01. Blocking and Confounding in the 2_k Factorial Design
-
Upload
jose-ricardo -
Category
Documents
-
view
418 -
download
50
description
Transcript of 01. Blocking and Confounding in the 2_k Factorial Design
BLOCKING AND CONFOUNDING IN THE 2k FACTORIAL DESIGN
Oleh :
Muhammad Ghazali (1311.201.006)
Adiba (1311.201.022)
Feni Ira Puspita (1311.201.027)
Dosen Pengajar :
Dr. Sutikno
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2011
M.Ghazali – Adiba – Feni Ira Puspita Page 2
BLOCKING AND CONFOUNDING IN THE 2k FACTORIAL DESIGN
M.Ghazali1 Adiba2 Feni Ira Puspita3 1,2,3 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 batch-
nya 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
Total B1= 113 B2 = 106 B3 = 111
(1) = 28 a = 36 b = 18 ab = 31
(1) = 25 a = 32 b = 19 ab = 30
(1) = 27 a = 32 b = 23 ab = 29
M.Ghazali – Adiba – Feni Ira Puspita Page 3
Tabel 2. Analysis of Variance Rancangan Faktorial vs Rancangan Blok Faktorial
Rancangan Faktorial Blocking 2k dalam Rancangan Faktorial
Source of
Variation
Sum of Squares
df Mean
Square F0 P-value
Source of
Variation
Sum of Squares
df Mean
Square F0 P-value
A 208.33 1 208.33 53.15 0.0001 Blocks 6.5 2 3.25
B 75 1 75 19.13 0.0024 A 208.33 1 208.33 50.32 0.0004
AB 8.33 1 8.33 2.13 0.1826 B 75 1 75 18.12 0.0053
Error 31.34 8 3.92 AB 8.33 1 8.33 2.01 0.206
Total 323 11 Error 4.14 6 4.14
Total 323 11
Tabel 2 menunjukkan bahwa akibat yang hasilkan dari pengelompokan/blok terhadap
rancangan 22 faktorial sangat signifikan. SSE semakin kecil karena pengurangan hasil dari
pengelompokkan/blok. Nilai F0 untuk blok tidak dihitung, karena sudah dipastikan
signifikasinya menyebabkan variabilitas data. Derajat bebas dari tiga blok rancangan 22
faktorial pada Tabel 2 adalah dua. Berdasarkan Tabel 2, perhitungan blok menghasilkan nilai
efek dari blok yang relatif kecil.
SSBlok = 𝐵𝑖
2
4−
𝑦…2
12
31
= (113)2+ (106)2+ (111)2
4−
(330)2
12
= 6.50
2. CONFOUNDING
Pada rancangan kelompok/blok faktorial 2k jika blok tidak cukup menampung semua
kemungkinan pengulangan dalam satu kelompok/blok, maka diperlukan metode rancangan
percobaan khusus. Tujuannya untuk menyusun percobaan faktorial secara lengkap dengan
ukuran blok lebih kecil daripada ukuran kombinasi perlakuan dalam satu kali pengulangan,
metode ini biasa disebut pembauran (confounding). Metode pembauran menyebabkan
informasi tentang efek pasti perlakuan (biasanya yang memiliki interaksi paling besar) tidak
dibedakan dari kelompok/blok. Terdapat tiga metode menyusun confounding yaitu metode
plus minus (Plus Minus Methods), kombinasi linear (Linear Combination) dan the group-
theoretic of Principal Block.
2.1 CONFOUNDING DALAM DUA PENGELOMPOKAN/BLOK
2.1.1 Tabel Plus Minus
Jika pada percobaan rancangan 22 faktorial akan dibagi menjadi 2 blok, maka 4
perlakuan yang mungkin terjadi akan dibagi menjadi 2 blok dengan masing-masing berisi 2
M.Ghazali – Adiba – Feni Ira Puspita Page 4
perlakuan, dan confounding-nya adalah interaksi AB. Efek faktorial yang memiliki tanda
sama akan bergabung ke dalam blok yang sama.
