TI 3221 PENGENDALIAN KUALITAS STATISTIK
TOPIK 12 PRODUCT & PROCESS DESIGN PRINCIPLES
DESIGN OF EXPERIMENT (DOE)
LD, Semester II 2003/04
Hlm. 1
TI 3221 PENGENDALIAN KUALITAS STATISTIK
1. PENDAHULUAN Kerangka DOE : FAKTOR DESAIN (controllable) X1
X2
Xk ……
Input Response: Y
PROSES …… Z1 Z2
Zm
FAKTOR NOISE (uncontrollable)
Manfaat DOE : 1. Dapat digunakan untuk identifikasi variabel keputusan yang diperlukan untuk pengendalian atau perbaikan kualitas. 2. Dalam pengembangan proses baru, dapat digunakan untuk menentukan faktor penting untuk memaksimumkan output atau reduksi biaya: Reduksi waktu antara pengembangan & manufakturing; Menghasilkan desain yang robust terhadap noise. LD, Semester II 2003/04
Hlm. 2
1
PLAN STATISTIK TI 3221 PENGENDALIAN KUALITAS PDCA Cycle A P C D A P C D
Continuous Improvement
FOKUS PERAN DOE
DO
LD, Semester II 2003/04
CHECK
ACTION Hlm. 3
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Terminologi : 1.Faktor : variabel independen (controllable parameters). Kuantitatif : level faktor dinyatakan dalam rentang; Kualitatif : diskrit, dalam bentuk klasifikasi. 2.Respon : hasil yang diobservasi atau diukur pada tingkat faktor atau tingkat perlakuan tertentu. 3.Perlakukan (treatment) : kombinasi tertentu dari tingkat faktor yang efeknya pada variabel respon menjadi obyek pengamatan. 4.Unit Eksperimental : kuantitas material maksimum (untuk menufaturing) atau jumlah layanan (untuk sektor jasa) yang dikenai 1 kali treatment. 5.Unit Sampling : bagian / fraksi dari unit eksperimental yang diukur efek eksperimennya. 6.Kesalahan (error) eksperimental : variasi antar respon terhadap treatment yang sama, terjadi karena noise (uncontrollable factor)
LD, Semester II 2003/04
Hlm. 4
2
TI 3221 PENGENDALIAN KUALITAS STATISTIK
2. COMPLETELY RANDOMIZED DESIGN (CRD) Matriks Data : REPLIKASI (j)
TREATMENT (i)
1
2
3
…
r
ΣTreatment
Y11
Y12
Y13
…
Y1r
Y1.
Y21
Y22
Y23
…
Y2r
Y2.
3
Y31
Y32
Y33
…
Y3r
Y3.
p
Yp1
Yp2
Yp3
…
Ypr
Yp.
Σ Replikasi
Y.1
Y.2
Y.3
…
Y.r
Y..
…
1 2
Model Statistik :
Yij = µ + τ j + ε ij dimana τj = dampak treatment εij = error random terkait dengan observasi ij µ = rata-rata total LD, Semester II 2003/04
Hlm. 5
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova CRD : SUMBER
SUM OF SQUARE 2
∑i =1 Yi . p
Treatment
SSTR =
r
−
MEAN OF SQUARE
p–1
MSTR = SSTR / (p – 1)
Y ..2 pr
Error
SSE = SST - SSTR
Total
SST = ∑i = 1 ∑ j = 1 Yij 2 − p
DEGREE OF FREEDOM
r
p (r – 1)
MSE = SSE / [p(r – 1)]
pr – 1
MST = SST / (pr – 1)
Y ..2 pr
FStatistik
FStatistik = MSTR/MSE
Uji Hipotesis : 1. H0 : µ1 = µ2 = µ3=… = µp H1 : minimum 1 µ tidak sama 2. Kriteria penolakan : Fα,(p-1),p(r-1) Terima H0 jika FStatistik ≤ Fα,(p-1),p(r-1) Tolak H0 jika FStatistik > Fα,(p-1),p(r-1) LD, Semester II 2003/04
Hlm. 6
3
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Contoh 1 : CRD Tiga macam lem yang berbeda diuji dampaknya terhadap kekuatan lekat kertas dalam pulp. Ketiga lem tersebut secara random dicampurkan dalam 4 batch kertas secara terpisah. Data kekuatan rekat diberikan pada tabel di bawah. Apakah ada perbedaan kekuatan rekat antar ketiga lem tersebut untuk α=5% ? TREATMENT: Jenis Lem
1 10,2 12,8 7,2
1 2 3
SST = ∑i = 1 ∑ j = 1 Yij 2 − p
r
∑ j Yi.2
REPLIKASI (Kekuatan Rekat) 2 3 11,8 9,6 14,7 13,3 9,8 8,7
4 12,4 15,4 9,2
SUM (Treatment)
MEAN (Treatment)
44,0 56,2 34,9 135,1
11,000 14,050 8,725 11,258
Y ..2 ( 135 ,1 )2 = 1591,390 − = 70,389 pr 3( 4 )
r
Y ..2 ( 44 )2 + ( 56 ,2 )2 + ( 34 ,9 )2 ( 135 ,1 )2 = − = 57,111 r rp 4 3( 4 ) SSE = SST − SSTR = 70 ,389 − 57 ,111 = 13,278 SSTR =
−
MSTR SSTR /( p − 1 ) 57 ,111 / 2 28 ,555 = = = = 19,359 MSE SSE / [ p( 1 − r )] 13,278 / 9 1,475
FStatistik = LD, Semester II 2003/04
Hlm. 7
TI 3221 PENGENDALIAN KUALITAS STATISTIK
SUMBER VARIASI
DOE
SS
MS
FStatistik
Treatment: Lem
p–1 = 2
57,111
28,555
19,359
Error
p(r–1) = 3(4-1) = 9
13,278
1,475
Total
pr-1=3(4)-1=11
70,389
F0,5;2;9 = 4,26 < F
Statistik
Kesimpulan: Tolak H0 → ada perbedaan signifikan antara rata-rata kekuatan rekat dari ketiga lem yang diuji
