Professional Documents
Culture Documents
Dinda Ardhia Ramadhani Kusuma - Laporan 2 Rancob
Dinda Ardhia Ramadhani Kusuma - Laporan 2 Rancob
LAPORAN PRAKTIKUM
Rancangan Percobaan
Modul 3 : Rancangan Bujur Sangkar Latin
Modul 4 : Rancangan Bujur Sangkar Graceo Latin
Mujiati Dwi
Kartikasari, M.Sc
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2023
Daftar Isi
ii
Daftar Gambar
iii
1 Pendahuluan
4
3. Asumsi modelnya sangat mengikat, yaitu bahwa tidak ada interaksi
antara sembarang dua atau semua kriteria , yaitu baris, kolom dan
perlakuan.
4. Pengacakan yang diperlukan sedikit lebih rumit daripada pengacakan
rancangan-rancangan sebelumnya.
5. Derajat bebas galatnya yang lebih kecil dibanding dengan rancangan
lain yang berukuran sama, akan menurunkan tingkat ketelitian,
terutama apabila jumlah perlakuannya berukuran kecil.
6. Memerlukan pengetahuan/pemahaman dasar dalam menyusun satuan
percobaan yang efektif.
7. Apabila ada data hilang, meskipun jumlahnya tidak terlalu banyak,
maka hasil analisisnya diragukan karena perlakuan menjadi tidak
seimbang (Setiawan, Rancangan Bujur Sangkar Latin, 2022).
1.2 Rancangan Bujur Sangkar Graceo Latin
Rancangan Bujur Sangkar Graeco Latin merupakan gabungan dari dua
Rancangan Bujur Sangkar Latin yang saling ortogonal. Dengan syarat baris, kolom,
huruf Latin dan huruf Yunani mempunyai taraf yang sama dan setiap huruf Yunani
hanya muncul sekali di setiap baris, kolom, dan huruf Latin (Debrina, 2017).
RBGL merupakan gabungan dari dua Rancangan Bujur Sangkar Latin yang
saling ortogonal. Ciri khusus RBGL yaitu sebagai berikut:
1. Terdapat 4 buah faktor yaitu faktor baris, kolom, huruf-huruf Latin dan
huruf-huruf Yunani.
2. Keempat faktor mempunyai taraf yang sama .
3. Setiap huruf Yunani hanya muncul sekali di setiap baris, kolom dan huruf
Latin (Naifular, 2014).
5
2 Deskripsi Kerja
Urutan Operator
Perakitan 1 2 3 4
1 C 10 D 14 A 77 B 7
2 B 7 C 18 D 11 A 8
3 A 6 B 10 C 11 D 5
4 D 10 A 10 B 12 C 14
6
4 Dβ = 16 Eγ = 17 Aδ = 24 Bε = 14 Cα = 17
5 Eδ = 10 Aε = 24 Bα = 17 Cβ = 17 Dγ = 13
a. Berikan kesimpulan atas uji coba tersebut. (Tingkat signifikansi yang
digunakan 0,05)
b. Apakah ada perbedaan teknik screening yang dilakukan dalam uji coba
tersebut? Jika ada, teknik manakah yang paling unggul?
c. Berikan kesimpulan mengenai kecukupan model berdasarkan analisis residual.
2.2 Langkah Kerja
Pada bagian langkah kerja ini, praktikan akan menjelaskan mengenai langkah-
langkah apa saja yang perlu dilakukan dalam menyelesaikan studi kasus pada laporan ini.
1. Pertama-tama, untuk menyelesaikan studi kasus , praktikan menggunakan
RStudio dengan shortcut seperti gambar di bawah ini.
7
Gambar 2.4. Sintaks untuk input perlakuan studi kasus 1.
5. Setelah itu, praktikan membuat data frame yang diberi nama tv yang terdiri dari
treat dan y dengan menggunakan sintaks seperti di bawah ini.
