PERANCANGAN EKSPERIMEN

Lecture : Lithrone L S.,S.T.,M.T.

Percobaan dengan
Satu Faktor
(ANOVA)

Week-2
By : L. L. S
The Analysis of Variance
• The name “analysis of variance” stems from a partitioning of the
total variability in the response variable into components that are
consistent with a model for the experiment
• The basic single-factor ANOVA model is

 i  1, 2,..., a
yij     i   ij , 
 j  1, 2,..., n

  an overall mean,  i  ith treatment effect,

 ij  experimental error, NID (0,  2 )

3
The Analysis of Variance

• In general, there will be a levels of the factor, or a treatments, and n replicates of the
experiment, run in random order…a completely randomized design (CRD)
• N = an total runs
• We consider the fixed effects case…the random effects case will be discussed later
• Objective is to test hypotheses about the equality of the a treatment means

4
Models for the Data
There are several ways to write a model for the data:

yij     i   ij is called the effects model

Let  i     i , then
yij   i   ij is called the means model
Regression models can also be employed

5
 Models for the Data (Con’t)
Keterangan :
Yij = Observasi ke-ij

µi = Rata-rata level atau factor percobaan ke-I

εij = Komponen random error yang memasukkan seluruh sumber variabilitas

dalam eksperimen

µ = Parameter sama untuk seluruh percobaan = rata-rata keseluruhan (Overall mean)

τi = Parameter unik untuk percobaan ke –I = efek percobaan ke-I (i th treatment effect)

6
Fixed or Random Factor?
• Fixed effect Model :
- Percobaan sebanyak a Dipilih oleh pelaku percobaan
- Melakukan test hipotesis tentang rata-rata percobaan atau parameter model yang lain.
- Kesimpulan hanya dapat diterapkan pada tingkat faktor ysng dipertimbangkan dalam
analisis.

• Random Effects Model :

- Percobaan sebanyak a dapat merupakan sample random dari sebuah populasi
percobaan.
- Melakukan test hipotesis tentang variabilitas τi dan berusaha menduga nilai variabilitas
ini.
- Memperluas konklusi terhadap seluruh percobaan dalam populasi

7
Analysis Of
The Fixed Effect Models

N = a.n = Total jumlah pengamatan

• Untuk memeriksa kesamaan dari rata-rata percobaan, hipotesisnya :

H 0 : 1   2   a
H 1 : At least one mean is different = µi ≠ µj

8
Analysis Of
The Fixed Effect Models (Con’t)

- Prosedur untuk memeriksa kesamaan rata-rata percobaan disebut

analisis varians.

9
Analysis Of
The Fixed Effect Models (Con’t)
a n a n

  ( yij  y.. ) 
2
  i. ..
[( y  y )  ( y ij  y i. )] 2

i 1 j 1 i 1 j 1
a a n
 n  ( yi .  y.. ) 2    ( yij  yi . ) 2
i 1 i 1 j 1

SST  SSTreatments  SS E

SST  SSTreatments  SS E

10
Analysis Of
The Fixed Effect Models (Con’t)
• Total Variabilitas data yang telah diukur melalui total corrected sum of square, dapat
dibagi menjadi:
- Sum of Square perbedaan antara rata-rata percobaan dan rata-rata total ditambah sum
of squares perbedaan dari pengamatan dalam percobaan dari rata-rata percobaan
• SS treatments = Sum of Square Due to error (between treatment)
• SS error = Sum of square due to erreoe (within treatment)

• Formal statistical hypotheses are:

H 0 : 1   2   a
H 1 : At least one mean is different

11
The Analysis of Variance is Summarized in
a Table

• The reference distribution for F0 is the Fa-1, a(n-1) distribution

• Reject the null hypothesis (equal treatment means) if

F0  F , a 1, a ( n 1)

12
The Analysis of Variance
• Total variability is measured by the total sum of squares:
a n
SST    ij ..
( y  y ) 2

i 1 j 1
• The basic ANOVA partitioning is:
a n a n

  ( yij  y.. )  2
  i. ..
[( y  y )  ( y ij  y i. )] 2

i 1 j 1 i 1 j 1
a a n
 n  ( yi .  y.. ) 2    ( yij  yi . ) 2
i 1 i 1 j 1

SST  SSTreatments  SS E

13
The Analysis of Variance (Con’t)
• While sums of squares cannot be directly compared to test the hypothesis of equal
means, mean squares can be compared.
• A mean square is a sum of squares divided by its degrees of freedom
• If the treatment means are equal, the treatment and error mean squares will be
(theoretically) equal.
• If treatment means differ, the treatment mean square will be larger than the error
mean square.

df Total  df Treatments  df Error

an  1  a  1  a ( n  1)
SSTreatments SS E
MSTreatments  , MS E 
a 1 a ( n  1)