LD, Semester II 2003/04
Hlm. 8
4
TI 3221 PENGENDALIAN KUALITAS STATISTIK
3. BLOCKING DALAM DOE Blocking : Digunakan untuk mengisolasi treatment dari pengaruh faktor lain (nuisance or noise).
Contoh Faktor Blocking : FAKTOR INTEREST
TUJUAN
VARIABEL BLOCKING
KETERANGAN
Menentukan metoda perakitan tercepat
Metoda perakitan (fixed effect)
Operator (random effect)
Setiap operator sebagai block (diduga operator berdampak pada kecepatan rakitan)
Menentukan temperatur pengeringan terbaik untuk kualitas produk
Temperatur tertentu (fixed effect)
Waktu, kelembaban (fixed & random effect)
Kelembaban mempengaruhi proses. Block: pagi, siang, malam
Meningkatkan efektivitas zat aditif bahan baku untuk mereduksi polusi
Beberapa zat aditif
Umur mobil (fixed & random effect)
Umur mobil mencerminkan performansi mobil (0-1; 2-3; 45)
Reduksi variasi dalam dimensi produk
Unit produk ttt (random effect)
Alat pengukuran aktual yang digunakan (random effect)
Diperkirakan alat ukur mempengaruhi variasi produk
LD, Semester II 2003/04
Hlm. 9
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Model Statistik :
Yij = µ + τ i + β j + ε ij τ i = dampak treatment β j = dampak block Konsep Blocking : SST
SST
SST SSTB1
SSTR
SSE
SSTR
SSTB
SSE
(a) No blocking: Completely Randomized Design (CRD)
LD, Semester II 2003/04
(b) Blocking pada 1 var. noise: Randomized Complete Block Design (RBD)
SSTR
SSTB2 SSE
(c) Blocking pada 2 var. noise: Latin Square Design (LSD)
Hlm. 10
5
TI 3221 PENGENDALIAN KUALITAS STATISTIK 3. RANDOMIZED BLOCK DESIGN
(RBD)
Matriks Data : TREATMENT (i) 1 2 3
2 Y12 Y22 Y32
BLOCK (j) 3 Y13 Y23 Y33
… … … …
r Y1r Y2r Y3r
Yp1 Y.1
Yp2 Y.2
Yp3 Y.3
… …
Ypr Y.r
Σ TREATMENT-i Y1. Y2. Y3.
…
1 Y11 Y21 Y31
p Σ BLOCK-j
Yp. Y..
