You are on page 1of 28
Rancangan Percobaan > 2 Faktor CI1409 Statistika Komputasional Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh

Rancangan Percobaan > 2

Faktor

CI1409 Statistika Komputasional

Teknik Informatika, Fakultas Teknologi Informasi

Institut Teknologi Sepuluh Nopember Surabaya

Rancangan Percobaan Faktorial Tujuan: Setelah anda menyelesaikan bab ini, maka anda mampu: 1. Menjelaskan tujuan dari

Rancangan Percobaan Faktorial

Tujuan:

Setelah anda menyelesaikan bab ini, maka anda mampu:

  • 1. Menjelaskan tujuan dari rancangan percobaan dengan faktorial.

  • 2. Menjelaskan model matematika dari rancangan percobaan faktorial.

  • 3. Membuat tabel ANOVA untuk rancangan percobaan faktorial.

  • 4. Melakukan uji hipotesis dari percobaan faktorial.

  • 5. Meng-interpretasikan hasil dari uji hipotesis untuk percobaan faktorial.

Factorial Experiments  Desain Faktorial dibuat untuk meneliti efek dari dua atau lebih independent variables pada

Factorial Experiments

  • Desain Faktorial dibuat untuk meneliti efek dari dua atau

lebih independent variables pada dependent variable tunggal.

  • Ketika kita menyiapkan desain ini, unit percobaan harus lengkap dan dilakukan replikasi untuk setiap kemungkinan kombinasi dari independent variables.

  • Faktor-faktor diatur secara ‘full factorial design’, seringkali disebut dengan crossed.

Response

Response Efek Utama dan Interaksi Faktor A Faktor B A 1 A 2 B 1 B

Efek Utama dan Interaksi

Faktor A

Faktor B

A

1

A

2

B 1

B 2

20

30

40.6

51

Factorial Experiment -- No Interaction

60

50

40

30

20

10

0

Response Efek Utama dan Interaksi Faktor A Faktor B A 1 A 2 B 1 B

Factor B

B1 B2
B1
B2

A1

Factor A

A2

Faktor A

A

1

A

2

Faktor B

Factorial Experiment -- Interaction

45

B 1

B 2

 

40

35

   

30

20

30

Response

25

20

     

15

40.6

14

10

5

0

Response Efek Utama dan Interaksi Faktor A Faktor B A 1 A 2 B 1 B
Response Efek Utama dan Interaksi Faktor A Faktor B A 1 A 2 B 1 B

Factor B

B1 B2
B1
B2

A1

Factor A

A2

Desain Faktorial 2 faktor Factor A 1 2 a Factor B 1 2 … b 111

Desain Faktorial 2 faktor

Factor A

1

2

a

Factor B

1

2

b

y 111 , y 112 ,

y 121 , y 122 ,

 

y 1b1 , y 1b2 ,

…, y 11n

…, y 12n

…, y 1bn

y 211 , y 212 ,

y 221 , y 222 ,

 

y 2b1 , y 2b2 ,

…, y 21n

…, y 22n

…, y 2bn

       

y a11 , y a12 ,

y a21 , y a22 ,

 

y ab1 , y ab2 ,

…, y a1n

…, y a2n

…, y abn

Desain Faktorial 2 faktor  Model: y ijk        i

Desain Faktorial 2 faktor

  • Model:

y

ijk

  

i

j



ij

e

ijk

.

di mana e ijk adalah iid N(0,s 2 ) variabel random.

  • Hipotesis:

H

0

:

1

2

a

0

 

H

A

: sediktinya satu

0

 

H

0

:

1

2

b

0

 

H

A

: s edikitnya

_

satu

0

H :     0 untuk semua i,j 0 ij H : sedikitnya satu
H
:

 0
untuk semua i,j
0
ij
H
: sedikitnya satu  
 0
A
ij
Desain Faktorial 2 Faktor Total Sum of Squares SST SS Treatment B SSB SS Interaction AB

Desain Faktorial 2 Faktor

Total Sum of Squares

SST

   
Desain Faktorial 2 Faktor Total Sum of Squares SST SS Treatment B SSB SS Interaction AB
Desain Faktorial 2 Faktor Total Sum of Squares SST SS Treatment B SSB SS Interaction AB

SS Treatment B

SSB

Desain Faktorial 2 Faktor Total Sum of Squares SST SS Treatment B SSB SS Interaction AB