Seluruh perlakuan bisa menjadi confounding, namun biasanya yang menjadi
confounding adalah yang memiliki order interaksi terbesar, karena tidak mungkin seorang
peneliti melakukan percobaan dengan confounding yang berbeda-beda untuk mendapatkan
hasil terbaik. Misalnya pada rancangan faktorial 22, yang dijadikan confounding-nya adalah
perlakuan AB dan pada rancangan faktorial 23, confounding-nya adalah ABC. Namun tidak
dapat dipungkiri apabila yang dijadikan confounding yaitu efek yang lain. Misalnya untuk
rancangan faktorial 22 menggunakan confound A dan B, sedangkan pada rancangan
faktorial 23 menggunakan confound A,B, C. AB, AC, BC.
Rancangan faktorial 22 pada Tabel 3 ditunjukkan bahwa pengelompokan dilihat dari
tanda plus minus perlakuan dibawah sel faktorial efek yang menjadi confounding AB.
Perlakuan yang memiliki tanda yang sama plus (+) dimasukkan pada kelompok/blok yang
sama blok I ((1), ab) sedangkan perlakuan yang memiliki tanda yang lain minus (-)
dimasukkan dalam kelompok/blok II (a, b).
Gambar 1. Rancangan Faktorial 22 dalam Dua Blok
Tabel 3. Tabel Plus Minus Gambar 1 Rancangan Faktorial 22 dalam Dua Blok
Treatment Combination
Factorial Effect
I A B AB
(1) + - - +
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 yang memiliki tanda yang sama minus (-) dimasukkan
pada kelompok/blok yang sama blok I ((1), ab, ac, bc) sedangkan perlakuan yang memiliki
tanda plus (+) dimasukkan dalam kelompok/blok II (a, b, c, abc).
Gambar 2. Rancangan Faktorial 23 dalam 2 Blok
BLOK 1
(1)
ab
BLOK 2
a
b
BLOK 1 (1) ab ac bc
BLOK 2 a b c
abc
M.Ghazali – Adiba – Feni Ira Puspita Page 5
Tabel 4 Tabel Plus Minus Rancangan Faktorial 23 dalam Dua Blok
Treatment combination
Factorial effect
I A B AB C AC BC ABC
(1) + - - + - + + - blok 1
a + + - - - - + + blok 2
b + - + - - + - + blok 2
ab + + + + - - - - blok 1
c + - - + + - - + blok 2
ac + + - - + + - - blok 1
bc + - + - + - + - blok 1
abc + + + + + + + + blok 2
2.1.2 Kombinasi Linear / Defining contrast
Metode lain yang dapat digunakan dalam membentuk blok pada rancangan percobaain
ini adalah metode kombinasi linear (defining contrast). Misalnya, pada rancangan faktorial 23
dimana xi adalah level dari faktor ke-i pada kombinasi perlakuan. αi adalah eksponen dari
faktor ke-i dalam efek yang dibaurkan.
L = α1x1 + α2x2 + . . . + αkxk
Jika x1 merujuk pada A, x2 merujuk pada B dan x3 merujuk pada C dan α1 = α2 = α3 =
1. Sehingga kombinasi linear/defining contrastnya sebagai berikut.
L = x1 + x2 +x3
Untuk perlakuan (1) (000) : L = 1(0) + 1(0) + 1(0) = 0
Untuk perlakuan a (100) : L = 1(1) + 1(0) + 1(0) = 1
Untuk perlakuan b (010) : L = 1(0) + 1(1) + 1(0) = 1, dan seterusnya.
Perlakuan (1) dan a akan berada pada blok berbeda karena memiliki nilai berbeda.