Tabel Anova RBD : SUMBER
SS
DOE
Block
SSB
r–1
Treatment
SSTR
p–1
Error
SSE = SST – SSTR – SSB
(p – 1) (r – 1)
Total
SST
pr – 1
MS MSB = SSB / (r – 1) MSTR = SSTR / (p – 1) MSE = SSE / [ (p–1)(r–1)] MST = SST / (pr – 1)
FStatistik
FStatistik = MSTR/MSE
Kriteria penolakan H0: F Statistik > F0,5;2;9 = 4,26 LD, Semester II 2003/04
Hlm. 11
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Formula :
1. SST = ∑i = 1 ∑ j = 1 Yij 2 − p
r
∑ j Yi.2 r
2. SSTR =
∑
r r Y.j2 j
−
Y ..2 pr
Y ..2 pr
Y ..2 p pr 4. SSE = SST − SSTR − SSB
3. SSB =
−
MSTR SSTR /( p − 1 ) = MSE SSE / [( p − 1 )( 1 − r )] Uji perbedaan antar rata - 2 treatment : H 0 : µ1 = µ 2 = µ 3 = ..... = µ p
5. FStatistik =
H 1 : min imum 1 µ tidak sama Kriteria penolakan H 0 : FStatistik > Fα ,( p − 1 ),( p − 1 )( r − 1 ) LD, Semester II 2003/04
Hlm. 12
6
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Uji efektivitas blocking : FB = MSB / MSE Blocking efektif jika FB > Fα ,( r − 1 ),( p − 1 )( r − 1 ) Estimasi interval rata - rata dari hasil treatment : L(µi ) = Y i. ± t α/ 2 ,(p-1 )(r-1 ) MSE/r Estimasi perbedaan antar 2 rata - rata :
(
)
L(µ1 − µ 2 ) = Y1. − Y2 . ± t α/ 2 ,(p-1 )(r-1 ) 2 MSE/r
LD, Semester II 2003/04
Hlm. 13
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Contoh 2 : RBD Untuk menjaga stabilitas temperatur ruangan, diperlukan pemasangan insulator pada ruangan. Untuk mendapatkan efisiensi terbaik, perusahaan konstruksi bermaksud menguji efisiensi dari 3 insulator yang berbeda. Karena lokasi ruang yang dibangun bervariasi dengan temperatur yang berbeda, maka disusun rencana eksperimen sebagai berikut. Perusahaan membagi area menjadi 4 lokasi geografis berdasarkan perbedaan iklim. Pada setiap lokasi geografis, secara random digunakan 3 jenis insulator dan diukur energy loss dalam sebuah indeks. Indeks yang lebih kecil merepresentasikan energy loss yang lebih rendah. Tabel berikut memperlihatkan data energy loss index untuk 3 jenis insulator di 4 lokasi yang berbeda. a. Apakah ada perbedaan antar rata-rata energy loss index dari ketiga insulator untuk tingkat signifikansi α = 10%? b. Tentukan estimasi interval untuk rata-rata energy loss index dari insulator 3 dengan confidence interval 99%. c. Tentukan estimasi interval untuk perbedaan rata-rata energy loss index dari insulator 3 dan insulator 2 dengan confidence interval 90%. Apakah ada perbedaan antar rata-2 energy loss index dari kedua insulator tersebut? d. Insulator mana yang sebaiknya dipilih?
LD, Semester II 2003/04
Hlm. 14
7
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel data : TREATMENT: Jenis Insulator (i)
I 19,2 11,7
1 2
LOKASI GEOGRAFIS (j) II III 12,8 16,3 6,4 7,3
IV 12,5 6,2
SUM (Treatment-i)
MEAN (Treatment-i)
60,8 31,6
15,2 7,9 4,125
3
6,7
2,9
2,9
2,8
16,5
SUM (Block-j) MEAN (Block-j)
37,6 12,533
22,1 7,367
27,7 9,233
21,5 7,167
108,9 9,075
Solusi a :
SST = ∑i ∑ j y ij2 −
∑i = 1 yi.2
y ..2 108 ,9 2 = 1301,95 − = 313,683 3( 4 ) pr
p
SSTR =
r
SSBlock =
∑ j y .j2 p
− −
y ..2 ( 60 ,8 )2 + ( 31,6 )2 + ( 16 ,5 )2 108 ,9 2 = − = 253,596 4 3( 4 ) rp y ..2 ( 37 ,6 )2 + ( 22 ,1 )2 + ( 27 ,7 )2 + ( 21,5 )2 108 ,9 2 = − = 55,636 3 3( 4 ) rp
LD, Semester II 2003/04
Hlm. 15
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova RBD : SUMBER VARIASI TREATMENT: Insulator
DOF 2
SS 253,596
MS 126,798
BLOCK: Lokasi Geografis
3
55,636
18,545
ERROR
6
4,451
0,742
TOTAL
11
313,683
F Stat 170,887
Kriteria keputusan : F10%,2,6 = 3,46 Karena F Stat > F 10%,2,6 , maka minimum 1 rata-rata energy loss index berbeda dari rata-rata energy loss index yang lain. Solusi b : L(µ3 ) = Y3 ± t0 ,005 ;6 MSE/ 4 = 4 ,125 ± ( 3,707 ) 0 ,742 / 4 = 4 ,125 ± 1,597 = (2,528 ; 5,722)
Solusi c : Karena interval tidak mencakup angka nol, dapat disimpulkan bahwa terdapat = ( 7 ,9 − 4 ,125 ) ± ( 1 ,943 ) 2( 0 ,742 ) / 4 perbedaan signifikan antara rata-rata energy loss index insulator 2 & insulator 3 = 3 ,775 ± 1 ,183 = (2,592 ; 4,958) pada tingkat signifikansi 10%
L(µ 2 − µ 3 ) = ( Y2 − Y3 ) ± t 0 ,05 ;6 2 MSE/ 4
LD, Semester II 2003/04
Hlm. 16
8
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Solusi d : Karena semakin kecil nilai index semakin rendah energy loss yang terjadi, maka disarankan untuk memilih insulator 3. Analisis: Pada solusi c diperlihatkan bahwa dibandingkan insulator 2, secara statistik rata-rata energy loss index insulator 3 lebih rendah. Dan karena rata-rata energy loss index insulator 1 bahkan lebih tinggi dari insulator 2 & 3, maka disarankan untuk memilih insulator 3.
