11 0 309 KB
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam suatu percobaan atau studi kasus. kita menyadari bahwa tidak hanya satu atau dua faktor saja yang ingin dipelajari. Tetapi sering juga kita dihadapkan pada pengaruh dari tiga faktor atau lebih. Peneliti mungkin saja tertarik untuk mempelajari faktor-faktor itu secara serentak untuk mengetahui pengaruh masing-masing faktor dan interaksi antar faktor-faktor tersebut. Misalnya pada percobaan varietas padi. kita tidak saja ingin mengetahui pengaruh bagaimana perilaku varietas padi yang satu dibandingkan dengan yang lain. tetapi juga seberapa jauh potensi masing-masing varietas jika ditanam pada jarak tanam yang berbeda dan pupuk yang berbeda. Maka dari itu rancangan perlakuan yang dapat digunakan adalah Percobaan Faktorial. Percobaan faktorial adalah percobaan yang mencoba dua faktor atau lebih dan masingmasing faktor terdiri dari dua level atau lebih. dimana semua taraf setiap faktor dikombinasikan menjadi kombinasi perlakuan. Kombinasi perlakuan ini merupakan satu kesatuan perlakuan yang dicoba dengan suatu rancangan tertentu.Percobaan ini digunakan untuk melihat interaksi antara faktor yang kita cobakan. Adakalanya kedua faktor saling sinergi terhadap respon (positif). namun adakalanya juga keberadaan suatu faktor justru menghambat kinerja faktor lain (negative). 1.2 Tujuan Tujuan dari penulisan makalah ini adalah untuk lebih memahami mengenai rancangan faktorial kususnya dengan tiga faktor. Yang nantinya dapat kami implementasikan pada percobaan – percobaan yang sifatnya serupa. 1.3 Batasan Masalah Karena pada percobaan faktorial mencakup percobaan yang sangat luas maka dalam makalah ini hanya dibatasi pada pembahasan percobaan faktorial dengan rancangan dasar RAL
(rancangan acak lengkap) dengan melibatkan 3 faktor di dalamnya dan masing-masing faktor maksimal terdiri atas 3 level.
1.4 Keuntungan dan Kerugian Keuntungan menggunakan analisis ini adalah : - Semua unit percobaan digunakan dalam mengevaluasi efek dari masing-masing faktor. - Interaksi antar faktor dapat diduga sehingga dapat diketahui apakah faktor bekerja sendiri atau memiliki interasi dengan faktor lainnya. - Ruang lingkup pengambilan kesimpulan lebih luas. Kerugian menggunakan analisis ini adalah : -Analisis statistika menjadi lebih kompleks dan panjang. -Makin banyak faktor yang diteliti. kombinasi perlakuan semakin meningkat pula.sehingga ukuran
percobaan
semakin
besar
dan
akan
mengakibatkan
ketelitiannya
semakin berkurang. -Terdapat kesulitan dalam menyediakan satuan percobaan yang relatif homogen. -Interaksi lebih dari menginterpretasikannya.
2
faktor
agak
sulit
untuk
BAB II ISI 2.1 Percobaan Faktorial Percobaan faktorial bukan merupakan suatu rancangan (design) . melainkan suatu pola melakukan percobaan. untuk mencoba serentak dari beberapa faktor dalam suatu percobaan. Adapun rancangan yang digunakan dalam percobaan faktorial tergantung kepada keadaan lingkungan dan tujuan percobaan. Rancangan yang biasa dipakai adalah rancangan dasar seperti RAL. RAK dan RBSL. (Abdul Syahid .2009) Dalam percobaan faktorial pengaruh yang ditimbulkan oleh peubah bebas (perlakuan faktorial) yang dicobakan dapat dilihat dari proyeksi yang ditunjukkan oleh peubah tak bebas (faktorial respon). Pengaruh perlakuan faktorial (perlakuan kombinasi) ini dapat dibedakan menjadi pengaruh sederhana(tunggal). pengaruh utama. dan pengaruh interaksi. Yang dimaksud dengan pengaruh sederhana adalah pengaruh suatu faktor dalam satu level faktor lainnya. Dari hasil pengujian ini dapat diketahui kondisi perbedaan taraf-taraf dari suatu faktor pada kondisi taraf-taraf yang berbeda dari faktor yang lain. Informasi yang diperoleh juga lebih rinci dan dapat mengetahui adanya interaksi atau tidak.Sedangkan pengaruh utama merupakan rata -rata dari nilai semua pengaruh tunggal atau sederhana. Hasil yang diperoleh dari pengujian pengaruh utama menunjukkan apakah taraf-taraf dari suatu faktor tertentu nyata atau tidak pada semua kondisi taraf faktor yang lain. (R.S. Kusriningrum. 2008.)
Tujuan dari percobaan faktorial adalah untuk melihat interaksi antara faktor yang kita cobakan. Adakalanya kedua faktor saling sinergi terhadap respon (positif). namun adakalanya juga keberadaan suatu faktor justru menghambat kinerja faktor lain (negative). Adanya kedua mekanisme tersebut cenderung meningkatkan pengaruh interaksi antar ke dua faktor. Pengaruh interaksi adalah kegagalan level faktor yang satu terhadap level faktor yang lain untuk memberikan respon hasil yang sama. Pengaruh interaksi juga dapat dikatakan sebagai perbedaan (selisih) respon dari suatu faktor terhadap level faktor yang lain. ( Gaspers. V. 1991.)
