You are on page 1of 24

BLOCKING AND CONFOUNDING IN THE 2k FACTORIAL DESIGN

Oleh : Muhammad Ghazali Adiba Feni Ira Puspita (1311.201.006) (1311.201.022) (1311.201.027)

Dosen Pengajar : Dr. Sutikno

JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011

BLOCKING AND CONFOUNDING IN THE 2k FACTORIAL DESIGN
1,2,3

M.Ghazali1 Adiba2 Feni Ira Puspita3 Mahasiswa Pasca Sarjana Statistika ITS Surabaya 2011

ABSTRAK
Rancangan percobaan faktorial 2k dapat dilakukan secara lengkap apabila keadaannya homogen. Jika kondisi tidak memungkinkan untuk melakukan semua kemungkinan perlakuan misalnya adanya keterbatasan biaya, bahan, dan alat maka dibutukan metode yang lebih baik pada rancangan awal faktorial. Percobaan yang menggunakan satu kali pengulangan dengan kondisi yang memungkinkan dapat digunakan metode pengelompokan (blocking). Apabila keadaan tidak memungkinkan untuk dilakukan satu pengulangan secara lengkap dalam satu blok maka dapat dilakukan metode pembauran (confounding). Terdapat tiga metode penyusunan pembauran (confounding) yaitu dengan Plus Minus (Plus Minus Methods), Kombinasi Linear (Linear Combination) dan the group-theoretic of principal block . Kata-kata kunci : rancangan faktorial 2k, metode pengelompokan (blocking), metode plus minus, kombinasi linear, the group-theoretic of principal block

1. Pengelompokan Rancangan Faktorial dengan Pengulangan Peneliti seringkali dihadapkan pada keadaan yang tidak memungkinkan untuk melakukan percobaan rancangan faktorial 2k pada kondisi yang homogen. Ketidakhomogenan ini dapat terjadi karena adanya keterbatasan biaya, bahan, alat sehingga tidak memungkinkan semua perlakuan dilakukan pada satu alokasi saja (batch). Jika terdapat k percobaan dengan n kali pengulangan, karena batch yang digunakan tidak cukup untuk menjalankan semua kemungkinan percobaan, maka dibutuhkan lebih dari satu batch. Ketidakhomogenan yang mungkin terjadi adalah material percobaan antar batch atau batchnya sendiri beda kualitasnya. Sehingga batch dianggap sebagai kelompok/blok dalam rancangan faktorial 2k. Teknik rancangan yang digunakan dalam situasi ini adalah blocking. Percobaan faktorial 2k dengan pengulangan ‘n’ kali dan kondisi lingkungan tidak homogen, maka dijadikan sebagai kelompok/blok dan setiap pengulangan dijalankan pada setiap blok/kelompok tersebut. Tabel 1 merupakan contoh rancangan faktorial 22 yang dilakukan pengulangan sebanyak tiga kali.
Tabel 1. Percobaan Rancangan Faktorial 22 dalam Tiga Blok