LD, Semester II 2003/04
Hlm. 17
TI 3221 PENGENDALIAN KUALITAS STATISTIK
4. LATIN SQUARE DESIGN (LSD) Merupakan incomplete block design; Treatment ditulis dengan huruf latin A, B, C, ….. Jumlah unit eksperimental = p2, dimana p = jumlah eksperimen. Kelebihan LSD: memungkinkan blocking 2 variabel → mereduksi variabilitas error eksperimental. Kekurangan LSD:
Σ Kelas setiap variable blocking = Σ Treatment → degree of freedom untuk error eksperimental ↓ jika Σ treatment ↓;
Σ unit eksperimental = (Σ Treatment)2 ⇒ Σ Treatment dibatasi ≤ 10;
Batasan model : 1. Tidak ada interaksi antara treatment & var. blocking atau antar var. blocking; 2. Σ Kelas variabel blocking harus sama.
LD, Semester II 2003/04
Hlm. 18
9
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Desain LSD : Standar Latin Square Design dengan 5 treatment: BLOCKING VARIABEL 2
BLOCKING VARIABLE 1 1
2
3
4
1
A
B
C
D
E
2
B
C
D
E
A
3
C
D
E
A
B
4
D
E
A
B
C
5
E
A
B
C
D
Randomisasi dalam LSD :
5
Urutan awal baris; disusun berdasarkan nilai Bil. Random
1. Perubahan Urutan Baris BIL. RANDOM
RANK ORDER
URUTAN BARU BARIS
658
4
1
409
3
2
322
2
3
157
1
4
762
5
5
LD, Semester II 2003/04
Hlm. 19
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Randomisasi dalam LSD :
Urutan awal kolom; disusun berdasarkan nilai Bil. Random
2. Perubahan Urutan Kolom BIL. RANDOM
RANK ORDER
URUTAN BARU KOLOM
368
1
1
721
4
2
870
5
3
452
3
4
379
2
5
Contoh Desain LSD : BV 1
BV 1
1
2
3
4
5
1
A
B
C
D
E
2
B
C
D
E
3
C
D
E
4
D
E
A
5
E
A
B
BV 2
2
3
4
5
1
D
E
A
B
C
A
2
C
D
E
A
A
B
3
B
C
D
B
C
4
A
B
C
C
D
5
E
A
B
C
a. Standard LSD LD, Semester II 2003/04
BV 1
1
BV 2
1
2
3
4
1
D
B
C
A
E
B
2
C
A
B
E
D
E
A
3
B
E
A
D
C
D
E
4
A
D
E
C
B
D
5
E
C
D
B
A
b. Randomisasi baris LSD
BV 2
5
b. Randomisasi kolom LSD Hlm. 20
10
TI 3221 PENGENDALIAN TABEL DATAKUALITAS LSD : STATISTIK
1 Y11 Y21 Y31
2 Y12 Y22 Y32
KOLOM BV-1 3 Y13 Y23 Y33
… … … …
r Y1r Y2r Y3r
p Σ KOLOM
Yp1 Y.1
Yp2 Y.2
Yp3 Y.3
… …
Ypr Y.r
SS
1 T1
2 T2
TREATMENT k 3 T3
… …
r Tr
y1
y2
y3
BARIS BV-2 1 2 3
Σ BARIS Y1. Y2. Y3.
… MS
dofT=(p2-1)
SST = ∑i ∑ j y ij2 −
dofR=(p-1)
SSRow =
dofC=(p-1)
SSCol =
dofTR=(p-1)
SSTR =
∑i yi.2 p ∑ j y .j2 p
∑
−
y ..2 p2
−
y ..2 p2
p T2 k =1 k
LD, Semester II 2003/04
y ..2 p2
p
−
yr
SSE dof E dof E dof E
Yp. Y..
