Tahap Pelaksanaan Eksperimen Tahap Analisa
Analisis ini merupakan teknik menganalisis dengan menguraikan seluruh total variansi atas bagian-bagian yang diteliti. Pada analisis varians
dilakukan pengklasifikasian hasil-hasil percobaan secara faktornya dengan sumber-sumber variasi. Analisis varians digunakan untuk membantu
mengidentifikasi kontribusi faktor sehingga akurasi perkiraan model dapat ditentukan.
Misalkan suatu eksperimen melibatkan dua faktor A dan B yang masing- masing mempunyai taraf i = 1, 2, …, a dan j = 1, 2, … ,b. eksperimen
dilakukan dengan menggunakan desain acak sempurna untuk tiap kombinasi perlakuan telah digunakan n buah observasi. Pengacakan dilakukan sempurna
dalam tiap sel untuk n buah unit yang diambil secara acak dari populasinya. Pengamatan Yijk merupakan pengamatan ke k dari sejumlah n yang diambil
secara acak dari populasi yang terjadi karena kombinasi perlakuan taraf I faktor A dan taraf j faktor B. skema data untuk desain ini Nampak seperti
dalam Tabel 3.6. Tabel 3.6. berisi skema data sampel eksperimen faktorial a x b.
Tabel 3.6. Skema Data Sampel untuk Eksperimen Faktorial a x b n Observasi Tiap Sel
faktor B jumlah
rata- rata
taraf 1
2 …
b
F ak
tor A
1 Y111
Y121 …
Y1b1 Y112
Y122 …
Y1b2 .
. .
. .
. .
. .
. Y11n
Y12n …
Y1bn jumlah
J110 J120
… J1b0
J100
rata-rata 110
120 …
1b0 100
…… .
. .
. …
… .
. ……
. .
. .
… …
…… .
. .
. …
…
a Ya11
Ya21 …
Yab1 Ya12
Ya22 …
Yab2 .
. .
. .
. .
. .
Ya1n Ya2n
… Yabn
jumlah Ja10
Ja20 …
Jab0 Ja00
rata-rata a10
a20 ab0
a00 Jumlah besar
J010 J020
… J0b0
J000 rata-rata
besar 010
020 …
0b0 000
Sumber: Sudjana, Desain dan Analisis Eksperimen Analisis varians untuk suatu matriks ortogonal dilakukan berdasarkan
perhitungan jumlah kuadrat untuk masing-masing kolom. Untuk analisis varians dua arah adalah data eksperimen yang terdiri dari dua faktor atau lebih
dan dua level atau lebih. a. Sr – Jumlah kuadrat total
Jumlah kuadrat total adalah sebagai berikut:
Dimana: N = Jumlah percobaan
Y = Data yang diperoleh dari percobaan b. S
A
– Jumlah kuadrat faktor A Jumlah kuadrat faktor A sebagai berikut :
Dimana: A
i
= Level ke i faktor A n
ai
= Jumlah percobaan level ke i faktor A c. S
AxB
– Jumlah interaksi AxB Dengan cara yang sama, jumlah kuadrat interaksi AxB sebagai berikut:
Dimana: A
= Faktor A B
= Faktor B B1,B2 = Faktor B pada level 1 dan 2
n1,n2 = Jumlah percobaan pada level 1 dan 2
d. SS
e
– Jumlah kuadrat error. Jumlah kuadrat error sebagai berikut
Dimana: SSr = Jumlah kuadrat total
SS
A
= Jumlah kuadrat faktor A SS
B
= Jumlah kuadrat faktor B S
AxB
= Jumlah interaksi AxB
2. Uji F Hasil analisis varians tidak membuktikan adanya perbedaan perlakuan dan
pengaruh faktor dalam percobaan, pembuktian ini dilakukan dengan uji hipotesa F.
Uji hipotesa F dilakukan dengan cara membandingkan variasi yang disebabkan masing-masing faktor dan variansi error. Variansi error adalah
variansi setiap individu dalam pengamatan yang timbul karena faktor-faktor yang tidak dapat dikendalikan. Dalam hal ini:
Nilai F
sumber
tersebut dibandingkan dengan nilai F dari tabel pada harga α
tertentu dengan derajad kebebasan k-1.N-k. Dimana k adalah jumlah level suatu faktor dan N adalah jumlah total perlakuan.
Hipotesa pengujian dalam suatu percobaan adalah: Ho
: tidak ada pengaruh perlakuan, sehingga μ
1
= μ
2
= … = μ
j
= μ
k
Hi : ada pengaruh perlakuan, sehingga sedikit ada satu μ
1
yang tidak sama. Apabila nilai F test lebih kecil nilai Ftabel Fhitung Ftabel, maka
hipotesa Ho diterima atau berarti tidak ada perlakuan.Namun jika nilai F test lebih besar dari nilai Ftabel Fhitung Ftabel, maka hipotesa Ho ditolak
dan berarti ada perbedaan perlakuan. Berdasarkan tahapan perhitungan analisis varians untuk taguchi maka
dapat disusun tabel analisis varians untuk taguchi. Tabel analisis varians untuk matriks ortogonal ditampilkan pada Tabel 3.7.
Tabel 3.7. Daftar Analisis Varians untuk Matriks Ortogonal
Sumber Variasi
Jumlah kuadrat Derajad
bebas db
Kuadrat Tengah
F hitung F tabel
faktor
k – 1 =
F = MSM F
α k-1.N-k
interaksi
k–1x k–1
= F = MSM
F α k-1.N-k
error
N- db faktor +
db interaksi
=
Rata-rata SSm = n.
1
total
N-1
3. Strategi pooling up Strategi pooling up dirancang taguchi untuk mengestimasi varians error pada
analisis varians. Sehingga estimasi yang dihasilkan akan lebih baik, karena startegi ini akan mengakumulasi beberapa varians error dari beberapa faktor
yang kurang berarti. 4. Rasio SN
Rasio SN Signal-To-Noise digunakan untuk memilih faktor-faktor yang memiliki kontribusi pada pengurangan variasi suatu respon. Rasio SN
merupakan rancangan untuk transformasi pengulangan data kedalam suatu nilai yang merupakan ukuran variasi yang timbul. Rasio SN terdiri dari
beberapa tipe karakteristik kualitas, yaitu:
a. Semakin kecil, semakin baik Adanya karkteristik kualitas dengan batas nilai 0 dan non negative. Nilai
semakin kecil mendekati nol dalah yang diinginkan. b. Tertuju pada nilai tertentu
Karakteristik kualitas dengan nilai atau target tidak nol dan terbatas. Atau dengan kata lain nilai yang mendekati suatu nilai ditentukan adalah yang
terbaik. c. Semakin besar, semakin baik
Karakteristik kualitas dengan rentang nilai tak terbatas dan nonnegative. Nilai semakin besar adalah semakin diinginkan
Dimana: n = jumlah pengulangan dari suatu percobaan
y =data yang diperoleh dari percobaan