(1) = 28 a = 36 b = 18 ab = 31
Total B1= 113

(1) = 25 a = 32 b = 19 ab = 30
B2 = 106

(1) = 27 a = 32 b = 23 ab = 29
B3 = 111

M.Ghazali – Adiba – Feni Ira Puspita

Page 2

13 0. karena sudah dipastikan signifikasinya menyebabkan variabilitas data. 2.33 31. maka diperlukan metode rancangan percobaan khusus. kombinasi linear (Linear Combination) dan the group- theoretic of Principal Block.34 323 1 1 1 8 11 208.12 2.33 4.1. CONFOUNDING Pada rancangan kelompok/blok faktorial 2k jika blok tidak cukup menampung semua kemungkinan pengulangan dalam satu kelompok/blok.33 75 8.0004 0. maka 4 perlakuan yang mungkin terjadi akan dibagi menjadi 2 blok dengan masing-masing berisi 2 M.14 323 2 1 1 1 6 11 3.33 4.32 18.33 75 8. Nilai F0 untuk blok tidak dihitung.33 75 8.Ghazali – Adiba – Feni Ira Puspita Page 3 .92 53.01 0.33 75 8. perhitungan blok menghasilkan nilai efek dari blok yang relatif kecil.33 3.Tabel 2. Berdasarkan Tabel 2.0053 0.25 208. Tujuannya untuk menyusun percobaan faktorial secara lengkap dengan ukuran blok lebih kecil daripada ukuran kombinasi perlakuan dalam satu kali pengulangan. SSE semakin kecil karena pengurangan hasil dari pengelompokkan/blok. Metode pembauran menyebabkan informasi tentang efek pasti perlakuan (biasanya yang memiliki interaksi paling besar) tidak dibedakan dari kelompok/blok.0001 0.206 Tabel 2 menunjukkan bahwa akibat yang hasilkan dari pengelompokan/blok terhadap rancangan 22 faktorial sangat signifikan.50 2.1 CONFOUNDING DALAM DUA PENGELOMPOKAN/BLOK 2. metode ini biasa disebut pembauran (confounding).1826 6.14 50.0024 0.15 19. SSBlok = = 3 𝐵𝑖 1 4 2 − 2 𝑦 … 12 (113)2 + (106)2 + (111)2 4 − (330)2 12 = 6.1 Tabel Plus Minus Jika pada percobaan rancangan 22 faktorial akan dibagi menjadi 2 blok. Derajat bebas dari tiga blok rancangan 22 faktorial pada Tabel 2 adalah dua. Terdapat tiga metode menyusun confounding yaitu metode plus minus (Plus Minus Methods).5 208.13 2. Analysis of Variance Rancangan Faktorial vs Rancangan Blok Faktorial Rancangan Faktorial Blocking 2k dalam Rancangan Faktorial Source of Variation Blocks A B AB Error Total Source of Variation A B AB Error Total Sum of Squares df Mean Square F0 P-value Sum of Squares df Mean Square F0 P-value 208.

karena tidak mungkin seorang peneliti melakukan percobaan dengan confounding yang berbeda-beda untuk mendapatkan hasil terbaik. Rancangan Faktorial 23 dalam 2 Blok M. abc). ab. dan confounding-nya adalah interaksi AB. Efek faktorial yang memiliki tanda sama akan bergabung ke dalam blok yang sama. sedangkan pada rancangan faktorial 23 menggunakan confound A. Namun tidak dapat dipungkiri apabila yang dijadikan confounding yaitu efek yang lain. Tabel Plus Minus Gambar 1 Rancangan Faktorial 22 dalam Dua Blok Treatment Combination (1) a b ab I + + + + Factorial Effect A B + + + + AB + + Sedangkan pada rancangan faktorial 23 perlakuan yang memiliki tanda yang sama pada sel di bawah efek faktorial yang menjadi confounding ABC dimasukkan pada kelompok/blok yang sama.perlakuan. Perlakuan yang memiliki tanda yang sama minus (-) dimasukkan pada kelompok/blok yang sama blok I ((1). Misalnya untuk rancangan faktorial 22 menggunakan confound A dan B.Ghazali – Adiba – Feni Ira Puspita Page 4 . C. confounding-nya adalah ABC. BLOK 1 (1) ab ac bc BLOK 2 a b c abc Gambar 2. bc) sedangkan perlakuan yang memiliki tanda plus (+) dimasukkan dalam kelompok/blok II (a. AC. Rancangan Faktorial 22 dalam Dua Blok Tabel 3. c. Seluruh perlakuan bisa menjadi confounding. ab) sedangkan perlakuan yang memiliki tanda yang lain minus (-) dimasukkan dalam kelompok/blok II (a. AB. yang dijadikan confounding-nya adalah perlakuan AB dan pada rancangan faktorial 23. b). b.B. Misalnya pada rancangan faktorial 22. Rancangan faktorial 22 pada Tabel 3 ditunjukkan bahwa pengelompokan dilihat dari tanda plus minus perlakuan dibawah sel faktorial efek yang menjadi confounding AB. ac. namun biasanya yang menjadi confounding adalah yang memiliki order interaksi terbesar. BLOK 1 (1) ab BLOK 2 a b Gambar 1. BC. Perlakuan yang memiliki tanda yang sama plus (+) dimasukkan pada kelompok/blok yang sama blok I ((1).