= Tk / p
= SST − SSR − SSC − SSTR = (p 2 − 1 ) − (p − 1 ) − (p − 1 ) − (p − 1 ) = p2 − 3 p + 2 = (p − 1 )(p − 2 )
MSTR MSE MSTR = SSTR/dof TR MSE = SSE/dof E
FTR =
y ..2 p2
Hlm. 21
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova LSD : SUMBER VAIRASI
Dof
SS
MS
FStatistik
Baris : Blocking Variable 1
p-1
SSR
MSB = SSB / (p – 1)
MSB/MSE
Kolom : Blocking Variable 2
p-1
SSC
MSC = SSC / (p – 1)
MSC/MSE
Treatment
p-1
SSTR
MSTR = SSTR / (p-1)
MSTR/MSE
Error
(p-1)(p-2)
SSE = SST – SSTR – SSC – SSB
MSE = SSE / [ (p–1)(p–2)]
Total
p2 - 1
SST
MST = SST / (p2 – 1)
FR = FC = FTR =
Kriteria penolakan H0: F Statistik > Fα, dofdof-1, dofdof-E
LD, Semester II 2003/04
Hlm. 22
11
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Contoh 3 : LSD Sebuah perusahaan retail tertarik untuk menguji dampak dari 4 kebijakan harga (pricing policy) A, B, C, dan D pada tingkat penjualan. Perusahaan menduga variasi pada penjualan diperngaruhi oleh faktor lain disamping kebijakan harga, seperti lokasi toko dan volume penjualan. Perusahaan telah membuat klasifikasi lokasi menjadi 4: Timur-laut, Timur, Barat-tengah, dan Tenggara, dan volume penjualan menjadi 4 kelas: 1, 2, 3, dan 4 dimana kelas 1 merepresentasikan volume penjualan terbesar, sedang kelas selanjutnya menunjukkan volume penjualan yang semakin kecil. Setiap kebijakan harga diterapkan satu kali pada setiap lokasi dan setiap kelas penjualan. Tabel data memperlihatkan nilai penjualan untuk periode 3 bulan dengan kebijakan harga yang terkait. a. Apakah ada perbedaan dampak kebijakan harga pada rata-rata nilai penjualan pada tingkat signifikansi 5%? b. Tentukan 90% confidence interval untuk rata-rata nilai penjualan yang menggunakan kebijakan harga A. c. Kebijakan harga yang mana yang sebaiknya digunakan?
LD, Semester II 2003/04
Hlm. 23
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel data : BV-2: Kelas Vol. Penjualan (i)
Timur-laut 19,2 A 13,2 B 4,2 C
1 2 3 4 SUM BV-1 (j) SUM Treatment:
D
8,4
TA =
45,0 63,9
BV-1: Lokasi Geografis (j) Timur Timur-Barat C 6,6 B 15,4 D 8,2 5,3 C A 14,6 9,4 D A
13,3
TB =
43,4 44,7
B
7,6
TC =
37,0 22,3
Tenggara D 10,5 A 16,8 B 8,5 C
6,2
TD =
42,0 36,5
SUM BV-2 (i) 51,7 43,5 36,7 35,5 167,40
Solusi a : y ..2 ( 167 ,4 )2 = 2046 ,48 − = 1751,4225 2 42 p
SST = ∑i ∑ j y ij2 − SSRow = SSCol =
∑i yi.2 p
∑ j y .j2 p
∑
−
y ..2 ( 51,7 )2 + ( 43 ,5 )2 + ( 36 ,7 )2 + ( 35 ,5 )2 ( 167 ,4 )2 = − = 41,6475 4 42 p2
−
y ..2 ( 45 ,0 )2 + ( 43 ,4 )2 + ( 37 ,0 )2 + ( 42 ,0 )2 ( 167 ,4 )2 = − = 8,9675 4 42 p2
p T2 k =1 k
y ..2 ( 63,9 )2 + ( 44 ,7 )2 + ( 22 ,3 )2 + ( 36 ,5 )2 ( 167 ,4 )2 = − = 226,2875 p p2 4 42 SSE = SST − SSRow − SSCol − SSTR = 18,155
SSTR =
LD, Semester II 2003/04
−
Hlm. 24
12
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova : SUMBER VARIASI 1. ROW: Vol. Penjualan 2. COL: Lokasi Geografis 3. TREAT: Kebijakan Harga
dof 3 3 3
SS 41,65 8,97 226,29
4. ERROR
6
18,16
5. TOTAL
15
1751,42
MS=SS/dof 13,88 2,99 75,43
F-Stat
24,93
3,03
Kriteria keputusan : F5%,3,6 = 3,46 Karena F Stat > F 10%,2,6 , maka minimum 1 rata-rata energy loss index berbeda dari rata-rata energy loss index yang lain. Solusi b : L(µ3 ) = Y3 ± t0 ,005 ;6 MSE/ 4 = 4 ,125 ± ( 3,707 ) 0 ,742 / 4 = 4 ,125 ± 1,597 = (2,528 ; 5,722)
Solusi c : L(µ3 − µ3 ) = ( Y2 − Y ) ± t0 ,05 ;6 2 MSE/ 4 = ( 7 ,9 − 4 ,125 ) ± ( 1,943 ) 2( 0 ,742 ) / 4 = 3,775 ± 1,183 = (2,592 ; 4,958) LD, Semester II 2003/04
Karena interval tidak mencakup angka nol, dapat disimpulkan bahwa terdapat perbedaan signifikan antara rata-rata energy loss index insulator 2 & insulator 3 pada tingkat ingnifikansi 10%
Hlm. 25
TI 3221 PENGENDALIAN KUALITAS STATISTIK
5. EKSPERIMEN FAKTORIAL (EF) Treatment (perlakuan): Level 1 Level 1 Level 2
FAKTOR A
Level 2
FAKTOR B Level 3
Level 3 Level 4
TREATMENT/ PERLAKUAN
Σ TREATMENT = perkalian Σ level seluruh faktor : 3 x 4 = 12
Eksperimen Faktorial: mencakup seluruh kombinasi treatment yang mungkin dengan replikasi yang lengkap. Kelebihan EF:
memberikan kemampuan untuk mengestimasi dampak interaktif antar faktor;
dalam studi eksploratif, menentukan faktor-faktor penting (kunci).