2.2 Percobaan Faktorial Dengan Tiga Faktor (AxBxC) Percobaan faktorial AxBxC merupakan salah satu percobaan faktorial yang melibatkan 3 faktor di dalamnya. Sebagaimana percobaan faktorial dengan dua faktor. percobaan dengan tiga faktor akan semakin kompleks dan pelaksanaannya semakin sulit. Perbedaan faktorial AxBxC dengan faktorial AxB terletak pada pengaruh yang dipelajari. -
Untuk faktorial AxB ada 3 pengaruh. yaitu 2 pengaruh utama (A dan B) dan 1 pengaruh interaksi (AB).
-
Untuk factorial AxBxC terdapat 7 pengaruh. yaitu 3 pengaruh utama (A.B dan C) . 3 interaksi 2 faktorial (AB.Ac dan BC) dan 1 interaksi 3 faktor (ABC). Pada faktorial
AxBxC penempatan perlakuan kombinasinya ke dalam satuan- satuan
percobaan . sama halnya dengan factorial AxB. tergantung pada rancangan yang dipergunakan apakah RAL atau RAK. Rancangan dasar RBSL sangat jarang sekali digunakan dikarenakan dengan semakin banyaknya faktor yang terlibat maka perlakuan akan semakin banyak. Ini merupakan hambatan terhadap pemakaian RBSL. Model yang digunakan tergantung pada rancangan percobaan yag dipilih. Jika digunakan Rancangan Acak Lengkap maka modelnya : (Yitnosumarto. Suntoyo. 1990) Yijkl=
μ + αi + βj + (αβ)ij + γk + (αγ)ik + (βγ)jk + (αβγ)ijk + eijkl
i = 1. 2. …. a j = 1. 2. …. b k = 1. 2. …. c l = 1. 2. …. r . dimana Yijk
= pengamatan untuk level A ke-i. level B ke-j. level C ke-k dan ulangan ke-l
µ
= nilai tengah umum
αi
= pengaruh perlakuan faktor A taraf ke-i
βi
= pengaruh perlakuan faktor B taraf ke-j
(αβ)ij = interaksi antara perlakuan A taraf ke-i dan perlakuan B taraf ke-j γk
= pengaruh perlakuan faktor C taraf ke-k
(αγ)ik = interaksi antara perlakuan A taraf ke-i dan perlakuan C taraf ke-k (βγ)jk
= interaksi antara perlakuan B taraf ke-j dan perlakuan C taraf ke-k
(α βγ)ijk= interaksi antara perlakuan A taraf ke-i. perlakuan B taraf ke-j dan perlakuan C taraf kek eijkl = galat percobaan untuk pengamatan ke-i. j. k. l Model di atas dapat diduga berdasarkan datanya. yaitu sebagai berikut : yijkl = ỹ...+ (ỹi..- ỹ...) + (ỹ.j. - ỹ...) + (ỹ.k. - ỹ...) + (ỹijk. - ỹi. - ỹ.j - ỹk + ỹ..)+ (yijkl ỹijk.) (yijkl - ỹ..) = (ỹi. - ỹ..) + (ỹ.j - ỹ..) + (ỹ.k. - ỹ...) + (ỹijk. - ỹi. - ỹ.j - ỹk + ỹ..)+ (yijkl - ỹijk.) DB
(abcn-1) = (a -1) + (b-1) + (c-1) + (abc - a – b- c +1) + (abcn – abc) (abcn -1) = (a-1) + (b -1) + (c-1) + (a-1)(b – 1)(c-1) + abc(n-1)
DB Total = DB Faktor A +DB Faktor B + DB Faktor C +DB Interaksi ABC+ DB Galat
Tabel analisis Ragam Untuk Faktorial AxBxC dengan RAL : SK
Db (abc – 1)
Perlakuan
JK JKP
-
A
(a - 1)
JKA
-
B
(b - 1)
JKB
-
C
(c - 1)
JKC
-
AB
(a - 1) (b - 1)
JKAB
-
AC
(a - 1) (c - 1)
JKAC
-
BC
(b - 1) ( c – 1)
JKBC
-
ABC
(a - 1) (b - 1) ( c – 1)
JK ABC
Galat
abc (n – 1)
JK G
Total
(nabc – 1)
JK T
dengan keterangan : 2
FK
= (ΣiΣjΣkΣlYijkl) /nabc
JKP
= ΣjΣkΣl(ΣiYijkl) /n – FK
JKA
= Σj(ΣiΣkΣlYijkl) /nbc – FK
JKB
= Σk(ΣiΣjΣlYijkl) /nac – FK
JKC
= Σl(ΣiΣjΣkYijkl) /nab – FK
JKAB
= ΣjΣk(ΣiΣlYijkl) /nc – FK – JKA – JKB
JKAC
= ΣjΣl(ΣiΣkYijkl) /nb– FK – JKA – JKC
JKBC
= ΣkΣl(ΣiΣjYijkl) /na – FK – JKB – JKC
JKABC
= ΣjΣkΣl(ΣlYijkl) /n – JKA - JKB - JKC - JKAB - JKAC - JKBC - FK
2
2
2
2
2
2
2
2
= JKP - JKA - JKB - JKC - JKAB - JKAC - JKBC
JKG
= JKT - JKP
JKT
= ΣiΣjΣkΣlY
2
ijkl–
FK