Setiap perlakuan yang memiliki nilai L (mod 2) yang sama akan ditempatkan pada blok yang sama.bc = a2bc = bc = ab2c = ac = abc2 = ab BLOK I + (1) hasilnya digunakan untuk mendapatkan blok II M.1. maka : ab. Perlakuan (1) dan a akan berada pada blok berbeda karena memiliki nilai berbeda. Sebagai contoh desain principal block dari rancangan faktorial 23 dengan ABC confounded. + αkxk Jika x1 merujuk pada A. pada rancangan faktorial 23 dimana xi adalah level dari faktor ke-i pada kombinasi perlakuan.2 I + + + + + + + + A + - + + + B + + + + AB + + + + Factorial effect C AC + + + + + + + + BC + + + + ABC + + + + blok blok blok blok blok blok blok blok 1 2 2 1 2 1 1 2 Kombinasi Linear / Defining contrast Metode lain yang dapat digunakan dalam membentuk blok pada rancangan percobaain ini adalah metode kombinasi linear (defining contrast). . Kemudian perlakuan dalam blok tersebut membentuk sebuah group yang berkenaan dengan perkalian mod 2. Hasil blok yang didapatkan adalah : BLOK I : (1). x2 merujuk pada B dan x3 merujuk pada C dan α1 = α2 = α3 = 1. ab. bc BLOK II : a. ac.3 The Group-Theoretic Of Principal Block Metode ketiga adalah the group-theoretic of Principal Block. b. . abc 2.Tabel 4 Tabel Plus Minus Rancangan Faktorial 23 dalam Dua Blok Treatment combination (1) a b ab c ac bc abc 2.1. Metode pembentukan blok ini didasarkan pada blok yang memuat perlakuan (1). c. Misalnya.bc ac. L = x1 + x2 +x3 Untuk perlakuan (1)  (000) : Untuk perlakuan a  (100) Untuk perlakuan b  (010) : : L = 1(0) + 1(0) + 1(0) = 0 L = 1(1) + 1(0) + 1(0) = 1 L = 1(0) + 1(1) + 1(0) = 1.Ghazali – Adiba – Feni Ira Puspita Page 5 .ac ab. αi adalah eksponen dari faktor ke-i dalam efek yang dibaurkan. L = α1x1 + α2x2 + . dan seterusnya. Sehingga kombinasi linear/defining contrastnya sebagai berikut.

