UNIVERSITAS MUHAMMADIYAH PALANGKARAYA

LEMBAGA PENELITIAN DAN PENGABDIAN PADA MASYARAKAT

KARYA PENGABDIAN PADA MASYARAKAT

Perencanaan dan
Analisis Eksperimen
dengan Minitab
Haryadi NIDN 0003116401

HALAMAN PENGESAHAN
1. Judul Karya Pengabdian
2. Sasaran
3. Identitas Penyusun
a. Nama

: PERENCANAAN DAN ANALISIS EKSPERIMEN DENGAN MINITAB

: Masyarakat umum
: Haryadi

b. NIDN

: 0003116401

c. Bidang Ilmu

: Matematika

d. Pangkat, Golongan

: Penata, III/c

e. Jabatan Fungsional

: Lektor

f.

: Pertanian dan Kehutanan / Agroteknologi

Fakultas/Program Studi

g. Alamat Kantor

: UM Palangkaraya Jl. RTA Milono KM 1,5 Palangka Raya

h. Telepon/Fax Kantor

: (0536) 3235139

i.

Alamat Rumah

: Jl. Akasia No. 18 RT 02 RW XIX Palangka Raya

j.

Telepon / Email

: 081528228117 / haryadi_ump@yahoo.co.id

4. Waktu pelaksanaan
5. Biaya

: Januari 2012 - Juni 2012

: Rp. 1.750.000,-

Palangka Raya, 20 Juni 2012

Mengetahui:
Ketua LP3M UM Palangkaraya,

Penyusun,

DJOKO EKO H.S., S.P., M.P.

NIP. 19761204 200501 1 001

HARYADI, M.Si., M.Sc

NIP. 19640311 199312 1 001

ii

Daftar Isi
KATA PENGANTAR........................................................................................................................................ iv
Memulai Minitab .......................................................................................................................................... 1
Memasukan Data .......................................................................................................................................... 1
Membuat Grafik Boxplot dan Dotplot .......................................................................................................... 3
Analisis Varian Satu Faktor............................................................................................................................ 4
Uji perbandingan ganda ................................................................................................................................ 5
Analisis Asumsi Model .................................................................................................................................. 6
Rancangan Blok Random Lengkap ................................................................................................................ 7
Rancangan Blok Tidak Lengkap Seimbang .................................................................................................... 9
Rancangan Bujur Sangkar Latin................................................................................................................... 10
Rancangan Blok dengan model interaksi blok-perlakuan .......................................................................... 12
Rancangan Faktorial .................................................................................................................................... 14
Membuat Rencana Percobaan.................................................................................................................... 16
Rancangan Faktorial .............................................................................................................................. 17

iii

KATA PENGANTAR
Bismillahirrahmaanirrahiim,
Dalam masyarakat ilmiah, merencanakan suatu penelitian merupakan tahap awal untuk keberhasilan
penelitian. Berdasarkan pengamatan penulis, dalam perencanaan penelitian tersebut umumnya
penelitian selalu mempertimbangkan banyaknya factor yang akan diteliti. Hal ini dikarenakan terkait
erat dengan analisis yang harus dilakukan dimana semakin banyak factor akan semakin panjang proses
analisisnya. Disisi lain, banyak peneliti yang menggunakan cara manual untuk melakukan analisis data;
walaupun hal ini tidak salah namun akan memakan waktu yang sangat lama dan memerlukan
kecermatan yang tinggi.
Penulisa berupaya untuk membantu masyarakat untuk memanfaatkan perangkat lunak statistic Minitab
untuk membantu proses perencanaan dan analisis penelitian yang ditekankan pada penelitian yang
menggunakan rancangan percobaan. Pemilihan perangkat lunak ini didasari perimbangan kemudahan
dalam menjalankannya.
Susunan tulisan ini sengaja dibuat tidak berurutan, yaitu pada awal pembahasan disajikan cara
melakukan analisis data hasil percobaan, sedangkan perencanaan percobaan diberikan menjelang akhir
tulisan ini. Hal ini dimaksudkan agar para pembaca memulai dengan topic yang sederhana dan setelah
berhasil mencoba latihannya bias ke topic yang lebih kompleks.
Semoga tulisan ini bisa membantu masyarakat dalam melakukan perencanaan dan analisis suatu
eksperimen.