SS Interaction AB

SSAB

Desain Faktorial 2 Faktor Total Sum of Squares SST SS Treatment B SSB SS Interaction AB

SS Treatment A

SSA

SS Error SSE
SS Error
SSE
Desain Faktorial 2 Faktor  Sum of Squares: SST  a b n  i 

Desain Faktorial 2 Faktor

  • Sum of Squares:

SST

a

b

n



i

1

j

1

k

1

y

2

ijk

y

2



abn

SSA

a

i 1

y

2

i



bn

y

2



abn

SSB

b

j 1

y

2

j

 

an

y

2



abn

SSAB

a

b



i

1

j

1

y

2

ij

n

a

i 1

y

2

i



bn

b

j 1

y

2

j

 

an

y

2



abn

SSE SST SSASSB SSAB

Tabel Anova : Faktorial 2 Faktor Sumber Variasi Efek Utama A Efek Utama Interaksi AB Error

Tabel Anova : Faktorial 2 Faktor

Sumber

Variasi

Efek

Utama A

Efek

Utama

B

Interaksi

AB

Error

Total

Derajat

Sum of

Mean

bebas

Squares

Square

F 0

F Crit

 

SSA

MSA

a-1

SSA

a-1

MSE

F [a ,a-1,ab(n-1)]

SSB

SSB

MSB

b-1

b-1

MSE

F[a ,b-1,ab(n-1)]

(a-1)(b-1)

SSAB

SSAB

MSAB

(b-1)(a-1)

MSE

F[a,(a-1)(b-1),ab(n-1)]

 

SSE

ab(n-1)

SSE

ab(n-1)

abn-1

SST

Contoh 1 : ANOVA 2 Faktor  Ada 2 rute berbeda untuk transportasi dari pabrik menuju

Contoh 1 : ANOVA 2 Faktor

  • Ada 2 rute berbeda untuk transportasi dari

pabrik menuju pelabuhan, rute 1 dan rute 2, dan kapan (dari suatu hari) truk meninggalkan

pabrik, terbagi atas pagi, sore dan malam.

  • Rute kendaraan disebut sebagai faktor A dengan a=2 level dan periode dari suatu hari disebut sebagai faktor B dengan b=3 level.

ANOVA 2 Faktor
ANOVA 2 Faktor

Periode Hari

Route 1

Route 2

Pagi

Sore

Malam

y 111

=490

y 121 =511

y 131

=435

y 112

=553

y 122

=490

y 132

=468

y 113

=489

y 123

=489

y 133

=463

y 114

=504

y 124

=492

y 134

=450

y 115

=519

y 125

=451

y 135

=444

(y 11 =511.0)

(y 12 =486.6)

(y 13 =452.0)

y 211

=485

y 221

=456

y 231

=406

y 212

=489

y 222

=460

y 232

=422

y 213

=475

y 223

=464

y 233

=459

y 214

=470

y 224

=485

y 234

=442

y 215

=459

y 225

=473

y 235

=464

(y 21 =475.6)

(y 22 =467.6)

(y 23 =438.6)

(y 1 =493.3)

(y 2 =477.1)

(y 3 =445.3)

(y 1 =486.71)

(y 2 =464.45)

(y =471.9)

Pagi
Pagi

Sore

Malam

Rute 1

Rute 2

456

435

2338(467.6)

2434(486.8)

473

452

485

492

489

460

490

406

511

2378(475.6)

2555(511)

459

519

  • 463 459

  • 450 442

  • 444 464

2260(452)

2193(438.6)

504

475

489

489

553

485

490

470

422

464

468

  • 4933 y .j.

  • 493.3 y_bar .j.

    • 4772 y .j.

  • 477.2 y_bar .j.

    • 4453 y .j.

  • 445.3 y_bar .j.

y

14158

 

6814(486.71)

6503(464.5)

y i

..

(y_bar i

..