BAB III PERMASALAHAN DAN PEMBAHASAN Soal 1 Permasalahan ini diambil dari penelitian Zulkarnain dan Erman Syahruddin yang bertujuan untuk mengetahui pengaruh beberapa mikroba pada kondisi optimum yang digunakan untuk mengevaluasi secara biologis produk fermentasi kiambang
terhadap performans dan
kualitas ayam broiler. Perlu diketahui bahwa kiambang merupakan tanaman yang hidup sebagai gulma pada air tenang. air mengalir dan sawah sehingga bisa mengganggu produksi ikan maupun
padi. Namun.sebagai pakan unggas. kiambang juga kaya akan karoten sehingga baik untuk meningkatkan kualitas kuning telur dan kulit telur. Penelitian ini dilakukan dengan menggunakan RAL pola faktorial 3x3x2 dengan 3 ulangan. faktor pertama yaitu tingkat pemberian kiambang yang telah difermentasi (0%. 15%. dan 30%). faktor kedua yaitu umur ternak (4.6 dan 8 minggu) dan faktor ketiga yaitu jenis kelamin (jantan dan betina) . Tabel 1 : Pengaruh Pemakaian Kiambang Fermentasi. Umur Serta jenis Kelamin Terhadap Rata rata Persentase Lemak Abdominal dengan berat hidup per ekor (%) . Level
Jenis kelamin
Umur
Ulangan Kons Ferment
1
2
3
0.00 0.15 0.30 0.00 0.15 0.30 0.00 0.15 0.30 0.00 0.15 0.30
3.02 3.05 2.14 3.16 2.91 2.60 2.52 2.31 1.93 2.87 2.54 2.27
3.08 2.91 2.14 2.82 2.98 2.34 3.01 2.74 2.14 2.67 2.81 1.72
3.70 2.83 2.25 2.91 2.42 2.28 2.92 2.62 2.09 3.35 2.35 2.22
6
0.00 0.15 0.30
2.98 2.53 2.08
2.58 2.21 1.96
2.80 2.75 1.90
8
0.00 0.15 0.30
2.75 2.37 2.11
2.52 2.21 1.86
2.56 2.33 1.75
4
Jantan
6 8 4
Betina
Pembahasan : Hipotesis yang digunakan adalah : 1. H0: α1 = α2 = α3 = 0 vs
H1: paling sedikit ada satu αj yang tidak sama dengan nol. 2. H0: β1 = β2 = β2 = 0 vs H1 : paling tidak ada satu βk yang tidak sama dengan nol . 3. H0 : γ1 = γ2 = 0 vs H1 : paling tidak ada satu γl yang tidak sama dengan nol. 4. H0 : (αβ)11 = (αβ)12 = (αβ)13 = (αβ)21 = (αβ)22 = (αβ)23 = (αβ)31 = (αβ)32 = (αβ)33 0 vs H1 : paling tidak ada satu (αβ)jk yang tidak sama dengan nol. 5. H0 : (αγ)11 = (αγ)12 = (αγ)21 = (αγ)22 = (αγ)31 = (αγ)32 = 0 vs H1 : paling tidak ada satu (αγ)jl yang tidak sama dengan nol. 6. H0 :(βγ)11 = (βγ)12 = (βγ)21 = (βγ)22 = (βγ)31 = (βγ)32 = 0 vs H1 : paling tidak ada satu (βγ)kl yang tidak sama dengan nol. 7. H0 : (αβγ)111 = (αβγ)112 = (αβγ)121 = (αβγ)122 = (αβγ)131=(αβγ)132 = (αβγ)211= (αβγ)212 = (αβγ)221 = (αβγ)222 =(αβγ)231 =(αβγ)232 = (αβγ)311 = (αβγ)312 = (αβγ)321 = (αβγ)322=.... = 0 H1 : paling tidak ada satu (αβγ)jkl yang tidak sama dengan nol. Perhitungan dengan MINITAB General Linear Model: data versus jenis kelamin. umur. konsentrasi Factor jenis kelamin umur konsentrasi
Type fixed fixed fixed
Levels 2 3 3
Values 1. 2 1. 2. 3 1. 2. 3
Analysis of Variance for data. using Adjusted SS for Tests Source jenis kelamin umur konsentrasi jenis kelamin*umur jenis kelamin*konsentrasi umur*konsentrasi jenis kelamin*umur*konsentrasi Error Total S = 0.221978
R-Sq = 81.55%
DF 1 2 2 2 2 4 4 36 53
Seq SS 0.84876 0.77403 5.92156 0.01856 0.01425 0.16984 0.09609 1.77387 9.61694
Adj SS 0.84876 0.77403 5.92156 0.01856 0.01425 0.16984 0.09609 1.77387
Adj MS 0.84876 0.38701 2.96078 0.00928 0.00712 0.04246 0.02402 0.04927
R-Sq(adj) = 72.84%
Unusual Observations for data Obs 37 46
data 3.70000 3.35000
Fit 3.26667 2.96333
SE Fit 0.12816 0.12816
Residual 0.43333 0.38667
St Resid 2.39 R 2.13 R
R denotes an observation with a large standardized residual.