Setiap perlakuan yang memiliki nilai L (mod 2) yang sama akan ditempatkan pada blok yang
sama. Hasil blok yang didapatkan adalah :
BLOK I : (1), ab, ac, bc
BLOK II : a, b, c, abc
2.1.3 The Group-Theoretic Of Principal Block
Metode ketiga adalah the group-theoretic of Principal Block. Metode pembentukan
blok ini didasarkan pada blok yang memuat perlakuan (1). Kemudian perlakuan dalam blok
tersebut membentuk sebuah group yang berkenaan dengan perkalian mod 2. Sebagai
contoh desain principal block dari rancangan faktorial 23 dengan ABC confounded, maka :
ab.ac = a2bc = bc BLOK I + (1)
ab.bc = ab2c = ac hasilnya digunakan untuk
ac.bc = abc2 = ab mendapatkan blok II
M.Ghazali – Adiba – Feni Ira Puspita Page 6
b. (1) = b
b. ab = a BLOK II
b. ac = abc
b. bc = c
2.2 CONFOUNDING 2k FAKTORIAL DALAM EMPAT PENGELOMPOKAN
Dalam penelitian yang melibatkan jumlah faktor besar , k ≥ 4 dan ukuran blok kecil,
maka rancangan faktorial 2k dapat dibentuk menjadi confounding dalam 4 blok dengan 2k-2
observasi dalam setiap bloknya. Misalkan kita memiliki rancangan faktorial 25 dan setiap blok
hanya mampu menampung 8 perlakuan, maka 4 blok disusun. Metode penyusunan blok
dengan metode plus minus tidak dapat berlaku. Yang memungkinkan hanya metode
kombinasi linear/defining contras dan the group-theoretic of principal block.
2.3.1 Metode Kombinasi Linear
Sebagai contoh ambil dua effect confounded dengan block, misalkan ADE dan BCE.
Maka akan terbentuk defining contrastnya sebagai berikut :
L1 = x1 + x4 + x5
L2 = x2 + x3 + x5
Kita akan memiliki 4 kombinasi yang nantinya menjadi penentuan blok antara L1 dan
L2, yakni (0,0)/blok 1, (1,0)/blok 2, (0,1)/blok 3 dan (1,1)/blok 4.
(1): (L1,L2) = (0,0) -----> blok 1
a : (L1,L2) = (1,0) -----> blok 2
b : (L1,L2) = (0,1) -----> blok 3
c : (L1,L2) = (0,1) -----> blok 3
...
abcde : (L1,L2) = (1,1) -----> blok 4
Dibutuhkan satu efek lagi yang confounded dalam blok, karena jika blok yang ingin
dibentuk sebanyak empat, maka akan didapatkan tiga derajat bebas. Sedangkan
confounding yang dimiliki ADE dan BCE masing-masing hanya memiliki satu derajat bebas,
satu lagi efek dengan satu derajat bebas harus dibaurkan. Untuk mendapatkan confounded
tambahan dapat dilakukan dengan cara Generelized Interaction antara dua confounded
yang sudah ada, yaitu ADE dan BCE dengan melakukan perkalian diantara keduanya, maka
efek ABCD juga confounded dalam kelompok/blok. Sehingga sekarang dimiliki 3 confounded
with Block, yakni ADE, BCE dan ABCD.
(ADE)(BCE) = ABCDE2 = ABCD
M.Ghazali – Adiba – Feni Ira Puspita Page 7
Gambar 3 Rancangan Faktorial 25 dalam Empat Blok ADE, BCE, ABCD Confounded
2.3.2 Metode The Group Theoretic Principal Block
Metode The Group Theoretic Principal Block juga dapat digunakan pada contoh
rancangan faktorial 25. Berdasarkan Gambar 3, principal block (1) masuk pada
kelompok/blok I dan produk kombinasi dua perlakuan menghasilkan perlakuan yang lain.
ad . bc = abcd
abe . bde = ab2de2 = ad ; dan seterusnya
Blok yang lain dicari dengan mengalikan anggota principal block dengan salah satu
perlakuan bukan anggota principal block.
b . (1)= b ;
b . abc = ac ;
b . bde=de ; dan seterusnya
2.3 CONFOUNDING 2k FAKTORIAL DALAM 2p KELOMPOK/BLOK
Pada bab sebelumnya, semua kemungkinan observasi perlakuan rancangan faktorial
2k confounded dalam 2-4 kelompok/blok. Saat ini dapat diperluas dengan menggunakan 2p
kelompok/blok (p<k), sehingga setiap kelompok/blok berisi 2k-p observasi.