Penulis,

Haryadi
NIDN 0003116401

iv

Memulai Minitab
Diasumsikan program minitab telah diinstall di computer dan dalam tulisan ini kita menggunakan
Minitab 16. Tidak terdapat berbedaan mendasar antar versi minitab.
Setelah kita menjalankan program Minitab maka akan tampak layar seperti berikut

Ada 3 bagian utama pada halaman tersebut: menu toolbars, session window dan data window. Data
window merupakan lembaran (worksheet) yang dibangun oleh baris dan kolom dan berfungsi untuk
memasukan data. Dalam satu file bisa terdiri dari beberapa worksheet. Session window berfungsi untuk
menampilkan hasil analisis.

Memasukan Data
Secara normal, kolom pada minitab diberi nama C1, C2, dan seterusnya. Jika diperlukan kita bisa
menambah nama kolom dibawahnya dengan cara
Double klik sel di bawah kolom, kemudian ketik nama yang dikehendaki
1

Selanjutnya nilai data dimasukan pada sel-sel mulai baris pertama dana seterusnya dibawah kolom yang
sesuai.
Sebagai contoh, misalnya suatu percobaan ingin mengetahui apakah ada perbedaan kadar nitrogen
pada beberapa merk pupuk. Untuk membuktikan pernyataan tersebut dilakukan percobaan dengan
rancangan random lengkap satu factor dengan 3 level (3 merk pupuk) dan 5 ulangan. Misalkan data hasil
pengamatan telah dientri ke worksheet.
Tabel 1.
Pada worksheet di samping, kolom C1 telah
ditambah namanya dengan Merk dan kolom C2
ditambah dengan Kadar N.
Kode 1,2 dan 3 pada kolom Merk menyatakan
kode untuk merk pupuk.
Kode 1,2 dan 3 masing-masing diulang 5 kali, yang
berarti ulangan eksperimen adalah 5.
Nilai-nilai di bawah kolom Kadar N merupakan nilai
pengamatan yang berkaitan dengan setiap merk.

Menyimpan file:
1. klik File Save Project
2. tentukan direktori dimana file akan disimpan, lalu beri nama file
3. klik Save.

Membuka file:
1. klik File Open Project
2. tentukan direktori dimana file berada, lalu pilih file
3. klik Open.

Membuat Grafik Boxplot dan Dotplot

Jenis grafik yang dapat dihasilkan dengan Minitab bisa dilihat pada menu toolbar Graph. Data yang telah
dientri pada bagian sebelumnya akan digunakan untuk membuat grafik. Dalam rancangan percobaan,
grafik yang sangat membantu untuk evaluasi awal pengaruh perlakuan adalah jenis boxplot dan dotplot.
Langkah-langkah membuat grafik boxplot/dotplot:
1. Pastikan data telah siap
2. Klik Graph lalu pilih Boxplot atau
Dotplot
3. Klik With Groups untuk membuat
boxplot setiap level perlakuan,
kemudian klik OK

4. Pastikan pointer berada di dalam

kota Graph variables, lalu double
klik C2 Kadar N.
5. Pastikan pointer berada di dalam
kota Categorical variables for
grouping, lalu double klik C1 Merk.

6. Klik OK dan dihasilkan diagram

boxplot di samping

37.5
35.0

Kadar N

N.B. Grafik yang dihasilkan Minitab

dapat disalin ke dalam pengolah kata
dengan klik kanan grafik tersebut
kemudian klik Copy Graph.