F 17.23 7.85 60.09 0.19 0.14 0.86 0.49
P 0.000 0.001 0.000 0.829 0.866 0.496 0.745
Perhitungan Manual Tabel 1 Level
Jenis kelamin
Ulangan
Umur
Kons Ferment
1
2
3
4
0.00 0.15 0.30
3.02 3.05 2.14
3.08 2.91 2.14
3.70 2.83 2.25
6
0.00 0.15 0.30
3.16 2.91 2.60
2.82 2.98 2.34
2.91 2.42 2.28
8
0.00 0.15 0.30
2.52 2.31 1.93
3.01 2.74 2.14
2.92 2.62 2.09
4
0.00 0.15 0.30
2.87 2.54 2.27
2.67 2.81 1.72
3.35 2.35 2.22
6
0.00 0.15 0.30
2.98 2.53 2.08
2.58 2.21 1.96
2.80 2.75 1.90
8
0.00 0.15 0.30
2.75 2.37 2.11
2.52 2.21 1.86
2.56 2.33 1.75
46.14
44.7
46.03
Jantan
Betina
Jumlah
Total Yij
Rata-rata
9.80 8.79 6.53 8.89 8.31 7.22 8.45 7.67 6.16 8.89 7.7 6.21 8.36 7.49 5.94 7.83 6.91 5.72 136.87
3.2667 2.93 2.177 2.96 2.77 2.41 2.82 2.55 2.05 2.96 2.56 2.07 2.79 2.49 1.98 2.61 2.30 1.91 45.62
Tabel 2 (tabel 1 yang disederhanakan) jenis kelamin
umur 4 6 8 4 6 8
Jantan
Betina Jumlah
0.00 9.80 8.89 8.45 8.89 8.36 7.83 52.22
konsentrasi fermentasi 0.15 0.30 8.79 6.53 8.31 7.22 7.67 6.16 7.70 6.21 7.49 5.94 6.91 5.72 46.87 37.78
Jumlah 25.12 24.42 22.28 22.80 21.79 20.46 136.87
Tabel 3 (tabel 2 Arah untuk Faktor A dan Faktor B) Jenis Kelamin
Umur
Total
FK
4
6
8
Jantan
25.12
24.42
22.28
71.82
Betina
22.80
21.79
20.46
65.05
Total
47.92
46.21
42.74
136.87
2
= (136.87) / 2x3x3x3 = 18733.4 / 54 = 346.9148 2
2
2
2
JK Total = (3.02) +(3.08) + (3.70) +………. + (1.75) – FK = 356.532 – 346.9148 = 9. 617 2
2
2
2
JK perlakuan = ( 9.80 + 8.79 + 6.53 + …………+ 5.72 ) / 3 – FK = ( 1064.274 / 3 ) – 346.9148 = 7.8430 2
2
JK (A) = [ (71.82) + (65.05) / 3 x 3x 3) ] – FK = ( 9389.61 / 27) - 346.9148 = 347.7635 - 346.9148 = 0.849 2
2
2
JK (B) = [ (47.92 + 46.21 + 42.74 ) / 3 x2 x 3 ] – FK = ( 6258.398 / 18 ) - 346.9148 = 347.6887 - 346.9148 = 0.7740 2
2
2
2
JK (AB) = [ ( 25.12 + 24.42 + 22.28 +….+ 136.87 ) / 3x3] – FK - JK (A) - JK (B)
= ( 3137.005 / 9) - FK - JK (A) - JK (B) = 348.5561 - 346.9148 - 0.849 - 0.7740 = 0.0185
Tabel 4 ( Tabel 2 Arah untuk Faktor A dan C) Konsentrasi Fermentasi
Jenis Kelamin
Total
0.00
0.15
0.30
Jantan
27.14
24.77
19.91
71.82
Betina
25.08
22.10
17.87
65.05
Total
52.22
46.87
37.78
136.87
2
2
2
JK (C) = [ (52.22 + 46.87 + 37.78 ) / 3 x 2 x 3] – FK = (6351.0537 /18) - 346.9148
= 5.9215 2
2
2
2
JK (AC) = [ ( 27.14 + 24.77 +19.91 +….+ 17.87 ) / 3x3] - FK - JK (A) - JK (C) = ( 3183.294 / 9 ) - FK - JK (A) - JK (C) = 353.70 - 346.9148 - 0.849 - 5.9215 = 0.0142 Tabel 5 ( Tabel 2 Arah untuk Faktor B dan C) Konsentrasi Fermentasi
Umur
Total
0.00
0.15
0.30
4
18.69
16.49
12.74
47.92
6
17.25
15.80
13.16
46.21
8
16.28
14.58
11.88
42.74
Total
52.22
46.87
37.78
136.87
2
2
2
2
JK (BC) = [ (18.69 + 16.49 + 12.74 +……+ 11.88 ) / 3x2 ] - FK - JK (B) - JK (C) = ( 2122.681 / 6 ) - FK - JK (B) - JK (C) = 353.780183 - 346.9148 - 0.7740 - 5.9215 = 0.169883
JK ( ABC) = JK perlakuan – JK (A) - JK (B) - JK (C) - JK (AB) - JK (AC)- JK (BC) = 7.8430 - 0.849 - 0.7740 - 5.9215- 0.0185 - 0.0142 - 0.169883 = 0.095917 = 0.096 JK Galat = JK total – JK perlakuan = 9. 617 - 7.8430 = 1.774
Dari perhitungan manual di atas dapat dibuat tabel ANOVA dan sekaligus uji F-nya sebagaimana tertera di bawah ini : TABEL ANOVA (Tb. Analisis Ragam) SK
db
JK
KT
F hit
17
7.8430
0.46135
9.3581
1
0.849
0.849
17.22
4.11
2
0.7740
0.387
7.85
3.26
2
5.9215
2.96075
60.056
3.26
-
Perlakuan Jenis Kelamin (A) Umur (B) Konsentrasi Fermentasi (C) AB
2
0.0185
0.00925
0.188
3.26
-
AC
2
0.0142
0.0071
0.144
3.26
-
BC
4
0.1698
0.0425
0.862
2.63
-
ABC