Gambar 2.6. Sintaks untuk uji anova pada model percobaan tv.
7. Selanjutnya praktikan melakukan uji tukey terhadap uji anova yang telah dibuat
dan memunculkan plot dari uji tukey dengan menggunakan sintaks seperti di
bawah ini.
8
11. Setelah itu, praktikan melakukan uji homoskedastisitas dari data frame tv dengan
menggunakan sintaks seperti di bawah ini.
Gambar 2.12. Sintaks uji normalitas residual dari uji anova tv.
13. Untuk studi kasus nomor 2, pertama-tama praktikan menginputkan seluruh data
percobaan dengan nama vektor “dua” dengan menggunakan sintaks seperti di
bawah ini.
9
17. Selanjutnya, melakukan pendefinisian perlakuan dengan menggunakan sintaks
seperti di bawah ini.
10
Gambar 2.23. Sintaks untuk plot uji perbandingan ganda Tukey.
24. Berikutnya dilakukan uji perbandingan ganda yang kedua yaitu uji Duncan
dengan menggunakan sintaks seperti di bawah ini.
11
3 Pembahasan
12
Gambar 3.2. Hasil uji anova dari tv.aov nomor 1.
Berdasarka hasil uji anova di atas dapat diketahui beberapa hal yaitu sebagai berikut
ini :
a) Hipotesis
1) Pengaruh Perlakuan
𝐻0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑟 = 0
𝐻1 : ∃𝑘, 𝜏𝑘 ≠ 0
2) Pengaruh Baris
𝐻0 : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑟 = 0
𝐻1 : ∃𝑖, 𝛼𝑖 ≠ 0
3) Pengaruh Kolom
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑟 = 0
𝐻1 : ∃𝑖, 𝛽𝑗 ≠ 0
b) Taraf Signifikansi
α = 0.05
c) Daerah Kritis
𝐻0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝛼,𝑑𝑏1,𝑑𝑏2
d) Statistik Uji
1) Pengaruh Perlakuan
𝐾𝑇𝑃 22.1667
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑇𝐺 = = 6.650077
3.3333
2) Pengaruh Baris
𝐾𝑇𝐵 10
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑇𝐺 = 3.3333 = 3.00003
3) Pengaruh Kolom
𝐾𝑇𝐾 19.1667
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑇𝐺 = = 5.750068
3.3333
e) Keputusan
1) Pengaruh Perlakuan
Tolak 𝐻0 sebab 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 6.650077 > 𝐹0.05,3,6 = 4.7571
13
2) Pengaruh Baris
Gadal tolak olak 𝐻0 sebab 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 3.00003 > 𝐹0.05,3,6 = 4.7571
3) Pengaruh Kolom
Tolak 𝐻0 sebab 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 5.750068 > 𝐹0.05,3,6 = 4.7571
f) Kesimpulan
1) Pengaruh Perlakuan
Dengan tingkat kepercayaan 95%, pengujian menunjukkan tolak 𝐻0 . Maka
dapat disimpulkan bahwa metode perakitan secara signifikan berpengaruh
terhadap waktu perakitan TV berwarna.
2) Pengaruh Baris
Dengan tingkat kepercayaan 95%, pengujian menunjukkan gagal tolak 𝐻0 .
Maka dapat disimpulkan bahwa pengelompokkan baris secara signifikan tidak
berpengaruh terhadap waktu perakitan komponen TV berwarna
3) Pengaruh Kolom
Dengan tingkat kepercayaan 95%, pengujian menunjukkan gagal tolak 𝐻0 .
Maka, dapat disimpulkan bahwa pengelompokkan kolom signifikan terhadap
metode perakitan.