Boxplot of Kadar N
40.0

32.5
30.0
27.5
25.0
1

2
Merk

Analisis Varian Satu Faktor

Dalam analisis varian satu factor disini digunakan model efek tetap
= + +
dengan adalah respon perlakuan ke i ulangan ke j, rata-rata umum, adalah efek perlakuan ke i,
dan adalah kesalahan random yang diasumsikan berdistribusi normal standar independen.
Untuk melaksanakan dianalisis varian satu factor data Tabel 1, ditempuh dengan langkah-langkah
1. Pastikan data aktif di layar.
2. Klik Stat ANOVA One-way
3. Pastikan pointer berada pada kotak
Response double klik Kadar N
Pastikan pointer berada pada kotak Factor
double klik Merk

4. Setelah diklik OK akan dihasilkan

One-way ANOVA: Kadar N versus Merk
Source
Merk
Error
Total

DF
2
12
14

S = 2.153

Level
1
2
3

N
5
5
5

SS
204.13
55.60
259.73

MS
102.07
4.63

R-Sq = 78.59%

Mean
33.600
37.400
28.400

StDev
2.074
1.949
2.408

F
22.03

P
0.000

R-Sq(adj) = 75.03%
Individual 95% CIs For Mean Based on
Pooled StDev
-----+---------+---------+---------+---(-----*-----)
(-----*-----)
(-----*-----)
-----+---------+---------+---------+---28.0
31.5
35.0
38.5

Pooled StDev = 2.153

Interpretasi dari hasil ini dapat dilihat pada kolom F atau P pada tabel ANOVA. Nilai P pada tabel
tersebut menyatakan nilai maksimum kesalahan jenis pertama, jadi jika nilai P lebih kecil dari 0.05, maka
berarti terdapat pengaruh Merk pupuk terhadap kadar N pada tingkat signifikansi 5 persen. Kesimpulan
yang sama bias diperoleh dengan membandingkan nilai F (atau F hitung) dengan nilai kritis T (atau Ftabel).
4

Uji perbandingan ganda

Jika hasil analisis varian menunjukan adanya pengaruh perlakuan, biasanya kita tertarik untuk mencari
level perlakuan mana yang berbeda. Minitab menyediak uji perbandingan ganda dengan Metode Tukey,
Fisher dan Dunnet.
Kita akan melakukan uji perbandingan ganda dengan Metode Tukey.
Setelah langkah 3 di atas, dilanjutkan dengan
1. Klik Comparisons
2. Beri tanda cek di depan Tukeys, family
error rate. Secara default kotak dialog
Tukeys, family error rate berisi nilai 5,
namun jika diperlukan bisa diisi tingkat
signifikansi yang lain.
Setelah klik OK OK akan dihasilkan

Grouping Information Using Tukey Method

Merk
2
1
3

N
5
5
5

Mean
37.400
33.600
28.400

Grouping
A
B
C

Means that do not share a letter are significantly different.

Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of Merk
Individual confidence level = 97.94%
Merk = 1 subtracted from:
Merk
2
3

Lower
0.171
-8.829

Center
3.800
-5.200

Upper
7.429
-1.571

--------+---------+---------+---------+(----*-----)
(-----*----)
--------+---------+---------+---------+-7.0
0.0
7.0
14.0

Merk = 2 subtracted from:

Merk
3

Lower
-12.629

Center
-9.000

Upper
-5.371

--------+---------+---------+---------+(----*----)
--------+---------+---------+---------+-7.0
0.0
7.0
14.0

Mudah disimpulkan dari hasil perbandingan ganda bahwa ketiga Merk pupuk memiliki kada N yang
berbeda pada tingkat signifikansi 5 persen.

Analisis Asumsi Model

Dalam rancangan percobaan diasumsikan kesalahan random berdistribusi normal stadar dan mutually
independen. Hal ini lazim digunakan plot residual sebagai berikut
1. Setelah langkah 3, dilanjutkan dengan klik
Graph
Ada dua pilihan untuk membuat plot
residual, yaitu secara terpisah (Individual
plots) dan menyatu (Four in one). Kita
akan membuat keempat plot residual
dalam satu kesatuan.