4
0.096
0.024
0.487
2.63
Galat
36
1.774
0.0493
Total
53
9. 617
-
Keputusan dan Kesimpulan
F tab
o Untuk faktor jenis kelamin. karena nilai P-value (0.00) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0 sehingga dapat disimpulkan bahwa faktor jenis kelamin berpengaruh nyata terhadap rata - rata persentase lemak abdominal o Untuk faktor umur. karena nilai P-value (0.001) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0
sehingga dapat disimpulkan bahwa faktor umur
berpengaruh nyata terhadap rata - rata persentase lemak abdominal. o Untuk faktor konsentrasi fermentasi. karena nilai P-value (0.000) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0 sehingga dapat disimpulkan bahwa faktor konsentrasi
fermentasi
berpengaruh
nyata
terhadap
rata
-
rata
persentase
lemak abdominal. o Untuk interaksi faktor jenis kelamin dan umur. karena nilai P-value (0.829) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat disimpulkan bahwa interaksi kedua faktor ini tidak berpengaruh nyata terhadap rata - rata persentase lemak abdominal. o Untuk interaksi faktor jenis kelamin dan konsentrasi fermentasi. karena nilai P-value (0.866) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat disimpulkan bahwa interaksi kedua faktor ini tidak berpengaruh nyata terhadap rata - rata persentase lemak abdominal. o Untuk interaksi faktor umur dan konsentrasi fermentasi. karena nilai P-value (0. 496) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat disimpulkan bahwa interaksi kedua faktor ini tidak berpengaruh nyata terhadap rata - rata persentase lemak abdominal. o Untuk interaksi faktor jenis kelamin. umur dan konsentrasi fermentasi. karena nilai Pvalue (0.745) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat disimpulkan bahwa interaksi ketiga faktor ini tidak berpengaruh nyata terhadap rata - rata persentase lemak abdominal. Karena hasil analisa menggunakan minitab maupun manual menunjukkan bahwa faktor utama jenis kelamin.umur dan konsentrasi fermentasi berpengaruh nyata tetapi interaksi antara 3 faktor tersebut berpengaruh tidak nyata. maka perlu dilakukan uji berganda untuk 3 faktor tersebut untuk mengetahui apakah level-level dari faktor tesebut berbeda nyata atau tidak.
Soal 2 Permasalahan ini diambil dari penelitian Soejono Tjitro dan Henry Marwanto yang berjudul Optimasi Waktu Siklus Pembuatan Kursi Dengan Proses Injection Molding. Kemajuan teknologi mesin injection molding yang semakin pesat berdampak terhadap semakin banyaknya produk manufaktur yang menggunakan bahan plastik. Selama ini banyak perusahaan manufaktur yang bergerak dalam pembuatan produk furnitur berbahan baku plastik beranggapan bahwa waktu siklus untuk pembuatan kursi plastic masih belum optimal. Untuk itu perlu dilakukan studi untuk menentukan parameter proses mesin injection molding yang mana saja berpengaruh terhadap waktu siklus namun kualitas produk kursi tetap terjaga. Parameter proses yang diamati adalah holding time. inject time dan cooling time yang merupakan parameter proses yang berpengaruh signifikan terhadap waktu siklus. Penelitian ini dilakukan dengan menggunakan RAL pola faktorial 3x3x3 dengan 3 ulangan. faktor pertama adalah holding time ( 3 detik. 3.5 detik. dan 4 detik). faktor kedua adalah injection time (15 detik . 17 detik dan 19 detik) dan faktor ke tiga adalah co oling time (37 detik.39 detik dan 41 detik). Di bawah ini adalah tabel waktu siklus pembuatan kursi plastik.