)

y_bar

471.93

ANOVA

Sumber Variasi

SS

df

MS

 

F

P-value

F crit

Periode Hari

11925.6

2

5962.8 15.9561

3.9E-05

3.4028

Rute

3830.7

1

3830.7 10.2507 0.00383

4.2597

Interaksi

653.6

2

326.8

0.8745 0.42994

3.4028

Error

8968.8

24

373.7

 

Total

25378.7

29

Drive Time

Drive Time

Drive Time

Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400

ANOVA 2 Faktor

520

500

480

460

440

420

400

Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400
Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400
Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400
Rute 1 Rute 2
Rute 1
Rute 2

Pagi

Sore

Malam

Periode Hari

500

490

480

470

460

450

440

430

420

Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400
Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400

Pagi

Sore

Malam

Period of day

485

480

475

470

465

460

455

450

445

Drive Time Drive Time Drive Time ANOVA 2 Faktor 520 500 480 460 440 420 400

Route 1

Route 2

Route

Analisa Perbedaan Mean untuk Faktor 2 K  q MSE n p a , p ,

Analisa Perbedaan Mean untuk Faktor 2

K  q MSE n p a , p ,  Periode hari Mean malam Sore
K
q
MSE n
p
a
,
p
,
Periode hari
Mean
malam Sore
Pagi
K
2.92
373.7 15
14.57
445.3
477.1
493.3
2
Malam
445.3
0
-31.8
-48p=3
K  3.53 373.7 15  17.62
3
Sore
477.1
0 -16.2 p=2
pagi
493.3
0
y
y
y
malam
Sore
Pagi
445.3
477.1
493.3
Contoh 2 :ANOVA 2 Faktor  Seorang peneliti tertarik pada evaluasi dampak 3 jenis obat (faktor

Contoh 2 :ANOVA 2 Faktor

  • Seorang peneliti tertarik pada evaluasi dampak 3 jenis obat (faktor B) pada perubahan perilaku 2 jenis gangguan, yaitu schizophrenics dan depresi pada pasien (faktor A).

  • Untuk mengujinya, diambil 9 pasien kategori a 1 (schizophrenics) secara random dan terbagi atas 3

subgroup dengan 3 pasien di setiap subgroup. Setiap

subgroup diberikan satu jenis obat. Demikian juga, untuk 9 pasien dengan kategori a 2 (depresi) dikenakan mekanisme yang sama.

  • Kriteria rating dibuat untuk mengukur perubahan perilaku

sebelum dan sesudah pemberian obat.

Contoh 2: Two-Factor ANOVA Cat A Cat A Obat B Obat B Obat B 4 8

Contoh 2: Two-Factor ANOVA

Cat A 1

Cat A 2

Obat B 1

Obat B 2

Obat B 3

4

8

4

  • 8 6

6

8

10

0

4

8

6

12 2 10 9 15 12 0 2 4 6 14 10
12
2
10
9
15 12
0
2
4
6
14 10

6

8

  • 7 5

  • 9 7

Contoh 2: Two-Factor ANOVA ANOVA Cat A Cat A Obat B Obat B Obat B 12

Contoh 2: Two-Factor ANOVA

ANOVA

Cat A 1

Cat A 2

Obat B 1

Obat B 2

Obat B 3

12 2 10 9 15 12 0 2 4 6 14 10
12
2
10
9
15 12
0
2
4
6
14 10
4 4 6 8 6 8 10 0 4 8 6 8
4
4
6
8
6
8
10
0
4
8
6
8

6

8

  • 7 5

  • 9 7

Sumber Variasi

SS

df

MS

F

P-value

F crit

Kategori

18

1

18 2.0377358

0.1789399

4.7472213

Jenis Obat

48

2

24 2.7169811

0.1063435

3.8852903

Interaksi

144

2

72 8.1509434

0.0058103

3.8852903

Within

106

12 8.833

 

Total

316

17

Ratings Difference

Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Category

Contoh 2: ANOVA 2 Faktor

14

12

10

8

6

4

2

0

Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Category
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Category
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Category
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Category
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Category
Category A1 Category A2
Category A1 Category A2

Category A1

Category A2

Obat B1

Obat B2

Obat B3

Ratings Difference

Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Obat

Contoh 2: ANOVA 2 Faktor

14

12

10

8

6

4

2

0

Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Obat
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Obat
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Obat
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Obat
Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 Obat
  • Obat B1