2. Klik Four in one OK OK, dihasilkan

Residual Plots for Kadar N
Normal Probability Plot

Versus Fits

99
2
Residual

Percent

90
50
10
1

-5.0

-2.5

0.0
Residual

2.5

0
-2
-4

5.0

28

30

32
34
Fitted Value

Histogram

Versus Order
2

Residual

Frequency

2
1
0

36

0
-2
-4

-3

-2

-1

0
1
Residual

6 7 8 9 10 11 12 13 14 15
Observation Order

Rancangan Blok Random Lengkap

Model efek tetap untuk rancangan blok random lengkap adalah
= + + +
Dengan adalah respon perlakuan ke i blok ke j, rata-rata umum, adalah efek perlakuan ke i,
adalah efek blok ke j dan adalah kesalahan random yang diasumsikan berdistribusi normal standar
independen.
Analisis varian pada rancangan ini akan memberikan informasi apakah ada pengaruh perlakuan atau
pengaruh blok.
Data berikut merupakan hasil pengamatan percobaan yang bertujuan untuk mengetahui pengaruh
dolomite terhadap tinggi tanaman tomat dengan 4 dosis dolomite dan 3 blok. Perhatikan susunan data
pada rancangan blok.
Agar analisis berjalan dengan benar, nilai data
respon di entri dengan susunan seperti tabel di
samping.

Untuk menguji apakah ada pengaruh dolomite atau blok, dilakukan analisis varian dengan Minitab:

1. Pastikan data aktif di layar.

2. Klik Stat ANOVA General Linear
Model
3. Pastikan pointer berada pada kotak
dialog Responses:, lalu double klik C3
Respon
Pastikan pointer berada pada kotak
dialog Model:, lalu double klik C1
Blok dan double klik C2 Dolomit,
4. Klik OK, dihasilkan

General Linear Model: Respon versus Blok, Dolomit

Factor
Blok
Dolomit

Type
fixed
fixed

Levels
3
4

Values
1, 2, 3
1, 2, 3, 4

Analysis of Variance for Respon, using Adjusted SS for Tests

Source
Blok
Dolomit
Error
Total

DF
2
3
6
11

S = 0.819892

Seq SS
55.287
209.497
4.033
268.817

Adj SS
55.287
209.497
4.033

R-Sq = 98.50%

Adj MS
27.643
69.832
0.672

F
41.12
103.88

P
0.000
0.000

R-Sq(adj) = 97.25%

Unusual Observations for Respon

Obs
2

Respon
31.6000

Fit
30.3167

SE Fit
0.5798

Residual
1.2833

St Resid
2.21 R

R denotes an observation with a large standardized residual.

Kesimpulan mengenai pengaruh dolomite dan blok dapat dibaca dari table Anova kolom F atau
kolom P pada baris Blok atau baris Dolomit.

Rancangan Blok Tidak Lengkap Seimbang

Rancangan blok tidak lengkap adalah rancangan dimana tidak setiap level perlakuan ada pada setiap
blok. Rancangan blok tidak lengkap seimbang adalah rancangan blok tak lengkap dimana setiap dua
level perlakuan ada bersama-sama dengan frekuensi sama.
Misalnya ada empat jenis traktor yang akan diuji kecepatannya dalam membajak lahan. Karena hanya
tersedia 3 operator, maka digunakan rancangan blok tak lengkap seimbang dengan hari sebagai blok.
Misalkan data hasil pengamatan terhadap lama membajak lahan adalah

Perhatikan bahwa data pengamatan pada rancangan blok

tidak lengkap seimbang: pada blok 1 mesin 3 tidak ada,
pada blok 2 mesin 4 tidak ada, pada blok 3 mesin 2 tidak
ada dan pada blok 4 mesin 1 tidak ada.