Tabel 1. Waktu siklus pembuatan kursi plastik Level
Holding Time (detik)
Injection Cooling Time(detik) time(detik) 15
3
17 19
3.5
Ulangan
15
37 39 41 37 39 41 37 39 41 37 39 41
1
2
3
54.33 56.50 58.64 54.42 56.61 58.42 54.42 56.37 58.84 55.25 56.90 58.93
54.37 56.68 58.37 54.32 56.34 58.53 54.47 56.57 58.59 54.90 56.93 58.91
54.30 56.76 58.55 54.50 56.29 58.63 54.68 56.45 58.43 55.09 57.11 58.92
163 169.94 175.56 163.24 169.24 175.58 163.57 169.39 175.86 165.24 170.94 176.76
54.33333 56.64667 58.52 54.41333 56.41333 58.52667 54.52333 56.46333 58.62 55.08 56.98 58.92
17 19 15 4
17 19
37 39 41 37 39 41 37 39 41 37 39 41 37 39 41
Total
55.17 57.22 58.81 55.16 56.90 59.02 55.61 57.46 59.83 55.57 57.36 59.45 55.50 57.28 59.62
54.90 57.04 58.94 54.91 57.11 58.95 55.24 57.70 59.70 55.28 57.56 59.47 55.53 57.59 59.65
55.06 56.93 58.81 55.09 56.96 58.98 55.32 57.52 59.87 55.20 56.20 59.54 55.51 57.44 59.59
165.13 171.19 176.56 165.16 170.97 176.95 166.17 172.68 179.4 166.05 171.12 178.46 166.54 172.31 178.86
1539.59
1538.55
1537.73
4615.87
55.04333 57.06333 58.85333 55.05333 56.99 58.98333 55.39 57.56 59.8 55.35 57.04 59.48667 55.51333 57.43667 59.62
Pembahasan : Hipotesis yang digunakan adalah : Hipotesis yang digunakan adalah : 3. H0: α1 = α2 = α3 = 0 vs H1: paling sedikit ada satu αj yang tidak sama dengan nol. 4. H0: β1 = β2 = β2 = 0 vs H1 : paling tidak ada satu βk yang tidak sama dengan nol . 3. H0 : γ1 = γ2 = γ2= 0 vs H1 : paling tidak ada satu γl yang tidak sama dengan nol. 4. H0 : (αβ)11 = (αβ)12 = (αβ)13 = (αβ)21 = (αβ)22 = (αβ)23 = (αβ)31 = (αβ)32 = (αβ)33 0 vs H1 : paling tidak ada satu (αβ)jk yang tidak sama dengan nol. 5. H0 : (αγ)11 = (αγ)12 =(αγ)13= (αγ)21 = (αγ)22 =(αγ)23= (αγ)31 = (αγ)32 =(αγ)33= 0 vs H1 : paling tidak ada satu (αγ)jl yang tidak sama dengan nol. 6. H0 :(βγ)11 = (βγ)12 =(βγ)13 = (βγ)21 = (βγ)22 =(βγ)23= (βγ)31 = (βγ)32 =(βγ)33 0 vs H1 : paling tidak ada satu (βγ)kl yang tidak sama dengan nol. 7. H0 : (αβγ)111 = (αβγ)112 = (αβγ)113 = (αβγ)121 = (αβγ)122 =(αβγ)123 = (αβγ)131=(αβγ)132 =(αβγ)133= (αβγ)211= (αβγ)212 = (αβγ)213 = (αβγ)221 = (αβγ)222 = (αβγ)223 = (αβγ)231 =(αβγ)232=(αβγ)233 = (αβγ)311 = (αβγ)312 =(αβγ)313= (αβγ)321 = (αβγ)322=........... = 0
H1 : paling tidak ada satu (αβγ)jkl yang tidak sama dengan nol. Perhitungan dengan MINITAB General Linear Model: data versus holding time. injection time. ... Factor holding time injection time cooling time
Type fixed fixed fixed
Levels 3 3 3
Values 1. 2. 3 1. 2. 3 1. 2. 3
Analysis of Variance for data. using Adjusted SS for Tests Source holding time injection time cooling time holding time*injection time holding time*cooling time injection time*cooling time holding time*injection time* cooling time Error Total S = 0.186905
R-Sq = 99.21%
DF 2 2 2 4 4 4 8
Seq SS 12.7258 0.2344 223.6657 0.2256 0.4764 0.1342 0.2445
Adj SS 12.7258 0.2344 223.6657 0.2256 0.4764 0.1342 0.2445
Adj MS 6.3629 0.1172 111.8328 0.0564 0.1191 0.0335 0.0306
54 80
1.8864 239.5929
1.8864
0.0349
F 182.14 3.35 3201.32 1.61 3.41 0.96 0.87
P 0.000 0.042 0.000 0.184 0.015 0.437 0.543
R-Sq(adj) = 98.83%
Unusual Observations for data Obs 23 50 77
data 57.3600 57.5600 56.2000
Fit 57.0400 57.0400 57.0400
SE Fit 0.1079 0.1079 0.1079
Residual 0.3200 0.5200 -0.8400
St Resid 2.10 R 3.41 R -5.50 R
R denotes an observation with a large standardized residual.