Kekurangan EF: peningkatan jumlah eksperimen secara eksponensial sejalan dengan pertambahan jumlah faktor dan/atau level mereka. LD, Semester II 2003/04
Hlm. 26
13
TI 3221 PENGENDALIAN KUALITAS STATISTIK
5.A Eksperimen Faktorial 2 Faktor dgn CRD Setting : Jumlah faktor : 2, faktor A & B; Jumlah level : Faktor A = a level, Faktor B = b level; Treatment ab diterapkan secara random pada unit eksperimental; Replikasi eksperimen : n kali; Total observasi : abn; Model respon terhadap perlakuan (treatment) :
y ijk = µ + α i + β j + ( αβ)ij + ε ijk , i = 1,2,..., a , j = 1,2,..., b , k = 1,2,..., n Yijk µ αi βj (αβ) i j εijk
= = = = = =
respons terhadap level i faktor A, level j faktor B & pada replikasi ke-k; efek rata-rata secara keseluruhan; efek level i faktor A; efek level j faktor B; efek interaksi level i faktor A & level j faktor B; komponen error random (diasumsikan berdistribusi normal dengan rata-rata 0 & variansi konstan σ2.
LD, Semester II 2003/04
Hlm. 27
TI 3221 PENGENDALIAN KUALITAS STATISTIK
TABEL DATA EF – 2f & CRD : FAKTOR A
FAKTOR B 1
2
…
b
1
Y111, Y112, …, Y11n
Y121, Y122, …, Y12n
…
Y1b1, Y1b2, …, Y1bn
Sum = Y11.
Sum = Y12.
2
Y211, Y212, …, Y21n
Y221, Y222, …, Y22n
…
Y2b1, Y2b2, …, Y2bn
Sum = Y21.
Sum = Y22.
3
Y311, Y312, …, Y31n
Y321, Y322, …, Y32n
…
Y3b1, Y3b2, …, Y3bn
Sum = Y31.
Sum = Y32.
Sum = Y1b.
Sum = Y1b.
Sum = Y3b.
SUM
AVE.
Y1..
Y1..
Y2..
Y2..
Y3..
Ya..
…
…
…
…
Ya11, Ya12, …, Ya1n
Ya21, Ya22, …, Ya2n
Sum = Ya1.
Sum = Ya2.
Sum = Yab.
Ya..
Y...
SUM
Y.1.
Y.2.
Y.3.
Y…
AVERAGE
Y.1.
Y.2.
Y.b.
LD, Semester II 2003/04
…
… a
…
Yab1, Yab2, …, Yabn
Hlm. 28
14
TI 3221 PENGENDALIAN KUALITAS STATISTIK
FORMULA EF – 2f & CRD :
dof = abn − 1
dof = a − 1
a
SST =
SSA =
b
Y.2
n
∑ ∑ ∑ Yijk 2 − abn..
i =1 j =1k =1 a 2 Yi.. i =1
∑ b
bn
−
Y...2 abn
−
Y...2 abn
∑ Y.j.2
dof = b − 1
SSB =
j =1
an
a
b
∑ ∑ Yij.