abcde : (L1. Yang memungkinkan hanya metode kombinasi linear/defining contras dan the group-theoretic of principal block.0)/blok 2. ab b. satu lagi efek dengan satu derajat bebas harus dibaurkan.L2) = (1. Sehingga sekarang dimiliki 3 confounded with Block. bc =b =a = abc =c BLOK II 2.Ghazali – Adiba – Feni Ira Puspita Page 6 . misalkan ADE dan BCE.0) -----> blok 2 b : (L1.L2) = (1.. Misalkan kita memiliki rancangan faktorial 25 dan setiap blok hanya mampu menampung 8 perlakuan. maka efek ABCD juga confounded dalam kelompok/blok. maka rancangan faktorial 2k dapat dibentuk menjadi confounding dalam 4 blok dengan 2k-2 observasi dalam setiap bloknya. BCE dan ABCD. Maka akan terbentuk defining contrastnya sebagai berikut : L1 = x 1 + x 4 + x 5 L2 = x 2 + x 3 + x 5 Kita akan memiliki 4 kombinasi yang nantinya menjadi penentuan blok antara L1 dan L2..2 CONFOUNDING 2k FAKTORIAL DALAM EMPAT PENGELOMPOKAN Dalam penelitian yang melibatkan jumlah faktor besar . (1) b. k ≥ 4 dan ukuran blok kecil.3.1)/blok 3 dan (1.0) -----> blok 1 a : (L1. (1): (L1. 2. Sedangkan confounding yang dimiliki ADE dan BCE masing-masing hanya memiliki satu derajat bebas. (0.b. ac b. (ADE)(BCE) = ABCDE2 = ABCD M. yakni ADE.0)/blok 1. karena jika blok yang ingin dibentuk sebanyak empat. yaitu ADE dan BCE dengan melakukan perkalian diantara keduanya.1) -----> blok 3 c : (L1. yakni (0.1) -----> blok 3 . Metode penyusunan blok dengan metode plus minus tidak dapat berlaku. maka 4 blok disusun. maka akan didapatkan tiga derajat bebas.L2) = (0.L2) = (0.1) -----> blok 4 Dibutuhkan satu efek lagi yang confounded dalam blok. Untuk mendapatkan confounded tambahan dapat dilakukan dengan cara Generelized Interaction antara dua confounded yang sudah ada. (1.L2) = (0.1)/blok 4.1 Metode Kombinasi Linear Sebagai contoh ambil dua effect confounded dengan block.

sehingga setiap kelompok/blok berisi 2k-p observasi. b . bc = abcd abe . b . semua kemungkinan observasi perlakuan rancangan faktorial 2 confounded dalam 2-4 kelompok/blok. Ketiganya dapat digunakan untuk mengeneralisir efek lainnya sejumlah 2p . ad . L2.Ghazali – Adiba – Feni Ira Puspita Page 7 . Sehingga total ada 7 confounding dengan blok. (1)= b . Kelompok/blok dapat dibangkitkan dengan menggunakan p defining contrasts L1. Indepenen disini artinya tidak ada efek terpilih merupakan hasil interaksi generalis dari lainnya. …. Saat ini dapat diperluas dengan menggunakan 2p kelompok/blok (p<k). Jika penelitian dengan rancangan (2k)= 26 dan confounding dalam (2p)= 23 kelompok/blok. bde=de .3. b .2 Metode The Group Theoretic Principal Block Metode The Group Theoretic Principal Block juga dapat digunakan pada contoh rancangan faktorial 25. jumlahnya sesuai dengan derajat bebas dari blok (8-1=7). Dengan p = 3 independen confounding dipilih untuk mengeneralisir efek tambahan. dan seterusnya Blok yang lain dicari dengan mengalikan anggota principal block dengan salah satu perlakuan bukan anggota principal block. maka masing-masing blok terdiri diri (2k-p) = 23 perlakuan. yang dirumuskan dengan 2p . principal block (1) masuk pada kelompok/blok I dan produk kombinasi dua perlakuan menghasilkan perlakuan yang lain. Sebagai tambahan untuk mendapatkan jumlah efek yang sama dengan jumlah derajat bebas blok (df blok = 8-1=7). BCE. ABCD dan ACE. ABCD Confounded 2. bde = ab2de2 = ad .p-1 =4. dan seterusnya 2. abc = ac .3 CONFOUNDING 2k FAKTORIAL DALAM 2p KELOMPOK/BLOK Pada bab sebelumnya.Blok 1 (1) ad bc abcd abe ace cde bde Blok 2 a be d abde abc ce bcd acde Blok 3 b abce abd ae c bcde acd de Blok 4 e abcde ade bd bce ac ab cd Gambar 3 Rancangan Faktorial 25 dalam Empat Blok ADE.p-1 = 4. Langkah yang dapat dilakukan dengan memilih sebanyak p confounded effect yang independen. Lp asosiasi dengan efek tersebut. Berdasarkan Gambar 3. Ketiga efek tersebut adalah : ABEF. (ABEF)(ABCD) = CDEF (ABEF)(ACE) = BCF (ABCD)(ACE) = BED (ABEF)(ABCD)(ACE) = ADF k M.