Langkah yang dapat dilakukan dengan memilih sebanyak p confounded effect yang
independen. Indepenen disini artinya tidak ada efek terpilih merupakan hasil interaksi
generalis dari lainnya. Kelompok/blok dapat dibangkitkan dengan menggunakan p defining
contrasts L1, L2, …, Lp asosiasi dengan efek tersebut.
Jika penelitian dengan rancangan (2k)= 26 dan confounding dalam (2p)= 23
kelompok/blok, maka masing-masing blok terdiri diri (2k-p) = 23 perlakuan. Dengan p = 3
independen confounding dipilih untuk mengeneralisir efek tambahan, yang dirumuskan
dengan 2p - p-1 = 4. Sebagai tambahan untuk mendapatkan jumlah efek yang sama dengan
jumlah derajat bebas blok (df blok = 8-1=7). Ketiga efek tersebut adalah : ABEF, ABCD dan
ACE. Ketiganya dapat digunakan untuk mengeneralisir efek lainnya sejumlah 2p - p-1 =4.
Sehingga total ada 7 confounding dengan blok, jumlahnya sesuai dengan derajat bebas dari
blok (8-1=7).
(ABEF)(ABCD) = CDEF (ABEF)(ACE) = BCF (ABCD)(ACE) = BED (ABEF)(ABCD)(ACE) = ADF
Blok 1 Blok 2 Blok 3 Blok 4
(1) ad bc
abcd abe ace cde bde
a be d
abde abc ce
bcd acde
b abce abd ae c
bcde acd de
e abcde
ade bd bce ac ab cd
M.Ghazali – Adiba – Feni Ira Puspita Page 8
2.5 PARTIAL CONFOUNDING
Subbab sebelumnya digunakan untuk rancangan faktorial 23 dengan 2 blok dimana
ABC dijadikan confounded dengan replikasi n =4. Informasi pada interaksi ABC tidak dapat
diperoleh kembali/diabaikan karena menjadi blok pada setiap pengulangannya (completely
confounded). Berdasarkan pembahasan Confounding 2k faktorial dalam 2p kelompok/blok
dimana effect confounding lebih dari satu, maka dapat dilakukan perbedaan confounded
pada setiap pengulangan, sehingga informasi confounded tidak diabaikan. Contoh
confounding 23 faktorial dalam 2 kelompok/blok dan pengulangan n=4 kali, pada setiap
pengulangan confounded dengan sebuah confounded berbeda-beda/partially confounded.
Gambar 4. Confounding Berbeda dalam Rancangan 23
Gambar 4 menunjukkan bahwa rancangan 23 dengan pengulangan n = 4 kali dengan
confounded berbeda-beda pada setiap pengulangannya. Hal ini menyebabkan elemen-
elemen perlakuan pada setiap kelompok menjadi berbeda. Pada pengulangan I, ABC
menjadi confounded; pengulangan II, AB sebagai confounded; pada pengulangan III, BC
sebagai confounded; pada pengulangan IV, AC sebagai confounded.
Perhitungan sum square interaksi adalah hanya data pengulangan yang tidak
confounded yang digunakan. Misalkan interaksi ABC hanya dihitung pada pengulangan II,
III dan IV, karena pada pengulangan I sebagai confounded. Demikian juga AB hanya
diperhitungkan pada pengulangan I, III dan IV, karena pada pengulangan II sebagai
confounded dan seterusnya.
3. 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.
• Variasi yang dibuang dari blok tak lengkap dengan replikasi menghasilkan Mean
Square Error yang lebih kecil jika dibandingkan Randomized Completely Block
Design .
Kekurangan dari metode confounding adalah sebagai berikut :
• Peningkatan ketepatan diperoleh pada biaya pengorbanan informasi (parsial atau
lengkap) pada interaksi relatif tidak penting tertentu.
• Kontras confounded direplikasi lebih sedikit daripada kontras lainnya, maka informasi
yang seharusnya dapat tersampaikan akan hilang karena jumlah replikasinya
dikurangi.