Perhitungan Manual Tabel 1 yang disederhanakan. Holding time
injection time
cooling time 37
39
41
jumlah
3
3.5
4
15
163
169.94
175.56
508.5
17
163.24
169.24
175.58
508.06
19
163.57
169.39
175.86
508.82
15
165.24
170.94
176.76
512.94
17
165.13
171.19
176.56
512.88
19
165.16
170.97
176.95
513.08
15
166.17
172.68
179.4
518.25
17
166.05
171.12
178.46
515.63
19
166.54
172.31
178.86
517.71
1484.1
1537.78
1593.99
total
4615.87
Tabel 2. (tabel 2 arah untuk factor A dan B) injection time
Holding time
FK
total
15
17
19
3
508.5
508.06
508.82
1525.38
3.5
512.94
512.88
513.08
1538.9
4
518.25
515.63
517.71
1551.59
total
1539.69
1536.57
1539.61
4615.87
2
= (4615.87) / 3x3x3x3 = 21306256/ 81 = 263040.2 2
2
2
2
JK Total = (54.33) +(56.50) + (58.64) +………. + (59.59) – FK = 263279.7887 – 263040.2 = 239.5929 2
2
2
2
JK perlakuan = (163 + 163.24 + 163.57 +………. + 178.86 ) / 3 – FK = (789833.7069 / 3) – 263040.2 = 237.7065
2
2
2
JK (A) = [ (1525.38) + (1538.9) + (1551.59) / 3 x 3x 3) ] – FK
= 263052.9 - 263040.2 = 12.72581 2
2
2
JK (B) = [ (1539.69 + 1536.57 + 1539.61 ) / 3 x3x 3 ] – FK = (7102092/ 27 ) - 263040.2 = 263040.4 - 263040.2 = 0.23435 2
2
2
2
JK (AB) = [ (508.5 + 508.06 + 508.82 +….+ 517.71 ) / 3x3] – FK - JK (A) - JK (B) = (2367480.434/ 9) - FK - JK (A) - JK (B) = 263053.382 -263040.2 - 12.72581- 0.23435 = 0.22562
Tabel 3 (tabel 2 arah untuk factor A dan C ) Cooling time
Holding time
total
37
39
41
3
489.81
508.57
527
1525.38
3.5
495.53
513.1
530.27
1538.9
4
498.76
516.11
536.72
1551.59
total
1484.1
1537.78
1593.99
4615.87
2
2
2
JK (C) = [ (1484.1 + 1537.78 + 1593.99 ) / 3 x 3x 3] – FK = (7108124/27) - 263040.2 = 223.6657 2
2
2
2
JK (AC) = [ (489.81 + 508.57 +527 +….+ 536.72 ) / 3x3] - FK - JK (A) - JK (C) = (2369494/ 9 ) - FK - JK (A) - JK (C) = 263277.1 - 263040.2 - 12.72581- 223.6657 = 0.47642
Tabel 4 (tabel 2 arah untuk faktor B dan C) cooling time
Injection time
total
37
39
41
15
494.41
513.56
531.72
1539.69
17
494.42
511.55
530.6
1536.57
19
495.27
512.67
531.67
1539.61
total
1484.1
1537.78
1593.99
4615.87
2
2
2
2
JK (BC) = [ (494.41 + 513.56 + 531.72 +……+ 531.67 ) / 3x3 ] - FK - JK (B) - JK (C) = (2369378/ 9 ) - FK - JK (B) - JK (C) = 263264.23-263040.2 - 0.23435- 223.6657 = 0.1342 JK ( ABC) = JK perlakuan – JK (A) - JK (B) - JK (C) - JK (AB) - JK (AC)- JK (BC) = 237.7065- 12.72581- 0.23435- 223.6657- 0.22562 - 0.47642 - 0.1342 = 0.2445 JK Galat = JK total – JK perlakuan = 239.5929 - 237.7065 = 1.8864 Dari perhitungan manual di atas dapat dibuat tabel ANOVA dan sekaligus uji F-nya sebagaimana tertera di bawah ini :
TABEL ANOVA (Tb. Analisis Ragam)
-
SK
db
JK
KT
F hit
Perlakuan
26
237.7065
9.143
261.229
Holding time
2
12.72581
6.363
181.8
*
F tab 3.17
(A) -
-
Injection time (B) Cooling time (C) AB
-
AC
4
0.47642
0.119
3.4
2.55
-
BC
4
0.1342
0.034
0.971
2.55
-
ABC
8
0.2445
0.031
0.88
2.12
Galat
54
1.8864
0.035
Total
80
239.5929
-
2
0.23435
0.117
2
223.6657
111.833
4
0.22562
0.056
1.6
2.55
*
3.342* 3195.23*
3.17 3.17
Keputusan dan Kesimpulan o Untuk faktor holding time. karena nilai P-value (0.00) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0 sehingga dapat disimpulkan bahwa faktor holding time berpengaruh nyata terhadap waktu siklus pembuatan kursi plastic. o Untuk faktor injection time. karena nilai P-value (0.042) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0 sehingga dapat disimpulkan bahwa faktor injection time berpengaruh nyata terhadap terhadap waktu siklus pembuatan kursi plastic. o Untuk faktor cooling time. karena nilai P-value (0.000) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0 sehingga dapat disimpulkan bahwa faktor cooling time berpengaruh nyata terhadap terhadap waktu siklus pembuatan kursi plastic. o Untuk interaksi faktor holding time dan injection time. karena nilai P-value (0.184) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat disimpulkan bahwa interaksi kedua faktor ini tidak berpengaruh nyata terhadap terhadap waktu siklus pembuatan kursi plastic. o Untuk interaksi faktor holding time dan cooling time. karena nilai P-value (0.015) < α (0.05) dan F hitung > F tab maka keputusannya adalah tolak H0
sehingga dapat
disimpulkan bahwa faktor holding time dan cooling time berpengaruh nyata terhadap terhadap waktu siklus pembuatan kursi plastic. o Untuk interaksi faktor injection time dan cooling time. karena nilai P-value (0.437) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat
disimpulkan bahwa interaksi kedua faktor ini tidak berpengaruh nyata terhadap terhadap waktu siklus pembuatan kursi plastic. o Untuk interaksi faktor holding time. injection time dan cooling time. karena nilai P-value (0.543) > α (0.05) dan F hitung < F tab maka keputusannya adalah terima H0 sehingga dapat disimpulkan bahwa interaksi ketiga faktor ini tidak berpengaruh nyata terhadap terhadap waktu siklus pembuatan kursi plastic. Karena hasil analisa menggunakan minitab maupun manual menunjukkan bahwa faktor utama holding time. injection time dan cooling time berpengaruh nyata tetapi interaksi antara 3 faktor tersebut berpengaruh tidak nyata. Maka perlu dilakukan uji berganda untuk 3 faktor tersebut untuk mengetahui apakah level-level dari faktor tesebut berbeda nyata atau tidak. BAB IV LATIHAN SOAL 1. Suatu percobaan ingin mengetahui pengaruh makanan terhadap pertambahan bobot badan anak domba. Ada tiga factor yang dicobakan yaitu : Faktor penambahan Lysine (L) dengan taraf : l1 = penambahan 0 % l2 = penambahan 0.05 % l3 = penambahan 0.10 % Faktor penambahan Methionin (M) dengan taraf : m1 = penambahan 0 % m2 = penambahan 0.025% m3 = penambahan 0.050 % Faktor pemberian tepung kedelai yang berprotein (P) dengan taraf : p1 = pemberian tepung berkadar protein 12 % p2 = pemberian tepung berkadar protein 14 % Rancangan dasar yang digunakan adalah RAL pola factorial 3 x 3 x 2 . Dibawah ini adalah tabel pertambahan bobot badan anak domba per hari (dalam satuan tertentu)
Lysine (L)
Level Methionine (M)
Ulangan Protein (P)
1
2
Total Yij
Rata-rata
0 0
0.025 0.05 0
0.05
0.025 0.05 0
0.10
0.025 0.05
12 14 12 14 12 14 12 14 12 14 12 14 12 14 12 14 12 14
Total
2.