Hal ini menyebabkan elemenelemen perlakuan pada setiap kelompok menjadi berbeda. AB (1) c ab abc Replikasi 3 Conf. ABC (1) ab ac bc a b c abc Replikasi 2 Conf. Sejumlah masalah muncul jika perlakuan berinteraksi dengan blok. AB sebagai confounded. terutama ketika beberapa unit (pengamatan) yang hilang. maka dapat dilakukan perbedaan confounded pada setiap pengulangan. Kelebihan dan Kelemahan Confounding Berikut ini adalah kelebihan dari metode confounding : Dapat mengurangi kesalahan eksperimental cukup dengan stratifikasi bahan percobaan dalam homogen subset atau subkelompok. ABC menjadi confounded. Kekurangan dari metode confounding adalah sebagai berikut : Peningkatan ketepatan diperoleh pada biaya pengorbanan informasi (parsial atau lengkap) pada interaksi relatif tidak penting tertentu. Demikian juga AB hanya diperhitungkan pada pengulangan I. Misalkan interaksi ABC hanya dihitung pada pengulangan II.2. pada pengulangan IV. Perhitungan sum square interaksi adalah hanya data pengulangan yang tidak confounded yang digunakan. Perhitungan aljabar biasanya lebih sulit dan analisis statistik yang kompleks. sehingga informasi confounded tidak diabaikan. Pada pengulangan I. pada pengulangan III. • • • • • • M. Confounding Berbeda dalam Rancangan 23 Gambar 4 menunjukkan bahwa rancangan 23 dengan pengulangan n = 4 kali dengan confounded berbeda-beda pada setiap pengulangannya. BC Replikasi 4 Conf.Ghazali – Adiba – Feni Ira Puspita Page 8 . Variasi yang dibuang dari blok tak lengkap dengan replikasi menghasilkan Mean Square Error yang lebih kecil jika dibandingkan Randomized Completely Block Design . pada setiap pengulangan confounded dengan sebuah confounded berbeda-beda/partially confounded. maka informasi yang seharusnya dapat tersampaikan akan hilang karena jumlah replikasinya dikurangi.5 PARTIAL CONFOUNDING Subbab sebelumnya digunakan untuk rancangan faktorial 23 dengan 2 blok dimana ABC dijadikan confounded dengan replikasi n =4. Kontras confounded direplikasi lebih sedikit daripada kontras lainnya. Berdasarkan pembahasan Confounding 2k faktorial dalam 2p kelompok/blok dimana effect confounding lebih dari satu. Contoh confounding 23 faktorial dalam 2 kelompok/blok dan pengulangan n=4 kali. Replikasi 1 Conf. karena pada pengulangan I sebagai confounded. pengulangan II. III dan IV. Informasi pada interaksi ABC tidak dapat diperoleh kembali/diabaikan karena menjadi blok pada setiap pengulangannya (completely confounded). BC sebagai confounded. AC (1) b ac abc a c ab bc a (1) b b b c ac bc ab bc abc ac Gambar 4. III dan IV. karena pada pengulangan II sebagai confounded dan seterusnya. AC sebagai confounded. 3.