2
dof = (a − 1)(b − 1)
Y...2 n abn SSAB = SS(subtotal) − SSA − SSB
dof = ab(n − 1)
SSE = SST − SS(subtotal)
SS(subtotal) =
i =1 j =1
−
LD, Semester II 2003/04
Hlm. 29
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova EF – 2f & CRD : SUMBER VARIASI
Dof
SS
MS
FStatistik
FAKTOR A
a–1
SSA
MSA = SSA / (a – 1)
MSA/MSE
FAKTOR B
b–1
SSB
MSB = SSB / (b – 1)
MSB/MSE
INTERAKSI FAKTOR A & B
(a–1)(b–1)
SSAB = SS(subtotal) – SSA – SSB
MSAB = SSAB / [(a–1)(b–1)]
ERROR
ab(n–1)
SSE = SST – SS(subtotal)
MSE = SSE / [ ab(n – 1)]
TOTAL
abn – 1
SST
MST = SST / (abn – 1)
LD, Semester II 2003/04
FA = FB =
FAB = MSAB/MSE
Hlm. 30
15
TI 3221 PENGENDALIAN KUALITAS STATISTIK UJI SIGNIFIKANSI FAKTOR PADA
EF – 2f & CRD
Uji I: keberadaan efek interaktif faktor A & B. Ho : (αβ)ij = 0 untuk semua i, j, i = 1, 2, …, a , j = 1, 2, …, b. Ha : minimum 1 (αβ)ij ≠ 0 FStatistik : FAB = MSAB/MSE, dof-1 = (a-1)(b-1), dof-2 = ab(n-1) Total Ho jika Fstatistik > Fα, (a-1)(b-1), ab(n-1) Jika Ho ditolak, atau terdapat interaksi efek faktor A & B secara signifikan, maka nilai rata-rata respon terhadap satu level faktor A untuk seluruh level faktor B tidak memiliki makna. Jika Ho diterima, atau interaksi efek faktor A & B tidak signifikan, maka beralasan untuk menguji efek dari masing-masing faktor A & B. Uji 2-a: kesamaan efek faktor A. Ho : α1 = α2 = … = αa untuk semua i, i = 1, 2, …, a. Ha : minimum 1 αi tidak sama FStatistik : FA = MSA/MSE, dof-1 = a – 1, dof-2 = ab(n-1) Total Ho jika Fstatistik > Fα, (a-1), ab(n-1) •
Uji 2-b: kesamaan efek faktor B. Ho : β1 = β2 = … = βb untuk semua j, j = 1, 2, …, b Ha : minimum 1 αi tidak sama FStatistik : FB = MSB/MSE, dof-1 = b – 1, dof-2 = ab(n-1) Total Ho jika Fstatistik > Fα, (b-1), ab(n-1)
LD, Semester II 2003/04
Hlm. 31
TI 3221 PENGENDALIAN KUALITAS STATISTIK
ESTIMASI 100(1-α) CONFIDENCE INTERVAL RATA-RATA RESPONS : Estimasi 100(1-α) confidence interval rata-rata respons terhadap treatment : a. Level i faktor A & level j faktor B:
Yij. ± t α/2,ab(n − 1) MSE/n
S Y(AB) = DS rata - rata treatment pd level i faktor A & level j faktor B
b. Level i faktor A :
Yi.. ± t α/2,ab(n − 1) MSE/(bn)
S Y(A) = DS rata - rata treatment pd level i faktor A
c. Level j faktor B :
Y.j. ± t α/2,ab(n − 1) MSE/(an)
LD, Semester II 2003/04
S Y(B) = DS rata - rata treatment pd level j faktor B
Hlm. 32
16
TI 3221 PENGENDALIAN KUALITAS STATISTIK
ESTIMASI 100(1-α) CONFIDENCE INTERVAL SELISIH RATA-RATA RESPONS : Estimasi 100(1-α) confidence interval selisih rata-rata respons terhadap treatment : a. Level i faktor A & level j faktor B:
(Y
)
ij. − Yi'j'. ± t α/ 2 ,ab(n − 1 ) 2 MSE/n
S Y (AB) = DS selisih rata - rata treatment pd level i faktor A & level j faktor B
b. Level i faktor A :
(Y
i..
)
− Yi'.. ± t α/ 2 ,ab(n − 1 ) 2 MSE/(bn)
S Y(A) = DS selisih rata - rata treatment pd level i faktor A
c. Level j faktor B :
(Y
.j.
)
− Y.j'. ± t α/ 2 ,ab(n − 1 ) 2 MSE/(an)
S Y (B) = DS selisih rata - rata treatment pd level j faktor B
LD, Semester II 2003/04
Hlm. 33
TI 3221 STATISTIK 5.B PENGENDALIAN EksperimenKUALITAS Faktorial 2 Faktor
dgn RBD
Setting : Jumlah faktor : 2, faktor A & B; Jumlah level : Faktor A = a level, Faktor B = b level; Jumlah block : r dimana setiap block mengandung ab unit; Treatment ab diterapkan secara random pada ab unit dalam block; Contoh kasus: ª Faktor A = 4 level temperatur : 75o, 150o, 200o, 250o ª Faktor B = 5 level tekanan : 50, 75, 100, 125, 150 kg/cm2 ª Blocking: variabilitas antar batch material ª Desain eksperimen: dipilih 10 batch, pada setiap batch dilakukan 4x5 treatment secara random. ª Jumlah observasi terhadap respon = 4 x 5 x 10 = 200. Model respon terhadap treatment :
y ijk = µ + α i + β j + ρk + (αβ )ij + ε ijk , i = 1,2,..., a , j = 1,2,..., b , k = 1,2,..., r Yijk
= respons terhadap level i faktor A, level j faktor B & block ke-k;
µ αi βj ρk (αβ) i j εijk
= = = = = =
LD, Semester II 2003/04
efek rata-rata secara keseluruhan; efek level i faktor A; efek level j faktor B; efek block ke-k; efek interaksi level i faktor A & level j faktor B; komponen error random (diasumsikan berdistribusi normal dengan rata-rata 0 & variansi konstan σ2. Hlm. 34
17
TI 3221 PENGENDALIAN KUALITAS STATISTIK
FORMULA EF – 2f & RBD :
dof = abr − 1
a
SST =
b
Y2
r
∑ ∑ ∑ Yijk 2 − abr...