• Perhitungan aljabar biasanya lebih sulit dan analisis statistik yang kompleks,
terutama ketika beberapa unit (pengamatan) yang hilang.
• Sejumlah masalah muncul jika perlakuan berinteraksi dengan blok.
Replikasi 1 Conf. ABC Replikasi 2 Conf. AB Replikasi 3 Conf. BC Replikasi 4 Conf. AC
(1) ab ac bc
a b c
abc
(1) c
ab abc
a b ac bc
(1) b bc
abc
b c
ab ac
(1) b ac
abc
a c
ab bc
M.Ghazali – Adiba – Feni Ira Puspita Page 9
Tabel 5 Susunan Kelompok/Blok untuk Rancangan Faktorial 25
Number of Factor,
k
Number of Block,
2p
Block Size 2k-p
Effect Chosen to Generate the Block
Interaction Confounded With Block
3 2 4 ABC ABC 4 2 AB, AC AB, AC, BC 4 2 8 ABCD ABCD 4 4 ABC, ACD ABC, ACD, BD 8 2 AB, BC, CD AB, BC, CD, AC, BD, AD, ABCD 5 2 16 ABCDE ABCDE 4 8 ABC, CDE ABC, CDE, ABDE 8 4 ABE, BCE, CDE ABE, BCE, CDE, AC, ABCD, BD, ADE 16 2 AB, AC, CD, DE Semua interaksi 2 dan 4 faktor (15 efek)
6 2 32 ABCDEF ABCDEF 4 16 ABCF, CDEF ABCF, CDEF, ABDE 8 8 ABEF, ABCD, ACE ABEF, ABCD, ACE, BCF, BDE, CDEF, ADF 16 4 ABF, ACF, BDF, DEF ABF, ACF, BDF, DEF, BC, ABCD, ABDE, AD, ACDE, CE, BDF,
BCDEF, ABCEF, AEF, BE 32 2 AB, BC, CD, DE, EF Semua interaksi 2, 4 dan 6 faktor (31 efek)
7 2 64 ABCDEFG ABCDEFG 4 32 ABCFG, CDEFG ABCFG, CDEFG, ABDE 8 16 ABC, DEF, AFG ABC, DEF, AFG, ABCDEF, BCFG, ADEG, BCDEG 16 8 ABCD, EFG, CDE, ADG ABCD, EFG, CDE, ADG, ABCDEFG, ABE, BCG, CDFG, ADEF,
ACEG, ABFG, BCEF, BDEG, ACF, BDF 32 4 ABG, BCG, CDG, DEG,
EFG ABG, BCG, CDG, DEG, EFG, AC, BD, CE, DF, AE, BE, ABCD, ABDE, ABEF, BCDE, BCEF, CDEF, ABCDEFG, ADG, ACDEG, ACEFG, ABDFG, ABCEG, BEG, BDEFG, CFG, ADEF, ACDF, ABCF, AFG
64 2 AB, BC, CD, DE, EF, FG Semua interaksi 2, 4, 6 faktor (63 efek)
M.Ghazali – Adiba – Feni Ira Puspita Page 10
CONTOH :
Diketahui : Penelitian dengan rancangan faktorial 23 untuk mengetahui dampak tinggi isian
minuman bersoda. Tiga faktor persentase karbonasi (A), tekanan (B) dan kecepatan lini (C)
digunakan untuk mengetahui tinggi isian tersebut. Apabila setiap batch hanya mampu untuk
mengukur empat tes perlakuan, sehingga setiap pengulangan rancangan 23 harus dijalankan
dalam dua kelompok/blok. Jika dilakukan percobaan dengan dua pengulangan, dengan ABC
sebagai confounded pada pengulangan I dan AB sebagai confounded ada pengulangan II. Data
yang dihasilkan adalah sebagai berikut :
Tabel 6 Tabel Plus Minus dan Data hasil Contoh