Selanjutnya untuk uji tukey digunakan sintaks seperti pada Gambar 2.7, dimana
uji tukey digunakan untuk membandingkan masing – masing perlakuan yang terdapat
dalam percobaan, sehingga dapat diketahui antar perlakuan yang berbeda dan tidak
berbeda, tanpa memperhatikan jumlah perlakuan yang dicobakan, uji ini hanya dapat
dilakukan jika tiap perlakuan mendapatkan ulangan yang sama. Pada uji tukey ini akan
akan dilakukan pengujia terhadap perlakuan yang terdapat pada hasil uji anova yaitu
treat. Setelah sintaks dimasukkan klik run dan hasilnya akan terlihat seperti berikut ini.
17
c) Daerah kritis
H0 ditolak jika p-value < α
d) Statistik uji
p-value = 0.5995
e) Keputusan
Karena p-value = 0.5995 > α = 0.05 maka gagal tolak H0
f) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, pengujianmenunjukkan gagal tolak
H0. Maka dqapat disimpulkan bahwa asumsi homoskedastisitas galat percobaan
terpenuhi.
Untuk pengecekan model normalitas residual digunakan sintaks seperti pada Gambar
2.12. Setelah sintaks dimasukkan klik run dan hasilnya akan terlihat seperti berikut ini.
Gambar 3.9. Hasil untuk pengecekan model normalitas residual studi kasus 1.
Berdasarkan gambar di atas, dari uji normalitas residuals didapatkan hasil seperti
berikut ini:
a) Hipotesis
H0 : Galat percobaan berdistribusi Normal
H1 : Galat percobaan tidak berdistribusi Normal
b) Tingkat signifikansi
α = 0.05
c) Daerah kritis
H0 ditolak jika p-value < α
d) Statistik uji
p-value = 0.9948
e) Keputusan
Karena p-value = 0.9948 > α = 0.05 maka gagal tolak H0
f) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, pengujianmenunjukkan gagal tolak
H0. Maka dapat disimpulkan bahwa galat percobaan berdistribusi Normal.
18
3.2 Studi Kasus Nomor 2
Pada studi kasus nomor 2 ini, praktikan pertama-tama memasukkan data dengan
membuat vektor bernama “dua” yang berisi seluruh data pada studi kasus 2, dengan
menggunakan sintaks seperti pada Gambar 2.13. Setelah itu, dilakukan pendefinisian
untuk baris, kolom, perlakuan dan huruf yunani dengan menggunakan sintaks pada
Gambar 2.14, Gambar 2.15, Gambar 2.16, Gambar 2.17, Gambar 2.18, Gambar 2.19.
Untuk pendefinisian baris digunakan function gl(n, k, length = n*k)dengan n
menunjukkan jumlah perlakuan yaitu sebanyak 5 perlakuan dan k menunjukkan jumlah
perulangan setiap barisnya yaitu 5 kali. Sintaks yang digunakan yaitu baris <-
gl(5,5,25). Lalu untuk mendefinisikan kolom menggunakan function yang sama dengan
mendefinisikan baris namun untuk nilai k nya yaitu satu karena perulangannya hanya
dilakukan satu kali. Selanjutnya menginputkan seluruh perlakuan percobaan dengan
menggunakan function factor. Lalu dilakukan pendefinisian berdasarkan perlakuandengan
huruf kapital latin (1 = A, 2 = B, …). Lalu untuk huruf yunani menggunakan langkah yang
sama dengan perlakuannamun untuk pendefinisiannya menggunakan huruf kecil.
Setelah semua pendefinisian dibuat, praktikan lanjut membuat dataframe dengan
nama “body.df” yang berisi seluruh vektor pendefinisian yang telah dibuat dengan
menggunakan sintaks seperti papa Gambar 2.20. Setelah semua sintaks telah dimasukkan,
klik “run” untuk setiap sintaks yang dimasukkan dan hasilnya akan terlihat seperti berikut
ini.