Langkah analisis dengan Minitab sama dengan rancangan blok random lengkap. Hasil analisis data
tersebut adalah
General Linear Model: Respon versus Blok, Mesin
Factor
Blok
Mesin

Type
fixed
fixed

Levels
4
4

Values
1, 2, 3, 4
1, 2, 3, 4

Analysis of Variance for Respon, using Adjusted SS for Tests

Source
Blok
Mesin
Error
Total

DF
3
3
5
11

S = 1.02470

Seq SS
0.250
28.750
5.250
34.250

Adj SS
2.750
28.750
5.250

R-Sq = 84.67%

Adj MS
0.917
9.583
1.050

F
0.87
9.13

P
0.514
0.018

R-Sq(adj) = 66.28%

Dalam membaca hasil analisis perlu diperhatikan bahwa untuk rancangan blok tak lengkap seimbang,
jumlah kuadrat yang digunakan adalah jumlah kuadrat yang disesuaikan (Adj SS). Selanjutnya
kesimpulan hasil analisis dapat dibaca dari kolom F atau P.

Rancangan Bujur Sangkar Latin

Dalam percobaan lapang biasanya akan terdapat banyak factor yang berpotensi mempengaruhi respon.
Hal ini berakibat akan semakin banyak satuan percobaan yang harus disiapkan. Rancangan bujur sangkar
latin digunakan dengan maksud agar satuan percobaan lebih sedikit namun efek factor-faktor tersebut
masih bisa dipisahkan.
Model efek tetap untuk rancangan bujur sangkar latin adalah
= + + + +
Dengan adalah respon baris ke i kolom k perlakuan j, rata-rata umum, efek baris i, adalah
efek kolom ke k, adalah efek perlakuan ke j dan adalah kesalahan random yang diasumsikan
adalah efek baris berdistribusi normal standar independen.
Misalnya ingin diketahui pengaruh dosis suatu herbisida terhadap kecepatan mematikan gulma dengan
4 dosis. Misalkan herbisida diambil dari 4 batch berbeda dan aplikasi herbisida dilakukan oleh 4 perator
A, B,C dan D. Jelas batch dan operator berpotensi mempengaruhi efektivitas herbisida, oleh karena itu
efeknya perlu diperhitungan dengan cara menggunakan rancangan bujur sangkar latin. Misalkan data
hasil pengamatan adalah sebagai berikut.
Tabel: Kecepatan mematikan gulma (jam)
Operator
Batch
1
2
3
4

1
C=7
B=7
A=5
D=10

2
D=14
C=18
B=10
A=10

3
A=7
D=11
C=11
B=12

4
B=8
A=8
D=9
C=14

Untuk melakukan analisis, data tersebut terlebih dahulu dientry ke worksheet dalam format sebagai
berikut:

10

Pada kolom Baris notasi 1,2,3 dan 4 mnyatakan

nomor batch. Pada kolom Kolom notasi 1,2,3 dan
4 menyatakan nomor praetor.
Sebagai contoh, baris 3 adalah pengamatan batch
1 operator 4 level perlakuan 2.

Selanjutnya dilakukan analisis dengan langkah-langkah:

1. Klik Stat ANOVA General Linear
Model
2. Pastikan pointer berada pada kotak
dialog Responses:, lalu double klik
C4 Respon
Pastikan pointer berada pada kotak
dialog Model:, lalu double klik C1
Baris, C2 Klom dan C3 Perlakuan,
3. Klik OK, dihasilkan

General Linear Model: Respon versus Baris, Kolom, Perlakuan

Factor
Baris
Kolom
Perlakuan

Type
fixed
fixed
fixed

Levels
4
4
4

Values
1, 2, 3, 4
1, 2, 3, 4
1, 2, 3, 4

11

Analysis of Variance for Respon, using Adjusted SS for Tests

Source
Baris
Kolom
Perlakuan
Error
Total

DF
3
3
3
6
15

S = 1.32288

Seq SS
18.500
51.500
72.500
10.500
153.000

Adj SS
18.500
51.500
72.500
10.500

R-Sq = 93.14%

Adj MS
6.167
17.167
24.167
1.750

F
3.52
9.81
13.81

P
0.089
0.010
0.004

R-Sq(adj) = 82.84%

Rancangan Blok dengan model interaksi blok-perlakuan

Model efek tetap untuk rancangan blok random lengkap dengan interaksi blok-perlakuan dengan
ulangan adalah
= + + + () +
Perbedaannya dengan rancangan blok biasa adalah pada model linear ditambahkan suku () yang
menyatakan efek interaksi perlakuan i blok j.
Untuk memberikan gambaran tentang analisis rancangan ini, misalkan ingin diketahui pengaruh merek
bola lampu dan dayanya terhadap lama hidupnya. Sebanyak 4 merk bola lampu dan 2 macam daya
dikukur lama hidupnya dan diulang 5 kali. Misalkan data pengataman adalah
Tabel: Lama hidup bola lampu (jam)

