Upload
cha-chanofvilsa
View
219
Download
2
Embed Size (px)
Citation preview
8/17/2019 Modul 224
1/19
A. TUJUAN
Tujuan Umum : - Mahasiswa dapat melakukan eksperimen dengan bantuan software
MINITAB
Tujuan Khusus : - Mahasiswa dapat menggunakan MINITAB dengan metode
ANOVA
- Mahasiswa dapat menggunakan MINITAB dengan metode DOE
B. DASAR TEORI
Desain Eksperimen merupakan metode yang biasa digunakan untuk meningkatkan dan
memperbaiki performa suatu proses, biasanya dalam sistem kualitas. Desain eksperimendapat didefinisikan sebagai suatu uji atau rentetan uji dengan mengubah-ubah variabel
input (faktor) suatu proses sehingga dapat diketahui penyebab perubahan output (respon).
Untuk melaksanakan suatu eksperimen diperlukan langkah-langkah sistematis, antara
lain:
1. Mengenali Permasalahan
Dengan mengenali permasalahan ini kita dapat membuat suatu pernyataan yang
dapat mewakili permasalahan.
2.
Memilih variabel respons
Variabel respon adalah variabel yang dipengaruhi oleh level faktor atau kombinasi
level faktor, oleh karena itu variable tersebut bersifat dependen.
3. Menentukan faktor dan level
Faktor dan level ini harus dapat kita kontrol.
4. Memilih metode desain eksperimen
Pemilihan metode desain eksperimen disesuaikan dengan tujuan penelitian dan
permasalahan yang ada. ANOVA dan Desain Faktorial adalah salah satu contoh
metode yang biasa digunakan. ANOVA digunakan untuk mengetahui pengaruh
faktor terhadap variabilitas yang terjadi pada respon, sedangkan Desain Faktorial
digunakan untuk mengetahui korelasi antara faktor-faktor yang dipilih.
5. Melaksanakan eksperimen
Ada beberapa istilah yang akan kita gunakan dalam desain eksperimen:
- Unit Eksperimen : Unit dasar di mana ukuran respons dikumpulkan
- Faktor : Tipe kondisi berbeda dalam eksperimen yang bisa di ubah-
ubah dan bersifat kualitatif
8/17/2019 Modul 224
2/19
- Level : Cara atau mode berbeda suatu faktor, biasanya bersifat
kuantitatif
- Perlakuan : Kombinasi level pada faktor berbeda
-
Replikasi : Suatu perulangan atau banyaknya perulangan unit eksperimen
pada perlakuan tertentu
C. SPESIFIKASI ALAT
Pada praktikum kali ini Software yang digunakan adalah MINITAB 15
D. PROSEDUR PRAKTIKUM
I. Pendahuluan
Untuk masuk ke dalam program Minitab 15 pada Windows:
Klik tombol Start
Pilih Programs
Pilih Minitab 15 for Windows
Pilih Minitab
Atau bisa langsung dilakukan dengan cara mengklik icon Minitab 15 pada desktop
Tampilan awal dari Minitab adalah sebagai berikut
8/17/2019 Modul 224
3/19
Dalam Minitab terdapat banyak sekali fungsi-fungsi statistik yang ada, tetapi kita hanya
akan membahas 2 buah fungsi statistik yang ada, yang berkaitan dengan apa yang kita
pelajari pada mata kuliah Statistik Industri 2, yaitu:
Analysis of Variance (ANOVA)
Design of Experiments (DOE)
II. ANOVA
Untuk melakukan perhitungan ANOVA pada Minitab 15, maka kita dapat mengikuti
langkah-langkah berikut ini:
Pilih Menu Stat
Pilih ANOVA Setelah itu akan tampil banyak pilihan yaitu:
One-way, yaitu melakukan perhitungan ANOVA satu arah dengan respon
terletak pada satu kolom dan faktor pada kolom lainnya
One-way (Unstacked), yaitu melakukan perhitungan ANOVA satu arah dengan
masing-masing grup terletak pada kolom yang berbeda
Two-way, melakukan Analisis dua arah pada balanced data
Analysis of Means, menampilkan grafik analisis nilai mean dan menampilkantabel untuk data dengan distribusi normal, binomial dan poisson
Balanced ANOVA, menganalisis model balanced ANOVA dengan faktor-faktor
yang bersilangan, nested, fixed atau random
General Linear Model, menganalisis model ANOVA dan melakukan multiple
comparisons of means
Fully Nested ANOVA, menganalisis fully nested ANOVA dan mengestimasi
berbagai komponen yang ada
Balanced MANOVA, menganalisis Multivariate Analysis of Variance pada
balanced data
General MANOVA, hampir sama dengan Balanced MANOVA, namun dapat
digunakan baik pada balanced data maupun unbalanced data
Test for Equal Variances, melakukan test Bartlett dan Levene untuk mengetahui
equality of variances
Interval Plot, Menghasilkan grafik yang menampilkan variasi dari group mean
Main Effect Plot, menghasilkan plot dari response main effect
8/17/2019 Modul 224
4/19
Interaction Plot, menghasilkan plot dari interaksi yang terjadi
Dari keseluruhan fungsi-fungsi yang ada di atas, kita tidak akan membahas semuanya,
tetapi hanya akan membahas beberapa fungsi yang penting.