Factorial effect
A B AB C AC BC ABC Replikasi I
Replikasi II
(1) - - + - + + - -3 -1
a + - - - - + + 0 1
b - + - - + - + -1 0
ab + + + - - - - 2 3
c - - + + - - + -1 0
ac + - - + + - - 2 1
bc - + - + - + - 1 1
abc + + + + + + + 6 5
Source of Variance Sum
Square DF
Mean Square
Fo P-Value
Replicates 1.00 1 1.00
Block Within replicates 2.50 2 1.25
A 36.00 1 36.00 48.00 0.0001
B 20.25 1 20.25 27.00 0.0035
C 12.25 1 12.25 16.33 0.0099
AB (rep I only) 0.50 1 0.50 0.67 0.4503
AC 0.25 1 0.25 0.33 0.5905
BC 1.00 1 1.00 1.33 0.3009
ABC (rep II only) 0.50 1 0.50 0.67 0.4503
Error 3.75 5 0.75
Total 78.00 15
(1)= -3 ab = 2 ac =2 bc = 1
a = 0 b = -1 c = -1 abc = 6
(1)= -1 c = 0 ab = 3 abc = 5
a = 1 b = 0 ac =1 bc = 1
Replikasi 1 Conf. ABC Replikasi 2 Conf. AB
M.Ghazali – Adiba – Feni Ira Puspita Page 11
Perhitungan Sum Square
SS Replikasi = [rep. 1]2 /2k + [rep. 2]2 /2k – (total)2 /n.2k
= [(1)+a+b+ab+c+ac+bc+abc]2/2k + [(1)+a+b+ab+c+ac+bc+abc]2/2k -
y...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)+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) - 1- 0+3+0-1-1+5] 2 /8
= [2]2 /8 +[4]2 /8
= 2.5
SSA = A [rep.1] + A [rep.2]
= [(a+ab+ac+abc) – ((1) + b+c+bc)]2/n.2k + [(a+ab+ac+abc) – ((1) +
b+c+bc)]2/n.2k
= [24]2 /16
= 36
SSB = B [rep.1] + B [rep.2]
= [(b+ab+bc+abc) – ((1)+a+c+ac)]2/n.22 + [(b+ab+bc+abc) –
((1)+a+c+ac)]2/n.22
= [18]2 /16
= 20.25
SSC = C [rep.1] + C [rep.2]
= [(c+ac+bc+abc) – ((1)+a+b+ab)]2/n.2k + [(c+ac+bc+abc) –
((1)+a+b+ab)]2/n.2k
M.Ghazali – Adiba – Feni Ira Puspita Page 12
= [14]2 /16
= 12.25
SS AB = AB [dalam rep.1, dalam rep.2 confounded]
= [((1)+ab+c+abc – (a+b+ac+bc)]2/2k
= [2]2 /8
= 0.5
SS AC = AC [rep.1] + AC [rep.2]
= [((1)+b+ac+abc) – (a+c+ab+bc)]2/n.2k + [((1)+b+ac+abc) –
(a+c+ab+bc)]2/n.2k
= [2]2 /16]
= 0.25
SS BC = BC [rep.1] + BC [rep.2]
= [((1)+a+bc+abc) – (b+c+ab+ac)]2/n.2k + [((1)+a+bc+abc) –
(b+c+ab+ac)]2/n.2k
= [4]2 /16
= 1
SS ABC = ABC [rep.2, dalam rep. 1 confounded)
= [(a+b+c+abc) – ((1)+ab+ac+bc)]2/2k
= 22 /8 = 0.5
SST = 𝑦𝑖𝑗𝑘𝑙2𝑛
𝑙=1𝑐𝑘=1
𝑏𝑗=1
𝑎𝑖=1 −
𝑦…2
𝑛 .2𝑘
= 94- (162/16)
= 78
M.Ghazali – Adiba – Feni Ira Puspita Page 13
Perhitungan Minitab
Misalnya terdapat percobaan faktorial 22, dengan 4 poin desain ((1), a, b, ab) dan dilakukan
pada masing-masing poin desain dalam 3 blok.
Hasil penelitian diperoleh sebagai berikut .