  • Obat B2

  • Obat B3

Category A1

Category A2

Contoh 2: ANOVA 2 Faktor Category/Obat A2B2 A1B1 A1B3 A1B2 A2B1 A2B3 Mean 2 4 6

Contoh 2: ANOVA 2 Faktor

Category/Obat A2B2 A1B1 A1B3 A1B2 A2B1 A2B3 Mean 2 4 6 8 10 12 A2B2 2
Category/Obat
A2B2
A1B1 A1B3 A1B2 A2B1 A2B3
Mean
2
4
6
8
10
12
A2B2
2
0 -2
-4
-6
-8
-10 P=6
A1B1
4
0
-2
-4
-6
-8 P=5
A1B3
6
0
-2
-4
-6 P=4
A1B2
8
0
-2
-4 P=3
A2B1
10
0
-2 P=2
A2B3
12
0
K
q
MSE n
p
a p 
,
,
K
3.08
8.833 3
 5.28
K 
4.51
8.833 3
7.74
2
5
K
3.77
8.833 3
 6.47
K 
4.75
8.833 3
8.15
3
6
K  4.20 8.833 3 7.21
4

Ratings Difference

Ratings Difference Contoh 2: ANOVA 2 Faktor 14 12 10 8 6 4 2 0 A

Contoh 2: ANOVA 2 Faktor

14

12

10

8

6

4

2

0

A

C

BC

ABC

AB

ABC

A C BC ABC AB ABC
A C BC ABC AB ABC
A C BC ABC AB ABC
  • Obat B1

  • Obat B2

  • Obat B3

Category A1

Category A2

Model Efek Random  Model: y      ijk i   

Model Efek Random

  • Model:

y

ijk

i



j

ij

e

ijk

parameter model i , j , () ij , dan e ijk adalah variabel random dengan i ~N(0,s 2 ), j ~N(0,s 2 ), (ij ~N(0,s 2 ), dan e ijk ~N(0,s 2 )

  • Mean ekspektasi Model Random Effects Model:

E MSA

E MSB

E MSAB

E MSE

s

2

n

2



s

bn

2

s

s

2

n

2



s

an

s

2

s

2

n

2



s

s

2

Model Efek Random  Dari Expected mean squares kita dapat melihat bahwa statistik uji untuk interaksi

Model Efek Random

  • Dari Expected mean squares kita dapat melihat bahwa statistik uji untuk interaksi adalah:

F

0

MSAB

MSE

F

0

MSA

MSAB

,

F

0

MSB

MSAB

  • Uji untuk faktor A dan B, yang sesuai adalah:

H

0

:

s

2

i

0

Model 3 Faktor:
Model 3 Faktor:

y

ijkl



i

j

k

a

b

c

ij



ik

n



jk

2



ijk

e

ijkl

  • Sum of Squares:

 

SST

   

 

2

y

 

y

ijkl

abcn

 
 

i

1

j

1

k

1

l

1

SSA

a

y

2

i  

y

2

 

 

SSB

b

y

2

j

 

y

2

 

,

SSC

c

y

2

k

 

y

2

 

 

,

     

,

 

i 1

bcn

abcn

 

j 1

acn

 

abcn

 

k 1

 

abn

 

abcn

 

a

b

2

a

2

b

2

2

 

SSAB

 

y

ij 

y

i  

bcn

y

j

 

acn

y

 

abcn

 
 

i

1

j

1

cn

 

i 1

j 1

 

a

c

2

a

2

 

c

2

2

 

SSAC

 

y

i

k

 

bn

y

i  

bcn

y

k

 

abn

y

 

abcn

 
 

i

1

k

1

 

i 1

k 1

 

b

c

2

b

2

 

c

2

2

 

SSBC

 

y

jk

y

j

 

1

y

k

 

abn

y

 

abcn

 
 

j

1

k

1

an

j

1

acn

k

 

a

b

c

2

a

b

2

 

a

c

2

b

c

y

2

 
 

SSABC

  

y

ijk

 

 

y

ij 

 

 

y

i

k

 

bn

 

jk

n

 

cn

an

 

i

1

j

1

k

1

i

1

j

1

i

1

k

1

j

1

k

1

 

a

2

b

2

c

2

2

 

y

i  

bcn

y

j

 

y

k

 

abn

y

 

abcn

 
 

i 1

 

j 1

acn

k 1

Model 3 Faktor: Source df SS MS E(MS) F bcn   2 k MSA A

Model 3 Faktor:

Source

 

df

 

SS

MS

E(MS)

 

F

 

bcn

2

k

 

MSA

 

A

 

a

1

 

SSA

MSA

 

s

2

 

F

0

a 1

MSE

 

acn

2

k

 

B

 

b

1

 

SSB

MSB

 

2

 