Contoh eksperimen 1:
Kita ingin mengadakan penelitian mengenai pengaruh persentase berat kapas pada kain
terhadap kekuatan tarik dari kain tersebut. Kita akan mengambil 5 buah level dari
persentase berat kapas yaitu 15, 20, 25, 30, dan 35 persen serta untuk setiap level akan
dilakukan 5 kali pengamatan. Dengan demikian kita membuat hipotesis bahwa:
H0 : 1 = 2 = 3 = 4 = 5
H1 : 1 ≠ 2 ≠ 3 ≠ 4 ≠ 5
Misalkan kita telah mendapatkan data yang dapat dilihat pada tabel di bawah ini:
% berat Observasi
kapas 1 2 3 4 5
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
Maka langkah-langkah untuk menghitung pada Minitab 15 adalah sebagai berikut:
Pada kolom C1 kita masukkan nilai faktor (persen berat kapas) dan pada kolom
C2 kita masukkan nilai observasi.
Perlu diingat bahwa untuk setiap nilai pada C1 harus memiliki nilai pada C2 pada
baris yang sama. Begitu pula sebaliknya.
Maka akan didapatkan tabel seperti berikut:
8/17/2019 Modul 224
5/19
Kemudian kita pilih menu Stat > ANOVA > One-way
Masukkan nilai Reponse yaitu C2 (Respon)
Masukkan nilai Factor yaitu C1 (Faktor)
8/17/2019 Modul 224
6/19
Klik pada Graphs, kemudian beri tanda v pada Individual value plot danBoxplots of Data. Kemudian pilih Residual Plots>Four in one
Klik OK
Klik OK sekali lagi untuk melihat hasilnya.
Maka akan didapatkan hasil sebagai berikut:
8/17/2019 Modul 224
7/19
Dari perhitungan di atas dapat dilihat bahwa nilai F0 yang sebesar 14,76 adalah
jauh lebih besar daripada nilai F tabel yang sebesar 2,839. Sehingga kita menolak
H0 dan menerima H1.
Dapat dilihat juga bahwa selain memberikan perhitungan ANOVA, Minitab juga
dapat menampilkan nilai mean dan standar deviasi pada setiap level.
Sedangkan untuk melihat penyebaran data per level, kita dapat melihat grafik
dotplots dan boxplots. Kedua jenis grafik ini hampir sama walau ada beberapa
perbedaan.
8/17/2019 Modul 224
8/19
Selain itu MINITAB juga menampilkan residual plot dari respon. Residual plot
ini menggambarkan distribusi data. Normal Probability Plot of the Residual
menggambarkan titik yang dekat atau berhimpitan garis membentuk distribusi
normal. Histogram pun menggambarkan hal yang sama bentuknya yang bell-
shaped menunjukan bahwa data terdistribusi normal. Sedangkan data dianggap
semakin baik jika residual versus the fitted values dan residuan versus the order
of the data tidak membentuk pola tertentu.
8/17/2019 Modul 224
9/19
Contoh eksperimen 2:
Andaikan kita ingin mencoba untuk mengelompokkan satu group pada satu kolom, maka
kita dapat menyusun data tersebut pada Minitab seperti berikut:
Kemudian kita lakukan perhitungan dengan cara yang sama seperti pada perhitungan
ANOVA one-way (Unstacked) dan akan dihasilkan hasil yang sama persis dengan hasil
di atas
Pada ANOVA one-way, terdapat beberapa pilihan yang tidak terdapat pada ANOVA one-
way (unstacked), antara lain:
Graph, hanya terdapat beberapa pilihan yaitu:
o Histogram of Residuals, yaitu menampilkan histogram dari nilai
residual yang ada
o Normal Plot of Residuals, menampilkan normal probability plot dari
residual
8/17/2019 Modul 224
10/19
o Residuals Versus Fits, menampilkan grafik plot antara nilai residual
dengan nilai fitted value
III.