Perhitungan dalam Minitab:
Step 1: Specify a 22 design
Step 2: Select 3 replicates in 3 blocks
M.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.Ghazali – Adiba – Feni Ira Puspita Page 15
The normal probability plot
The Least Square Means
M.Ghazali – Adiba – Feni Ira Puspita Page 16
Residual Plot
Interaction Plot, Main Effect Plots, Surface Plot, dan Contour Plot
M.Ghazali – Adiba – Feni Ira Puspita Page 17
Contoh: Jika k > 2
Consider a 23 experiment in 2 blocks. We want to confound the ABC interaction effect with
blocks in this example.The easiest way to do this is to write out the design matrix with the +1’s
and -1’s, as shown below.
Next, sort the ABC column by the -1’s and the +1’s as follows. Then, all the -1’s constitute block
1 and the +1’s constitute block 2.
Bagaimana menghitung confounding secara umum ?
pada rancangan faktorial 23 dimana xi adalah level dari faktor ke-i pada kombinasi perlakuan. αi
adalah eksponen dari faktor ke-i dalam efek yang dibaurkan.
L = α1x1 + α2x2 + . . . + αkxk
Jika x1 merujuk pada A, x2 merujuk pada B dan x3 merujuk pada C dan α1 = α2 = α3 = 1.
Sehingga kombinasi linear/defining contrastnya sebagai berikut.
L = x1 + x2 +x3
M.Ghazali – Adiba – Feni Ira Puspita Page 18
Contoh: Lebih dari dua blok
Contoh ambil dua effect confounded dengan block, misalkan ADE dan BCE. Maka akan
terbentuk defining contrastnya sebagai berikut :
L1 = x1 + x4 + x5
L2 = x2 + x3 + x5
Kita akan memiliki 4 kombinasi yang nantinya menjadi penentuan blok antara L1 dan L2, yakni
(0,0)/blok 1, (1,0)/blok 2, (0,1)/blok 3 dan (1,1)/blok 4.
L1 L2 Pair Block
0 0 (0,0) 1
1 0 (1,0) 2
0 1 (0,1) 3
1 1 (1,1) 4
M.Ghazali – Adiba – Feni Ira Puspita Page 19
Untuk mengetahui anggota dalam blok dapat menggunakan “filter” dalam perhitungan excel.
Hasil struktur blocking
Generalized Interactions
Dibutuhkan satu efek lagi yang confounded dalam blok, karena jika blok yang ingin dibentuk
sebanyak empat, maka akan didapatkan tiga derajat bebas. Sedangkan confounding yang
dimiliki ADE dan BCE masing-masing hanya memiliki satu derajat bebas, satu lagi efek dengan
satu derajat bebas harus dibaurkan. Untuk mendapatkan confounded tambahan dapat
dilakukan dengan cara Generelized Interaction antara dua confounded yang sudah ada, yaitu
ADE dan BCE dengan melakukan perkalian diantara keduanya, maka efek ABCD juga
confounded dalam kelompok/blok. Sehingga sekarang dimiliki 3 confounded with Block, yakni
ADE, BCE dan ABCD.
(ADE)(BCE) = ABCDE2 = ABCD
M.Ghazali – Adiba – Feni Ira Puspita Page 20
Desain Minitab:
M.Ghazali – Adiba – Feni Ira Puspita Page 21
Spesifikasi pembangkit untuk blocking
M.Ghazali – Adiba – Feni Ira Puspita Page 22
M.Ghazali – Adiba – Feni Ira Puspita Page 23
Analisis dengan SAS
Output SAS :
M.Ghazali – Adiba – Feni Ira Puspita Page 24
DAFTAR PUSTAKA
Montgomery, C.D. 1997. Design and Analysis of Experiments. New York : John Wiley & Sons, Inc.
Suwanda. 2011. Desain Eksperimen untuk Penelitian Ilmiah. Bandung : Alfabeta.
Jaggi, S. et all. Confounding in Factorial Experiments and Fractional Factorials. New Delhi: Library
Avenue Indian Agricultural Statistics Research Institute.