ABE. CDFG. CDE. ABCF. DEG. BC. ACF. BDF. ACEG. ABCD. AC. CD. ADG. ACDEG. AE. BC ABCD ABC. ACE. FG Interaction Confounded With Block ABC AB. DF. EFG. ABCDEFG. ACF. ABFG. BDF ABG. ADG. BD AB. ADEF. BCFG. DEG. BCDEG ABCD. ABDFG. 4 dan 6 faktor (31 efek) 7 ABCDEFG ABCFG. BC. CDG. ACDE. CD. AFG ABCD. CDE. BE. CDE AB. BCE. ABEF. EFG. CDE. BCDE. CD ABCDE ABC. DE ABCDEF ABCF. ABCDEFG. BC. ABCD. BCE. CDG. AEF. ABCD. BC. CDEFG. ABCD ABCDE ABC. BDEFG. CFG. 4. CE. EF. DE. ADG ABG. ADF ABF. BCEF. EFG. BCEF. ADEG. k 3 4 Number of Block. ABDE ABEF. BCG. CDEF. EF ABCDEFG ABCFG. CDEF. AC. BDF. CDEF. ACF. ACE ABF. AC. ABCEF.Tabel 5 Susunan Kelompok/Blok untuk Rancangan Faktorial 25 Number of Factor. ACD. ABCDEF. CD. AFG. ACDF. DEF. CE. BCDEF. 6 faktor (63 efek) 64 2 M. DEF AB. CDE. BDEG. ABDE. DE. ABCEG. BD. ABDE ABC. AC. CDEFG ABC. CDE ABE. ABCD.Ghazali – Adiba – Feni Ira Puspita Page 9 . CD. EFG AB. BD. BEG. AD. BCG. BDE. ADE Semua interaksi 2 dan 4 faktor (15 efek) 5 6 ABCDEF ABCF. ABDE. BDF. DEF. DEF. CDEF ABEF. BD. BC. BE Semua interaksi 2. ACEFG. BCF. AC ABCD ABC. ADEF. AFG Semua interaksi 2. ACD AB. 2p 2 4 2 4 8 2 4 8 16 2 4 8 16 32 2 4 8 16 32 4 2 8 4 2 16 8 4 2 32 16 8 4 2 64 32 16 8 4 Block Size 2k-p Effect Chosen to Generate the Block ABC AB. AD. BCG. ABCD. AC. ABDE ABE.

00 20.00 DF 1 2 1 1 1 1 1 1 1 5 15 Mean Fo Square 1. tekanan (B) dan kecepatan lini (C) digunakan untuk mengetahui tinggi isian tersebut. Data yang dihasilkan adalah sebagai berikut : Replikasi 1 Conf.33 0.Ghazali – Adiba – Feni Ira Puspita Sum Square 1.50 3.50 36.33 1.0001 0.00 1.33 0. Jika dilakukan percobaan dengan dua pengulangan.67 0.0099 0.00 48.25 16.25 0.00 0. sehingga setiap pengulangan rancangan 23 harus dijalankan dalam dua kelompok/blok.00 2.50 0.5905 0.75 P-Value 0.25 27.3009 0.25 1.25 12.CONTOH : Diketahui : Penelitian dengan rancangan faktorial 23 untuk mengetahui dampak tinggi isian minuman bersoda.67 0. Apabila setiap batch hanya mampu untuk mengukur empat tes perlakuan.25 36.00 12.50 0.25 0. ABC (1)= -3 ab = 2 ac =2 bc = 1 a =0 b = -1 c = -1 abc = 6 Replikasi 2 Conf.00 20.0035 0.50 0. AB (1)= -1 c=0 ab = 3 abc = 5 a=1 b=0 ac =1 bc = 1 Tabel 6 Tabel Plus Minus dan Data hasil Contoh A (1) a b ab c ac bc abc + B + + + + AB + + + + C + + + + Factorial effect AC BC + + + + + + + + ABC + + + + - + + + Replikasi Replikasi I II -3 -1 0 1 -1 0 2 3 -1 0 2 1 1 1 6 5 Source of Variance Replicates Block Within replicates A B C AB (rep I only) AC BC ABC (rep II only) Error Total M. dengan ABC sebagai confounded pada pengulangan I dan AB sebagai confounded ada pengulangan II.75 78.4503 Page 10 .4503 0.00 1. Tiga faktor persentase karbonasi (A).