Faktorial Design
Untuk melakukan perhitungan Faktorial Design pada Minitab 15, kita dapat melakukan
langkah-langkah berikut ini:
Pilih Menu Stat
Pilih DOE
Maka akan muncul 4 menu utama yaitu:
Factorial
Response Surface
Mixture
DOE
Untuk penyederhanaan pembahasan kita hanya akan membahas pada fungsi Factorial
saja. Ketika kita masuk ke menu Factorial, maka akan muncul sub-menu yaitu:
Create Factorial Design, untuk menyusun factorial design dengan cara
menetapkan faktor dan levelnya.
Define Custom Factorial Design, membuat factorial design berdasarkan datayang telah ada pada worksheet
Analyze Factorial Design, melakukan analisis terhadap factorial design yang
telah dibuat.
Factorial Plots, menampilkan plot untuk main effects, interactions, and cube
plots
Contour Surface/Wireframe Plots, menampilkan contour plot dan three-
dimensional response surface plot
Response Optimizer, menghitung solusi optimal numerik dan menggambarkan
interactive plot untuk membantu mengetahui kombinasi faktor-faktor yang dapat
menghasilkan nilai respon yang optimal
Overlaid Contour Plot, menggambarkan contour plot untuk multiple responses
Untuk melakukan perhitungan factorial design, pertama-tama kita masuk ke Stat > DOE
> Factorial > Create Factorial Design. Maka kita akan masuk ke menu untuk
menentukan jenis factorial design yang akan kita gunakan. Ada 4 jenis factorial design
yang dapat kita gunakan yaitu:
8/17/2019 Modul 224
11/19
2-Level Factorial (Default Generators), untuk membuat 2k factorial design
dengan menggunakan generator (urutan pemasukan data) yang telah ditentukan
oleh Minitab (default Minitab)
2-Level Factorial (Specify Generators), untuk membuat 2k factorial design
dengan menggunakan generator (urutan pemasukan data) yang kita tentukan
sendiri
Plackett-Burman Design, membuat Plackett-Burman design. Untuk keterangan
lebih lanjut mengenai Plackett-Burman Designs dapat dilihat pada buku halaman
416-420
General Full Factorial Design, untuk membuat design tertentu dengan syarat
minimal satu faktor memiliki lebih dari dua level.
Contoh 3:
Misalkan kita ingin membuat factorial design untuk 22 design. Ini berarti terdapat 2 faktor
yang masing-masing memiliki 2 level dan dengan 3 replikasi seperti pada data di bawah
ini:
Factor Treatment ReplicatesTotal
A B Combination I II III
- - A low B low 28 25 27 80
+ - A high B low 36 32 32 100
- + A low B high 18 19 23 60+ + A high B high 31 30 29 90
Maka langkah-langkah yang harus kita lakukan adalah:
Pilih Menu Stat > DOE > Factorial > Create Factorial Design
Kita dapat memilih baik 2-Level Factorial (Default Generators), 2-Level
Factorial (Specify Generators) maupun General Full Factorial Design, namun
untuk kali ini kita memilih General Full Factorial Design
Kemudian pilih Number of Factors sebanyak 2
Kemudian pilih Design, pilih Number of Replicates sebanyak 3 dan karena kita
tidak menerapkan blocking maka jangan beri tanda v pada tick box Block on
Replicates. Isikan Number of Level setiap faktor masing-masing 2.
Kemudian kita pilih Options, dan jangan beri tanda v pada Randomize Runs.
Randomize Runs di sini berarti urutan percobaan akan dilakukan secara random.
Hal ini mungkin saja berguna ketika percobaan yang kita lakukan dapat
dilakukan dengan cepat dan tidak tergantung waktu, namun akan terasa lebih
8/17/2019 Modul 224
12/19
menyulitkan jika pada salah satu faktor terdapat faktor waktu. Biarkan Store
design in worksheet tetap diveri tanda v
Klik OK sampai kembali ke worksheet, maka sekarang sudah terdapat 5 kolom
yang sudah terisi yaitu:
o Kolom C1, StdOrder, yaitu urutan yang dihasilkan oleh Minitab
berdasarkan data yang ada
o Kolom C2, RunOrder, yaitu urutan pelaksanaan eksperimen. Dalam hal
ini StdOrder = RunOrder karena kita tidak melakukan eksperimen secara
random
o Kolom C3, PtTyp. Angka 1 mengindikasikan “vertex” pada design.
o Kolom C4, Blocks. Karena tidak melakukan blocking isi dari kolom ini
adalah 1
o Kolom C4, A, yaitu nilai level dari faktor A. Nilai 1 berarti nilai A low,
sedangkan nilai 2 berarti nilai B high. Nilai level ini dapat diubah pada
menu Factors ketika kita masuk ke Create Factorial Design. Kita dapat
mengubah nilai tersebut sesuai keinginan kita. Sedangkan untuk nama
faktor juga dapat diubah pada menu Design pada menu Create Factorial
Design.
o Kolom C5, B, yaitu nilai level dari faktor B.