a) Hipotesis
1. Pengaruh Baris
𝐻0 ∶ 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑟 = 0
𝐻1 ∶ ∃𝑖, 𝛼𝑖 ≠ 0
2. Pengaruh Kolom
𝐻0 ∶ 𝛽 1 = 𝛽 2 = ⋯ = 𝛽 𝑟 = 0
𝐻1 ∶ ∃𝑗, 𝛽𝑗 ≠ 0
3. Pengaruh dari sifat yang berkaitan dengan huruf Yunani
𝐻0 ∶ 𝛾 1 = 𝛾 2 = ⋯ = 𝛾 𝑟 = 0
𝐻1 ∶ ∃𝑘, 𝛽𝑘 ≠ 0
4. Pengaruh Perlakuan
𝐻0 ∶ 𝑟1 = 𝑟2 = ⋯ = 𝑟𝑟 = 0
𝐻1 ∶ ∃𝑘, 𝑟𝑘 ≠ 0
b) Taraf Signifikansi
1. Pengaruh Baris : α = 0.05
2. Pengaruh Kolom : α = 0.05
20
3. Pengaruh dari sifat yang berkaitan dengan huruf Yunani : α = 0.05
4. Pengaruh Perlakuan : α = 0.05
c) Daerah Kritis
1. Pengaruh Baris
H0 ditolak jika Fhitung > Fα;db1;db2 yaitu Fhitung > F0.05;4;8 = 3.838
2. Pengaruh Kolom
H0 ditolak jika Fhitung > Fα;db1;db2 yaitu Fhitung > F0.05;4;8 = 3.838
3. Pengaruh dari sifat yang berkaitan dengan huruf Yunani
H0 ditolak jika Fhitung > Fα;db1;db2 yaitu Fhitung > F0.05;4;8 = 3.838
4. Pengaruh Perlakuan
H0 ditolak jika Fhitung > Fα;db1;db2 yaitu Fhitung > F0.05;4;8 = 3.838
d) Statistik Uji
𝐾𝑇𝐵 3.06
1. Pengaruh Baris : 𝐾𝑇𝐺 = 5.01 = 0.611
𝐾𝑇𝐾 8.86
2. Pengaruh Kolom : 𝐾𝑇𝐺 = 5.01 = 1.768
e) Keputusan
1. Pengaruh Baris
Gagal Tolak H0 karena nilai Fhitung = 0.611 < F0.05;4;8 = 3.838
2. Pengaruh Kolom
Gagal Tolak H0 karena niai Fhitung = 1.768 < F0.05;4;8 = 3.838
3. Pengaruh dari sifat yang berkaitan dengan huruf Yunani Gagal Tolak H0
karena niai Fhitung = 0.531 < F0.05;4;8 = 3.838
4. Pengaruh Perlakuan
Tolak H0 karena nilai Fhitung = 17.377 > F0.05;4;8 = 3.838
f) Kesimpulan
1. Pengaruh Baris
Dengan menggunakan tingkat kepercayaan 95% data yang ada dapat dikatakan
mendukung hipotesis nol (gagal tolak H0) yang berarti bahwa merek mobil tidak
berpengaruh terhadap uji coba teknik screening.
21
2. Pengaruh Kolom
Dengan menggunakan tingkat kepercayaan 95% data yang ada dapat dikatakan
mendukung hipotesis nol (gagal tolak H0) yang berarti software tidak berpengaruh
terhadap uji coba teknik screening.
3. Pengaruh dari sifat yang berkaitan dengan huruf yunani
Dengan menggunakan tingkat kepercayaan 95% data yang ada dapat dikatakan
mendukung hipotesis nol (gagal tolak H0) yang berarti operator tidak berpengaruh
terhadap uji coba teknik screening.
4. Pengaruh Perlakuan
Dengan menggunakan tingkat kepercayaan 95% data yang ada dapat dikatakan
tidak mendukung hipotesis nol (tolak H0) yang berartiteknik secara signifikan dapat
mengefisienkan uji coba screening ataudengan kata lain terdapat perbedaan teknik
screening yang dilakukandalam uji coba tersebut.