Blok (Daya)

Merk
1

60 watt

750
760
780
740
750

600
650
700
680
710

755
755
710
700
680

800
780
750
720
760

100 watt

700
690
675
680
610

600
620
680
680
650

710
700
685
690
600

750
710
700
720
700

Selanjutnya data tersebut dientri ke worksheet dengan format sebagai berikut

12

Analisis dengan Minitab dilakukan sebagai berikut:

1. Klik Stat ANOVA General Linear
Model
2. Pada kotak-kotak dialog di samping diisi
seperti pada rancangan blok biasa,
kecuali pada kotak dialog Model
ditambahkan suku interaksi Daya*Merek
3. Setelah klik OK akan diperoleh

General Linear Model: Respon versus Daya, Merek

Factor
Daya
Merek

Type
fixed
fixed

Levels
2
4

Values
1, 2
1, 2, 3, 4

Analysis of Variance for Respon, using Adjusted SS for Tests

Source
Daya
Merek
Daya*Merek
Error
Total

DF
1
3
3
32
39

Seq SS
24010
35385
5175
36670
101240

Adj SS
24010
35385
5175
36670

Adj MS
24010
11795
1725
1146

F
20.95
10.29
1.51

P
0.000
0.000
0.232

13

Rancangan Faktorial
Model efek tetap rancangan factorial dengan dua factor A dan B dapat ditulis sebagai
= + + + () +
dimana , dan () berturut-turut menyatakan efek factor A, B dan interaksi, sedangkan suku
lainnya menyatakan hal yang serupa dengan pembahasan sebelumnya.
Sebagai contoh, misalnya kita telah melakukan percobaan factorial pengaruh pupuk P dan N terhadap
pertumbuhan tomat dengan data sebagai berikut
Data: Tinggi tanaman tomat (cm)
P1

P2

P3

N1

24
24
25
25

25
25
26
27

27
28
28
27

N2

31
30
30
30

30
29
26
27

27
25
24
25

N3

27
27
28
30

36
34
33
33

32
34
35
34

Tahap pentingnya adalah format data tersebut di worksheet. Data tersebut dientri dengan format
berikut.

14

Langkah untuk melakukan analisis dengan

Minitab dilakukan serupa dengan cara
sebelumnya, kecuali pada tahap berikut
dimana efek interaksi dimasukan kedalam
model
yaitu pada kotak Model dimasukan suku Pupuk
N*Pupuk P.

Hasil analisis ini adalah

General Linear Model: Tinggi versus Pupuk N, Pupuk P
Factor
Pupuk N
Pupuk P

Type
fixed
fixed

Levels
3
3

Values
1, 2, 3
1, 2, 3

15

Analysis of Variance for Tinggi, using Adjusted SS for Tests

Source
Pupuk N
Pupuk P
Pupuk N*Pupuk P
Error
Total
S = 1.17063

DF
2
2
4
27
35

Seq SS
225.389
18.056
142.444
37.000
422.889

R-Sq = 91.25%

Adj SS
225.389
18.056
142.444
37.000

Adj MS
112.694
9.028
35.611
1.370

F
82.24
6.59
25.99

P
0.000
0.005
0.000

R-Sq(adj) = 88.66%

Untuk rancangan factorial dengan banyaknya factor lebih dari 2, format table dan analisisnya serupa
dengan pembahasan ini, dengan mengingat bahwa semua kemungkinan interaksi antara factor perlu
diperhatikan. Misalnya untuk tiga factor A,B dan C, maka kita perlu mempertimbangkan factor interaksi
AB, AC, BC dan ABC.