Kemudian kita masukkan data dengan melihat nilai A dan B pada kolom C4 dan
C5.
Kemudian untuk menganalisis kita kembali masuk ke menu Stat > DOE >
Factorial > Analyze Factorial Design.
8/17/2019 Modul 224
13/19
Kita masukkan nilai Responses yaitu kolom C7
Selain itu juga terdapat beberapa pilihan lagi yaitu:
o Terms, dimana kita dapat menentukan tingkatan terms yang dapat
ditampilkan. Jika kita memilih 1 berarti kita hanya melihat nilai A dan B
secara sendiri-sendiri. Sedangkan jika kita memilih 2 (nilai maksimum
karena jumlah faktor kita hanya 2) maka kita juga dapat melihat nilai
interaksi antara A dan B (yang ditulis AB). Kita pilih jenis terms yang
dikehendaki dengan cara memilih terms yang ada pada Available Terms
dan memindahkannya ke Selected Terms. Kita pilih A:A, B:B dan AB
pada Selected Terms
o Covariates, kita tidak akan membahas hal ini
o
Graphs, untuk menampilkan grafik atau plot yang ada. Kita dapat
memilih jenis residual yaitu Regular (raw residual), Standardized (nilai
residual dibagi dengan standar deviasi residual) serta Deleted. Pada
umumnya kita memilih Regular. Untuk jenis-jenis grafik yang dapat
dipilih adalah sama dengan keterangan grafik pada bagian ANOVA.
o Result, untuk menampilkan hasil perhitungan. Ada 4 pilihan utama yaitu:
Do Not Display, tidak menampilkan apa-apa
ANOVA Table, hanya menampilkan tabel perhitungan ANOVA
ANOVA Table, Covariate Coefficients, Unusual
Observations, ini adalah default dari Minitab yaitu
menampilkan tabel ANOVA, nilai koefisien dari covariate serta
menampilkan nilai observasi
ANOVA Table, All Coefficients, Unusual Observations , ini
adalah default dari Minitab yaitu menampilkan tabel ANOVA,
nilai koefisien dari seluruf faktor serta menampilkan nilai
observasi
Untuk percobaan ini kita memilih nilai default dari Minitab yaitu
ANOVA Table, Covariate Coefficients, Unusual Observations, serta
memilih Least Square Means untuk seluruh faktor yaitu A:A, B:B, dan
AB yang akan menampilkan nilai mean untuk masing-masing effect.
o Storage, digunakan untuk menyimpan nilai perhitungan pada kolom
selanjutnya. Ada beberapa jenis perhitungan yang dapat disimpan yaitu:
Fits, untuk menyimpan nilai fitted values
Residuals, untuk menyimpan nilai residuals
8/17/2019 Modul 224
14/19
Standardized Residuals, untuk menyimpan nilai standardized
residuals.
Deleted residuals, untuk menyimpan nilai Studentized residuals.
Effects, untuk menyimpan nilai effects yang terjadi.
Coefficients, untuk menyimpan nilai koefisien yang ada
Design matrix, untuk menyimpan nilai design matrix yang
sesuai dengan model yang kita buat.
Hi [Leverage], untuk menyimpan nilai leverages, yang
menunjukkan apakah terdapat penyimpangan yang tidak wajar
pada data.
Cook's distance, untuk menyimpan nilai nilai Cook's distance
yang merupakan kombinasi dari nilai leverages dan standardized
residuals untuk melihat seberapa besar penyimpangan yang
terjadi
DFITS, untuk menyimpan nilai DFITS yang merupakan
kombinasi dari nilai leverages dan studentized residuals untuk
melihat seberapa besar penyimpangan yang terjadi
Kemudian kita klik OK maka akan dihasilkan hasil perhitungan seperti berikut
8/17/2019 Modul 224
15/19
Hasil di atas adalah hasil perhitungan Minitab untuk soal yang kita buat. Dapat
dilihat bahwa hasil tersebut adalah sama persis dengan hasil perhitungan manual
seperti yang terdapat di buku halaman 295.