1.11 1.52 1.09 1.27 0.85 1.67 1.30 1.55 1.03 1.24 1.12 1.76 1.22 1.38 1.34 1.40 1.34 1.46 2.85
0.97 1.45 0.99 1.22 1.21 1.24 1.00 1.53 1.21 1.34 0.96 1.27 1.13 1.08 1.41 1.21 1.19 1.39 21.8
2.08
1.04
2.97
1.485
2.08
1.04
2.49
1.245
2.06
1.03
2.91
1.455
2.3
1.15
3.08
1.54
2.24
1.12
Permasalahan ini diambil dari penelitian Zulkarnain dan Erman Syahruddin yang bertujuan untuk mengetahui pengaruh beberapa mikroba pada kondisi optimum yang digunakan untuk mengevaluasi secara biologis produk fermentasi kiambang terhadap performans dan kualitas ayam broiler. Perlu diketahui bahwa kiambang merupakan tanaman yang hidup sebagai gulma pada air tenang. air mengalir dan sawah sehingga bisa mengganggu produksi ikan maupun padi. Namun.sebagai pakan unggas. kiambang juga kaya akan karoten sehingga baik untuk meningkatkan kualitas kuning telur dan kulit telur. Penelitian ini dilakukan dengan menggunakan RAL pola faktorial 3x3x2 dengan 3 ulangan. faktor pertama yaitu tingkat pemberian kiambang yang telah difermentasi (0%. 15%. dan 30%). faktor kedua yaitu umur ternak (4.6 dan 8 minggu) dan faktor ketiga yaitu jenis kelamin (jantan dan betina). Tabel 1. Pengaruh Pemakaian kiambang Fermentasi. Umur Serta jenis Kelamin Terhadap Rata – rata Pertambahan Berat badan per ekor per hari ( gram) . Level
Jenis kelamin
Umur
Ulangan Kons Ferment
1
2
3
0.00 0.15 0.30 0.00 0.15 0.30 0.00 0.15 0.30 0.00 0.15 0.30
35.37 29.06 34.45 31.92 26.75 33.40 29.95 29.97 30.76 32.67 31.65 34.13
32.06 29.07 31.02 33.63 33.36 27.60 29.46 35.88 30.14 29.44 34.45 32.13
26.91 33.40 28.91 31.15 34.20 31.26 30.37 29.16 30.33 33.56 27.41 35.41
6
0.00 0.15 0.30
35.78 33.82 28.86
36.66 32.94 34.78
32.84 37.28 33.81
8
0.00 0.15 0.30
32.77 31.10 30.94
26.94 28.18 30.46
31.45 35.45 29.16
4
Jantan
6 8 4
Betina
DAFTAR PUSTAKA
Abdul Syahid
.2009..Http://abdulsyahid-
forum.blogspot.com/2009/05/percobaan- faktorial.html. Diakses pada tanggal 02 September 2010 . Anonim.2009. http://smartstat.wordpress.com/2009/10/22/rancangan-faktorial/ . diakses pada tanggal 02 September 2010. a
Anonim .2010.http://www.google.co.id/percobaan+faktorial+tiga+faktor/.Diakses pada tanggal 02 September 2010 . b
Anonim .2010.http://greenhost.50webs.com/PERCOBAANFAKTORIALTIGAFAKTOR.pdf . Diakses pada tanggal 02 September 2010 .
c
Anonim .2010.
http://www.scribd.com/doc/36565608/PERCOBAAN-
FAKTORIAL.Diakses pada tanggal 02 September 2010 . R.S. Kusriningrum. 2008. Perancangan Percobaan. Surabaya: Airlangga University Press. Yitnosumarto. Suntoyo. 1990. Percobaan. Perancangan. Analisis. dan Interpretasinya. Jakarta: Gramedia Pustaka Utama. Gaspers. V. 1991. Metode Perancangan Percobaan. Bandung: CV ARMICO