14
Contoh Kasus (ANOVA)
• Consider an investigation into the formulation of a new “synthetic” fiber that
will be used to make cloth for shirts
• The response variable is tensile strength
• The experimenter wants to determine the “best” level of cotton (in wt %) to
combine with the synthetics
• Cotton content can vary between 10 – 40 wt %; some non-linearity in the
response is anticipated
• The experimenter chooses 5 levels of cotton “content”; 15, 20, 25, 30, and 35
wt %
• The experiment is replicated 5 times – runs made in random order

15
Contoh Kasus (Con’t)

• Does changing the cotton

weight percent change the
mean tensile strength?
• Is there an optimum level for
cotton content?

16
Solution Using MINITAB:
ANOVA Computer Output
(Design-Expert)
Response:Strength
ANOVA for Selected Factorial Model
Analysis of variance table [Partial sum of squares]
Sum of Mean F
Source Squares DF Square Value Prob > F
Model 475.76 4 118.94 14.76 < 0.0001
A 475.76 4 118.94 14.76 < 0.0001
Pure Error161.20 20 8.06
Cor Total 636.96 24

Std. Dev. 2.84 R-Squared 0.7469

Mean 15.04 Adj R-Squared 0.6963
C.V. 18.88 Pred R-Squared 0.6046
PRESS 251.88 Adeq Precision 9.294

17
 Contoh Kasus 2 (ANOVA)
• Seorang engineer tertarik untuk memastikan apakah penentuan radio frequency (RF)
mempengaruhi etch rate (gelombang/waktu). Ia telah melakukan sebuah percobaan
random dengan menggunakan empat level power RF dan 5 replikasi. Dengan hasil
percobaan sebagai berikut:

Hipotesis:
Ho = Tidak terdapat perbedaan rata-rata
H1 = Terdapat paling sedikit dua rata-rata yang tidak sama

19
20
Solution From Case Study 2

•Untuk = 0.05, Ftabel = F0.05, 3,16 = 3.24

•F0 > Ftabel
• Tolak Ho

21
Pemeriksaan Kecukupan Model
Pemeriksaan asumsi sangatlah penting:
• Normalitas
• Independensi: plot dari residual dalam urutan waktu
• Konstan/homogenitas ragam (variance): plot dari residual vs. nilai

22
 Residual
 Selisih antara nilai yang diamati dengan nilai yang diramalkan
melalui model Kesalahan peramalan (Error of prediction)

23
Asumsi Normalitas
• Kesalahan yang sering dilakukan dalam plot probabilitas normal
adalah adanya satu residual yang jauh lebih besar dibanding yang lain
= outlier
• Outliers dapat mendistorsi analisis ragam oleh karena itu perlu
investigasi mendalam
• Seringkali disebabkan karena kesalahan perhitungan, data coding
atau copying error

24
25
Plot Residual Terhadap Waktu

 Untuk mendeteksi korelasi antar residual

 Kecenderungan untuk menghasilkan residual positif dan negatif
 mengindikasikan korelasi positif asumsi independensi kesalahan
telah dilanggar
 Sulit dikoreksi
 Untuk menghindari: ikuti prosedur randomisasi dengan seksama

26
Plot residual Terhadap fitted values
 Defect yang biasanya muncul dalam plot inimerupakan ragam tidak
konstan (non-constant variance) homogenitas ragam dilanggar
(homogeneity of variances is violated)
 Problem yang lebih serius akan terjadi pada rancangan yang tidak
berimbang: bila level Faktor yang memiliki ragam lebih besar justru
memiliki ukuran sampel yang lebih kecil.
 Untuk menghindari: pilih ukuran sampel yang sama (bila
memungkinkan)

27
BOX PLOT
BOX PLOT
• Outlier artinya suatu angka yang memiliki nilai yang sangat berbeda jauh
dengan nilai dari angka lainya pada data, angkanya bernilai 3/2 lebih besar
dari quartil yang paling atas atau angkanya bernilai 3/2 lebih kecil dari
quartil terendah.
• Quartil Tertinggi artinya angka yang terbesar ke 75 jika data diurutkan. Jadi
25 persen angka dalam data bernilai lebih tinggi dari angka quartil ini.
• Median adalah nilai tengah
• Quartil Terendah artinya angka yang terbesar ke 25 jika data diurutkan. Jadi
25 persen angka dalam data bernilai lebih rendah dari angka quartil ini.
• Box plot biasanya juga digunakan untuk mendeteksi adanya Pencilan atau
tidak, tapi sifatnya hanya sebagai deteksi awal. Lebih bagus lagi jika
dilakukan uji statistik untuk melihat ada atau tidaknya outlier.
 THE END
C U next Week!!