Ketika keputusan uji F untuk pengaruh perlakuan pada Anova tolak H0, maka
selanjutnya dapat dilakuan uji lanjutan untuk mengetahui perlakuan mana yang
berpengaruh dan yang tidak berpengaruh terhadap respon. Uji lanjutan tersebut yaitu uji
perbandingan ganda Tukey dan Duncan.
Uji Tukey digunakan untuk membandingkan masing – masing perlakuan yang
terdapat dalam percobaan sehingga dapat diketahui antar perlakuan mana yang berbeda
dan perlakuan yang tidak berbeda, tanpa memperhatikan jumlah perlakuannya. Uji ini
hanya dilakukan jika tiap perlakuan mendapatkan perulangan yang sama. Sintaks yang
digunakan seperti pada Gambar 2.22. Dan setelah itu dimunculkan plot dari uji tukey
dengan menggunakan sintaks seperti pada Gambar 2.23. Setelah memasukkan sintaks klik
“run” untuk setiap sintaks dan hasilnaya akan muncul seperti berikut ini.
22
Gambar 3.13. Plot uji tukey studi kasus 2.
Berdasarkan hasil di atas didapatkan hasil sebagai berikut ini:
i-j Selisih Batas Bawah Batas Atas Interval p-value
Rata - Rata Interval Konfidensi Konfidensi
D–E 2.2 -2.6906376 7.090638 0.5600777
B–E 2.8 -2.0906376 7.690638 0.3541476
C–E 5.8 0.9093624 10.690638 0.0211777
A–E 10.8 5.9093624 15.690638 0.0004214
B–D 0.6 -4.2906376 5.490638 0.9919191
C–D 3.6 -1.2906376 8.490638 0.1728499
A–D 8.6 3.7093624 13.490638 0.0019878
C–B 3.0 -1.8906376 7.890638 0.2985127
A–B 8.0 3.1093624 12.890638 0.0031748
A–C 5.0 0.1093624 9.890638 0.0450201
Berdasarkan hasil output pada Tabel 3.6. dapat dilihat bahwa kriteria keputusan
menggunakan p-value menunjukkan tolak H0 pada pasangan perlakuan pasangan
perlakuan C dan E, pasangan A dan E, pasangan A dan D dan pasanganperlakuan A dan
B. Hal tersebut juga ditunjukkan pada Gambar 3.16., yaitu denganadanya garis horizontal
pada pasangan perlakuan C dan E, pasangan perlakuan A dan E, pasangan perlakuan A
dan D dan pasangan perlakuan A dan B tidak melewati garis putus – putus (0), yang
menunjukkan bahwa keputusan yang diperoleh adalah tolak H0, artinya keempat
perlakuan berbeda signifikan.
Uji berikutnya yaitu uji Duncan. Uji Duncan juga dapat digunakan untuk menguji
perbedaan diantara semua pasangan perlakuan yang mungkin tanpa memperhatikan jumlah
23
perlakuannya. Sintaks yang digunakan untuk melakukan uji Duncan yaitu seperti pada
Gambar 2.24. Setelah sintaks dimasukkan klik run dan hasilnaya akan terlihat seperti
berikut ini.
24
H0: Tidak terdapat korelasi serial pada galat percobaanH1:
Terdapat korelasi serial pada galat percobaan
b) Hosmoskedastisitas
H0: Asumsi homoskedastisitas galat percobaan terpenuhi
H1: Asumsi homoskedastisitas galat percobaan tidak terpenuhi
c) Normalitas Residual
H0: Galat percobaan berdistribusi Normal
H1: Galat percobaan tidak berdistribusi Normal
25
4 Penutup
4.1 Kesimpulan
Dari hasil praktik dan pembahasan pada bab-bab sebelumya praktikan dapat
mengambil beberapa kesimpulan yaitu :
1. Rancanga Bujur Sangkar Latin merupakan rancangan khusus yang
memungkinkan untuk menilai pengaruh relatif berbagai perlakuan
apabila terhadap unit percobaan dilakukan batasan yang berbentuk
pemblokkan ganda.