2] = [(c+ac+bc+abc) – ((1)+a+b+ab)]2/n.2/N = (-3+2+2+1+0+-1+-1+6) 2 /8 +(-1+0+3+5+1+0+1+1) 2 /8 – (16) 2 /16 = [6]2 /8 + [10]2 /8 – [16]2 /16 =17-16 =1 SS blok = ABC [rep 1] + AB [rep 2] = [(a+b+c+abc).1] + B [rep.2k = [(1)+a+b+ab+c+ac+bc+abc]2/2k + [(1)+a+b+ab+c+ac+bc+abc]2/2k y.0+3+0-1-1+5] 2 /8 = [2]2 /8 +[4]2 /8 = 2.2k = [24]2 /16 = 36 SSB = B [rep.2] = [(b+ab+bc+abc) – ((1)+a+c+ac)]2/n.2k + [(a+ab+ac+abc) – ((1) + b+c+bc)]2/n.1] + A [rep.5 SSA = A [rep.1..((1)+ab+ac+bc)]2/2k + [((1)+ab+c+abc) – (a+b+ac+bc)]2/2k = [-(-3)+0+(-1).2 +(-1) -2-1+6] 2 /8+ [+(-1) .2] = [(a+ab+ac+abc) – ((1) + b+c+bc)]2/n.2k M.2k + [(c+ac+bc+abc) – ((1)+a+b+ab)]2/n.. 2]2 /2k – (total)2 /n.1] + C [rep.25 SSC = C [rep.Perhitungan Sum Square SS Replikasi = [rep.Ghazali – Adiba – Feni Ira Puspita Page 11 . 1]2 /2k + [rep.22 = [18]2 /16 = 20.22 + [(b+ab+bc+abc) – ((1)+a+c+ac)]2/n.

1 confounded) = [(a+b+c+abc) – ((1)+ab+ac+bc)]2/2k = 22 /8 = 0.2k + [((1)+a+bc+abc) – (b+c+ab+ac)]2/n.25 SS AB = AB [dalam rep.2 confounded] = [((1)+ab+c+abc – (a+b+ac+bc)]2/2k = [2]2 /8 = 0.2k + [((1)+b+ac+abc) – (a+c+ab+bc)]2/n.2] = [((1)+a+bc+abc) – (b+c+ab+ac)]2/n.2.2k = [2]2 /16] = 0.5 SST = 𝑎 𝑖 =1 𝑏 𝑗 =1 𝑐 𝑘 =1 2 𝑛 𝑙 =1 𝑦𝑖𝑗𝑘𝑙 − 2 𝑦… 𝑛 . dalam rep.5 SS AC = AC [rep.2k = [4]2 /16 =1 SS ABC = ABC [rep.2] = [((1)+b+ac+abc) – (a+c+ab+bc)]2/n.1] + BC [rep.(162/16) = 78 M.1] + AC [rep.= [14]2 /16 = 12. dalam rep.Ghazali – Adiba – Feni Ira Puspita Page 12 .25 SS BC = BC [rep.2𝑘 = 94.1.

Hasil penelitian diperoleh sebagai berikut . ab) dan dilakukan pada masing-masing poin desain dalam 3 blok. dengan 4 poin desain ((1). Perhitungan dalam Minitab: Step 1: Specify a 22 design Step 2: Select 3 replicates in 3 blocks M. b.Perhitungan Minitab Misalnya terdapat percobaan faktorial 22. a.Ghazali – Adiba – Feni Ira Puspita Page 13 .

Ghazali – Adiba – Feni Ira Puspita Page 14 .The Design Setup in Minitab Hasil dari struktur desain dari Minitab Berikut hasil respons dari perhitungan Minitab M.