Selain itu kita dapat melihat tampilan grafis dari pengaruh dari setiap faktor, maupun
interaksi antara faktor-faktor yang ada. Untuk itu langkah-langkah yang harus dilakukan
adalah sebagai berikut:
Masuk ke menu Stat > DOE > Factorial > Factorial Plots
Terdapat 2 pilihan yaitu Main Effects yang digunakan untuk melihat efek
individu dari tiap-tiap faktor serta Interaction yang digunakan untuk melihat
interaksi antara faktor-faktor yang ada. Selain itu kita juga dapat memilih apakah
akan menggunakan Data Means atau Fitted Means untuk perhitungan.
Kita beri tanda v pada Main Effects, kemudian kita klik Setup, dan pilih nilai
Response yaitu data yang berada pada kolom C7, dan pilih semua faktor yang
ada yaitu A:A dan B:B pada Selected Plots. Klik OK untuk kembali ke menu
sebelumnya
Kita beri tanda v pada Interaction, kemudian kita klik Setup, dan pilih nilai
Response yaitu data yang berada pada kolom C7, dan pilih semua faktor yang
ada yaitu A:A dan B:B pada Selected Plots. Jika kita klik pada Options, maka
akan ada pilihan Draw Full Interaction Full Matrix. Pilihan ini lebih cocok
digunakan untuk jumlah faktor lebih dari 2. Klik OK untuk kembali ke menu
sebelumnya
Klik OK maka akan ditampilkan grafik seperti di bawah ini:
8/17/2019 Modul 224
16/19
Dapat dilihat bahwa untuk faktor A berbanding lurus dengan nilai respon, dimana
semakin besar nilai A maka nilai respon akan semakin besar. Dan justru sebaliknya
bagi faktor B. Namun juga dapat kita perhatikan bahwa pengaruh faktor A lebih besar
dari faktor B.
Ketika kita mengubah nilai faktor B (dari 1 ke 2) untuk nilai A = 1 maka terjadi
penurunan nilai response begitu pula untuk nilai A = 2 juga terjadi penurunan nilai
response sehingga pengaruh interaksi faktor A dan B tidak terlalu signifikan.
Contoh 4:
8/17/2019 Modul 224
17/19
Dengan contoh yang sama, kita akan mencoba menggunakan block pada replikasi yang
dilakukan. Untuk langkah-langkah pengerjaannya hampir sama dengan eksperimen tanpa
menggunakan blocking.
Pilih Menu Stat > DOE > Factorial > Create Factorial Design
Kita dapat memilih baik 2-Level Factorial (Default Generators), 2-Level
Factorial (Specify Generators) maupun General Full Factorial Design, namun
untuk kali ini kita memilih General Full Factorial Design
Kemudian pilih Number of Factors sebanyak 2
Kemudian pilih Design, pilih Number of Replicates sebanyak 3 dan karena kita
menerapkan blocking maka beri tanda v pada tick box Block on Replicates.
Kemudian untuk langkah-langkah selanjutnya adalah sama dengan langkah di
atas
Setelah kita memasukkan data, kita klik menu Stat > DOE > Factorial >
Analyze Factorial Design. Kemudian lakukan langkah yang sama dengan
langkah pada contoh sebelumnya, klik OK.
Maka akan didapatkan hasil sebagai berikut:
8/17/2019 Modul 224
18/19
Dapat terlihat perbedaan yaitu pada ANOVA dimana terdapat unsur baru yaitu Blocks
dengan degree of freedom = 3 – 1 = 2. Nilai blocks ini diambil dari nilai error. Jika kita
perhatikan, pada contoh tanpa blocking, nilai degree of freedom pada error adalah 8.
Sedangkan setelah memakai blocking, nilai degree of freedom pada error berkurang
menjadi 6 karena yang 2 sisanya sudah dipakai untuk blocks. Demikian juga untuk nilai
SS yang sebagian pindah dari error ke blocks. Jadi untuk hasil yang lebih akurat lebih
baik dilakukan blocking pada eksperimen.
Kemudian kita coba lihat tampilan grafis dari pengaruh faktor-faktor yang ada. Langkah-
langkah pengerjaannya dapat dilihat pada contoh 3 di atas. Berikut tampilan grafis yang
dimaksud:
8/17/2019 Modul 224
19/19
Dari kedua jenis eksperimen di atas (tanpa blocking dan dengan blocking), dapat terjadi
perbedaan pengaruh dari faktor-faktor yang ada. Namun dapat pula tidak terjadi
perbedaan yang signifikan. Untuk hasil perhitungan yang lebih akurat, maka dapat dilihat
pada perhitungan ANOVAnya, dimana terjadi juga perubahan pada nilai F0 untuk faktor
A, B, dan juga interaksi A dan B.