..2/N
= ¼(562 + 512 + 472 + 392) – 1932 /16
= 38.69
SS error = SS total – SS brand – SS traktor
= 80.94 – 30.69 – 38.69
= 11.56
Tabel ANOVA

Sumber keragaman df SS MS F hit

Brand 3 30.69 10.2 7.8**
Traktor 3 38.69 12.9 9.9**
Error 9 11.56 1.3
Total 15 80.94

F(0.05; 3, 9) = 3.86
F(0.01; 3, 9) = 6.99
D. RANCANGAN FAKTORIAL
Faktor adalah sejenis perlakuan di dalam rancangan
faktorial, setiap faktor mempunyai beberapa
perlakuan.

Taraf (level) mengacu pada beberapa perlakuan

dalam suatu faktor

Jadi rancangan faktorial adalah rancangan yang

perlakuannya terdiri atas semua kemungkinan
kombinasi taraf dari beberapa faktor.

Rancangan ini memberi manfaat sangat besar bagi

penelitian yang bersifat eksploratori.
Penelitian yang bersifat eksploratori adalah
penelitian dimana pengetahuan mengenai taraf
maksimum tiap faktor masih sangat minim, atau
bahkan begitu pula dengan pengetahuan kita
mengenai faktor mana yang penting

Selain itu dalam percobaan faktorial dapat diketahui

ada tidaknya interaksi antar faktor.

FAKTORIAL 2 X 2
Artinya percobaan faktorial dengan 2 faktor masing-
masing dengan 2 taraf.

Dalam percobaan di atas terdapat 4 perlakuan.

DESAIN FAKTORIAL
Y ijk =  + Ai + Bj + ABij +  k(ij)

i = 1, 2, …., a
j = 1, 2, …, b
k = 1, 2, …, n

Dengan
Yijk = variabel respon hasil observasi ke-k yang terjadi karena
pengaruh bersama taraf ke-i faktor A dan taraf ke-j faktor B
 = rata-rata umum yang sebenarnya
Ai = efek taraf ke-i faktor A
Bj = efek taraf ke-j faktor B
ABij = efek interaksi antara taraf ke-i faktor A dan taraf ke-j faktor
 Design of experiments (DOE) and response surface methodology (RSM)
 The application of response surface methodology (RSM) allows a visualization of
the experimental results in a 3-D display. RSM is used to determine optimal levels
for variables input. RSM is a sequential procedure for constructing empirical
relation for the experimental data. Using response information, the optimum data
between factors can be developed and model improvements can be achieved. It
has been proven that researchers have used response surface method (RSM) to
process data systematically that can allow to apply multiple regression
simultaneously.

 Response surface design methodology is also often used to refine models to obtain
an optimum design. Using RSM, the following advantages can be obtained.
Displays region of an experimental result
in the form of response surface.
Response surface obtains the equation
models that inform changes in input
variables, which influence a response of
interest.
Selects the operating conditions to meet
specifications.
Types of response surface designs
CCD is appropriate for incorporating the
full quadratic models. CCD consists of a
factorial design (the corners of a cube)
together with center and axial points that
allow for estimation of second-order
effects. For a full quadratic model with n
factors, CCD sets (2n + 2n + 1).
The central CCD comprises 2n factorial
points taken from a full factorial at levels
± 1, 2n axial points at locations ± α, and
nCthe center point of origin
CCD
 Determination of the stationary conditions
 RSM is useful to obtain critical points in the
experimental variables. The surfaces
 generated by linear or polynomial models will be
used to indicate the direction in
 which the original design must be started to attain
the optimal conditions.
 For polynomial models, the critical point can be
characterized as maximum, minimum, or saddle.
Using RSM, it is possible to calculate the coordinates
of the critical point through the first derivative of
the mathematical function. First derivative equals to
zero indicates that critical points is located.
Model estimation
Model estimation is a type of model used to
predict trend of data [84]. The model
order is an important factor in making
model regression that relates independent
variables. There are common fitting
regression model that can be used to
predict trend.
Linear : Y = B0 + B1X1 + B2X2 + . . .
Power : Y = B0(X1B1)(X2B2) ………. .. (XkBk)
Multiple regression
Contoh kasus
Setting variabel
Model prediksi
Persamaan regresi
Titik stasioner
Plot contour