F

0

MSB

s

 

b 1

MSE

 

abn

2

k

 

MSC

 

C

1

SSC

MSC

2

 

F

AB

 

c

1



b

 

1

 

SSAB

MSAB

s

2

cn

c

1





2

ij

0

F

MSE

MSAB

a

   

s

 

a

1



b

1

2

ik

 

0

MSE

 

bn





 

AC

 

 

1



 

1

 

SSAC

MSAC

s

2

 

F

0

MSAC

a

c

 

a

1



c

1

2

jk

MSE

 





 

BC

 

b

1



c

1

 

SSBC

MSBC

s

2

an

 

F

0

MSBC

 

b

1



c

1

MSE

ABC

 

1



b

1



 

1

SSABC

MSABC

 

2

n

 



2

ijk

F

MSABC

a

c

s

a

1



b

1



c

1

0

MSE

Error

abc n

1

SSE

MSE

s

2

Model 3 Faktor: Source df Sum of Squares Mean Square F-Value P-Value 15.938 .0013 IH 1

Model 3 Faktor:

Source

df

Sum of Squares

Mean Square

F-Value

P-Value

15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
  • 15.938 .0013

IH

1

  • 37551.701 37551.701

  • 6222.289 444.449

14

BC * Subject(Grp)

.8291

.7719

  • 17.178 .0010

  • 21.492 .048

BC * G

  • 1 38.830

    • 38.830 .087

  • 1 21.492

BC

  • 614385.011 43884.644

753849.252

  • 1 753849.252

Subject(Grp)

14

G
G
  • 14 20889.734

IH * LT * Subject(Grp)

.5414

  • 584.777 .392

  • 1 584.777

14

  • 1.931 .1863

  • 2881.733 2881.733

1

165316.813

.4190

1

LT * G

  • 46.223 .0001

  • 1 165316.813

LT

  • 32985.754 2356.125

14

IH * Subject(Grp)

  • 5449.952 389.282

    • 1633.561 .693

  • 1 1633.561

IH * G

  • 1 231.663

BC * IH

  • 50071.213 3576.515

14

LT * Subject(Grp)

  • 5.348 .0365

  • 19126.013 19126.013

IH * LT

.4533

  • 231.663 .595

  • 1 77.082

BC * LT * G

  • 4.502 .0522

  • 1752.394 1752.394

1

BC * LT * Subject(Grp)

  • 4878.733 348.481

14

BC * IH * Subject(Grp)

  • 8.789 .0102

  • 2.396 .1439

IH * LT * G

  • 6502.952 464.497

14

BC * IH * LT * Subject(Grp)

.9771

.001

1492.124

  • 1 .398

BC * IH * LT * G

BC * LT

  • 1113.035 1113.035

1

BC * IH * LT

.398

  • 3062.901 3062.901

1

BC * IH * G

.6454

  • 77.082 .221

15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010
15.938 .0013 IH 1 37551.701 37551.701 6222.289 444.449 14 BC * Subject(Grp) .8291 .7719 17.178 .0010

Dependent: s tatic s trength

Desain Faktorial

26

Pengolahan dengan Minitab: Lay-out Data: Time Rute Periode 490 1 1 553 1 1 … ..

Pengolahan dengan Minitab:

Lay-out Data:

Time

Rute

Periode

 

490

1

1

553

1

1

..

..

..

511

1

2

490

1

2

489

1

2

492

1

2

451

1

2

435

1

3

468

1

3

463

1

3

450

1

3

444

1

3

485

2

1

489

2

1

Desain Faktorial

27

Hasil Pengolahan: General Linear Model: Time versus Rute, Periode Factor Type Rute fixed Levels Values 1,

Hasil Pengolahan:

General Linear Model: Time versus Rute, Periode

Factor

Type

Rute fixed

Levels Values 1, 2

2

Periode fixed

3

1, 2, 3

Analysis of Variance for Time, using Adjusted SS for Tests

Source

DF

Seq SS

Adj SS

Adj MS

F

P

Rute

1

3830.7

3830.7 3830.7 10.25 0.004

Periode

2 11925.6 11925.6 5962.8 15.96 0.000

Rute*Periode

2

653.6

653.6

326.8

0.87 0.430

 

Error

24

8968.8

8968.8

373.7

Total 29 25378.7

S = 19.3313

R-Sq = 64.66%

R-Sq(adj) = 57.30%