2. Rancangan Bujur Sangkar Graeco Latin merupakan gabungan dari dua
Rancangan Bujur Sangkar Latin yang saling ortogonal.
3. Berdasarkan pembahasan dari studi kasus dibab sebelumnya di dapatkan
bahwa :
• Untuk studi kasus pertama didapatkan untuk uji anova RBSL
pengaruh perlakuan dapat diambil kesimpulan bahwa dengan
tingkat kepercayaan 95% metode perakitan secara signifikan
berpengaruh terhadap waktu perakitan TV berwarna. Untuk uji
anova RBSL pengaruh baris dapat diambil kesimpulan bahwa
dengan menggunakan tingkat kepercayaan 95% pengelompokkan
baris secara signifikan tidak berpengaruh terhadap waktu
perakitan komponen TV berwarna. Untuk uji anova RBSL
pengaruh kolom dapat diambil kesimpulan bahwa dengan
menggunakan tingkat kepercayaan 95% pengelompokkankolom
signifikan terhadap metode perakitan.
• Untuk studi kasus pertama didapatkan juga untuk uji Tukey RBSL
dapat diambil kesimpulan bahwa pasangan perlakuan C dan A
mendukung untuk tolak H0 artinya pasangan perlakuan tersebut
terdapat perbedaan signifikan. Untuk uji Duncan RBSL dapat
diambil kesimpulan bahwa terdapat perbedaan signifikan pada
pasangan perlakuan C dan D, C dan B, C dan A. Untuk uji
26
independensi dapat diambil kesimpulan bahwa dengan
menggunakan tingkat kepercayaan 95% tidak terdapat korelasi
serial pada galat percobaan. Untuk uji homoskedastisitas dapat
diambil kesimpulan bahwa dengan menggunakan tingkat
kepercayaan 95% asumsi homoskedastisitas galat percobaan
terpenuhi. Untuk uji residual berdistribusi normal dapat diambil
kesimpulan bahwa dengan menggunakan tingkat kepercayaan
95% galat percobaan berdistribusi Normal.
• Untuk studi kasus kedua terdapat empat perlakuan yang berbeda
secara signifikan (pasangan perlakuan C dan E, pasangan
perlakuan A dan E,pasangan perlakuan A dan D dan pasangan
perlakuan A dan B). Terdapat juga perbedaan teknik yang
dilakukan dalam uji coba tersebut dan teknik yang paling unggul
yaitu teknikA.
• Untuk studi kasus kedua juga didapatkan pada uji asumsi untuk
pengecekan model pada kedua studi kasus tersebut sama –sama
gagal tolak H0 untuk seluruh uji asumsi yang berarti tidak terdapat
korelasi serial pada galat percobaan, asumsi homoskedastisitas
galat percobaan terpenuhi dan galat percobaan berdistribusi
Normal.
27
5 Daftar Pustaka
Debrina. (2017, Maret 3). Desain Bujur Sangkar The Graceo. Retrieved from
ub.ac.id: http://debrina.lecture.ub.ac.id/files/2017/03/Desain-
BujurSangkar-Graeco-Latin-2.pd
Naifular, Y. (2014). Analisis Rancangan Bujur Sangkar Graceo Latin. Jurnal
Gaussian, Volume 3, Nomor 1, 141-150.
Setiawan, A. (2022, Januari 13). Rancangan Bujur Sangkar Latin. Retrieved from
smartstat.info: https://www.smartstat.info/materi/rancangan-
percobaan/rancangan-bujur-sangkar-latin-rbsl/rancangan-bujur-sangkar-
latin.html
Sudjana. (2002). Design dan Analisis Eksperimen. Bnadung.
28