The normal probability plot The Least Square Means M.Ghazali – Adiba – Feni Ira Puspita Page 15 .

Surface Plot. Main Effect Plots.Ghazali – Adiba – Feni Ira Puspita Page 16 .Residual Plot Interaction Plot. dan Contour Plot M.

L = x1 + x2 +x3 M.Contoh: Jika k > 2 Consider a 23 experiment in 2 blocks. Then.The easiest way to do this is to write out the design matrix with the +1’s and -1’s. We want to confound the ABC interaction effect with blocks in this example. all the -1’s constitute block 1 and the +1’s constitute block 2. . x2 merujuk pada B dan x3 merujuk pada C dan α1 = α2 = α3 = 1. αi adalah eksponen dari faktor ke-i dalam efek yang dibaurkan. Bagaimana menghitung confounding secara umum ? pada rancangan faktorial 23 dimana xi adalah level dari faktor ke-i pada kombinasi perlakuan.Ghazali – Adiba – Feni Ira Puspita Page 17 . Next. + αkxk Jika x1 merujuk pada A. L = α1x1 + α2x2 + . Sehingga kombinasi linear/defining contrastnya sebagai berikut. as shown below. . sort the ABC column by the -1’s and the +1’s as follows.

0) (0. Maka akan terbentuk defining contrastnya sebagai berikut : L1 = x 1 + x 4 + x 5 L2 = x 2 + x 3 + x 5 Kita akan memiliki 4 kombinasi yang nantinya menjadi penentuan blok antara L1 dan L2.1)/blok 4. misalkan ADE dan BCE.1) (1.Ghazali – Adiba – Feni Ira Puspita Page 18 . L1 0 1 0 1 L2 0 0 1 1 Pair (0.Contoh: Lebih dari dua blok Contoh ambil dua effect confounded dengan block. (1.0)/blok 2.0)/blok 1.1)/blok 3 dan (1.1) Block 1 2 3 4 M.0) (1. yakni (0. (0.

Untuk mengetahui anggota dalam blok dapat menggunakan “filter” dalam perhitungan excel. yaitu ADE dan BCE dengan melakukan perkalian diantara keduanya. Sedangkan confounding yang dimiliki ADE dan BCE masing-masing hanya memiliki satu derajat bebas. Untuk mendapatkan confounded tambahan dapat dilakukan dengan cara Generelized Interaction antara dua confounded yang sudah ada. yakni ADE. Sehingga sekarang dimiliki 3 confounded with Block. (ADE)(BCE) = ABCDE2 = ABCD M. satu lagi efek dengan satu derajat bebas harus dibaurkan. maka akan didapatkan tiga derajat bebas. BCE dan ABCD. karena jika blok yang ingin dibentuk sebanyak empat. Hasil struktur blocking Generalized Interactions Dibutuhkan satu efek lagi yang confounded dalam blok.Ghazali – Adiba – Feni Ira Puspita Page 19 . maka efek ABCD juga confounded dalam kelompok/blok.

Ghazali – Adiba – Feni Ira Puspita Page 20 .Desain Minitab: M.

Spesifikasi pembangkit untuk blocking M.Ghazali – Adiba – Feni Ira Puspita Page 21 .

M.Ghazali – Adiba – Feni Ira Puspita Page 22 .

Ghazali – Adiba – Feni Ira Puspita Page 23 .Analisis dengan SAS Output SAS : M.

Ghazali – Adiba – Feni Ira Puspita Page 24 . S. Inc. Desain Eksperimen untuk Penelitian Ilmiah. New York : John Wiley & Sons. Jaggi. Suwanda.D. New Delhi: Library Avenue Indian Agricultural Statistics Research Institute. Design and Analysis of Experiments. Confounding in Factorial Experiments and Fractional Factorials.DAFTAR PUSTAKA Montgomery. C. M. Bandung : Alfabeta. 2011. et all. 1997.