Membuat Rencana Percobaan

Minitab dilengkapi fasilitas DOE (Design of Experiment) yang dapat membantu menyiapkan metode
untuk melaksanakan percobaan. Dalam tulisan ini akan diberikan contoh perencanaan rancangan untuk
percobaan factorial.
Sebagai contoh, misalkan kita akan melakukan eksperimen dua factor, Factor A terdiri 3 level dan Factor
B terdiri 4 level, dengan tiga ulangan
1. Klik Stat ANOVA DOE Factorial
Create Factorial Design
2. Di bawah Type of Design pilih General full
factorial design
3. Pada In Number of factors, pilih 2
4. Klik Designs

16

5. Di bawah Name, ketik berturut-turut

Factor A, Faktor B
6. Di bawah Number of Levels, pilih
banyaknya level untuk setiap faktor
7. Pada Number of replicates, pilih 3
8. Klik OK untuk kembali ke kotak dialog
utama

9. Klik OK, dihasilkan tabel di samping. Untuk

mengentri hasil pengamatan, bisa
ditambahkan kolom Respon.
Kolom RunOrder merupakan urutan dalam
mana kita akan melakukan observasi.
Misalnya urutan pertama yang diobservasi
adalah ulangan 1 faktor A level 2 faktor B
level 4. Kolom RunOrder dibangkitkan
secara random.
Kolom StdOrder berisi nomor urut satuan
percobaan berdasarkan urutan ulangan,
factor A dan factor B. Jika tidak dilakukan
randomisasi, maka kolom StdOrder dan
RunOrder sama.
10. Data hasil pengamatan bisa diisi pada
kolom Respon.

Rancangan Faktorial
Pembahasan rancangan faktorial 2 akan diberikan melalui bentuk yang sederhana, yaitu rancangan
faktorial 2 . Rancangan faktorial 2 adalah rancangan dua factor dimana setiap factor terdiri dari 2 level,
namakan level tinggi (ditulis +) dan level rendah (ditulis -).
Sebagai contoh, misalnya kita ingin mengetahui pengaruh factor katalisator dan temperature terhadap
kecepatan reaksi. Misalnya ada 2 konsetrasi katalisator dan 2 level temperature. Untuk memulai
percobaan ini kita gunakan DOE,
17

1. Klik Stat ANOVA DOE

Factorial Create Factorial Design
2. Di bawah Type of Design pilih 2-level
factorial (default generators)
3. Pada In Number of factors, pilih 2
4. Klik Designs

5. Pada Number of replicatesfor corner

pints, pilih 3
6. Klik OK untuk kembali ke kotak dialog
utama

7. Klik OK, dihasilkan tabel di samping.

Untuk mengentri hasil pengamatan,
bisa ditambahkan kolom Respon.

8. Data hasil pengamatan bisa diisi pada

kolom C7. Kolom C7 boleh diberi
nama, misalnya Respon. Anggap data
telah dimasukan ke kolom Respon

Analisis data dilakukan dengan cara biasa:

18

1. Klik Stat ANOVA General Linear

Model

2. Hasil analisis adalah

General Linear Model: Respon versus A, B

Factor
A
B

Type
fixed
fixed

Levels
2
2

Values
-1, 1
-1, 1

Analysis of Variance for Respon, using Adjusted SS for Tests

Source
A
B
A*B
Error
Total

DF
1
1
1
8
11

S = 2.21736

Seq SS
36.750
18.750
24.083
39.333
118.917

Adj SS
36.750
18.750
24.083
39.333

R-Sq = 66.92%

Adj MS
36.750
18.750
24.083
4.917

F
7.47
3.81
4.90

P
0.026
0.087
0.058

R-Sq(adj) = 54.52%

Unusual Observations for Respon

Obs
5

Respon
57.0000

Fit
60.6667

SE Fit
1.2802

Residual
-3.6667

St Resid
-2.03 R

R denotes an observation with a large standardized residual.

19