i =1 j =1k =1 r 2 Y..k k =1
dof = r − 1
∑
SSBL =
ab
a
dof = a − 1
SSA =
∑ Yi..2
i =1 b
br
SSB =
j =1
ar a
b
Y...2 abr
−
Y...2 abr
−
Y...2 abr
∑ Y.j.2
dof = b − 1
−
∑ ∑ Yij.2
i =1 j =1
Y...2 − SSA − SSB abr
dof = (a − 1)(b − 1)
SSAB =
dof = ( ab - 1)(r − 1)
SSE = SST − SSBL - SSA - SSB - SSAB
r
−
LD, Semester II 2003/04
Hlm. 35
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova EF – 2f & RBD : SUMBER VARIASI
Dof
SS
MS
FStatistik FA = MSA/MSE
FAKTOR A
a–1
SSA
MSA = SSA / (a – 1)
FAKTOR B
b–1
SSB
MSB = SSB / (b – 1)
FB = MSB/MSE
INTERAKSI FAKTOR A&B
(a – 1)(b – 1)
SSAB
MSAB = SSAB / [(a–1)(b–1)]
MSAB/MSE
BLOCK
r–1
SSBL
MSBL = SSBL / (r–1)
ERROR
(ab – 1)(r – 1)
SSE = SST – SSBL – SSA – SSB
MSE = SSE / [(ab–1)(n–1)]
TOTAL
abr – 1
SST
MST = SST / (abr – 1)
LD, Semester II 2003/04
FAB =
Hlm. 36
18
TI 3221 PENGENDALIAN KUALITAS STATISTIK UJI SIGNIFIKANSI FAKTOR PADA
EF – 2f & RBD :
Uji I: keberadaan efek interaktif faktor A & B. Ho : (αβ)ij = 0 untuk semua i, j, i = 1, 2, …, a , j = 1, 2, …, b. Ha : minimum 1 (αβ)ij ≠ 0 FStatistik : FAB = MSAB/MSE, dof-1 = (a – 1)(b – 1 ), dof-2 = (ab – 1)(r – 1) Total Ho jika Fstatistik > Fα, (a-1)(b-1), (ab-1)(n-1) Jika Ho ditolak, atau terdapat interaksi efek faktor A & B secara signifikan, maka nilai rata-rata respon terhadap satu level faktor A untuk seluruh level faktor B tidak memiliki makna. Jika Ho diterima, atau interaksi efek faktor A & B tidak signifikan, maka beralasan untuk menguji efek dari masing-masing faktor A & B. Uji 2-a: kesamaan efek faktor A. Ho : α1 = α2 = … = αa untuk semua i, i = 1, 2, …, a. Ha : minimum 1 αi tidak sama FStatistik : FA = MSA/MSE, dof-1 = a – 1, dof-2 = (ab – 1)(r – 1) Total Ho jika Fstatistik > Fα, (a-1), (ab-1)(n-1) •
Uji 2-b: kesamaan efek faktor B. Ho : β1 = β2 = … = βb untuk semua j, j = 1, 2, …, b Ha : minimum 1 αi tidak sama FStatistik : FB = MSB/MSE, dof-1 = b – 1, dof-2 = (ab – 1)(r – 1) Total Ho jika Fstatistik > Fα, (b-1), (ab-1)(n-1)
LD, Semester II 2003/04
Hlm. 37
TI 3221 PENGENDALIAN KUALITAS STATISTIK
ESTIMASI 100(1-α) CONFIDENCE INTERVAL RATA-RATA RESPONS : Estimasi 100(1-α) confidence interval rata-rata respons terhadap treatment : a. Level i faktor A & level j faktor B:
Yij. ± t α/2,(ab - 1)(n − 1) MSE/r
S Y(AB) = DS rata - rata treatment pd level i faktor A & level j faktor B
b. Level i faktor A :
Yi.. ± t α/2,(ab - 1)(n − 1) MSE/(br)
S Y(A) = DS rata - rata treatment pd level i faktor A
c. Level j faktor B :
Y.j. ± t α/2,(ab - 1)(n − 1) MSE/(ar)
LD, Semester II 2003/04
S Y(B) = DS rata - rata treatment pd level j faktor B
Hlm. 38
19
TI 3221 PENGENDALIAN KUALITAS STATISTIK
ESTIMASI 100(1-α) CONFIDENCE INTERVAL SELISIH RATA-RATA RESPONS : Estimasi 100(1-α) confidence interval selisih rata-rata respons terhadap treatment : a. Level i faktor A & level j faktor B:
(Y
ij.
)
− Yi'j'. ± t α/ 2 ,( ab − 1 )(r − 1 ) 2 MSE/r
S Y (AB) = DS selisih rata - rata treatment pd level i faktor A & level j faktor B
b. Level i faktor A :
(Y
i..
)
S Y(A) = DS selisih rata - rata
− Yi'.. ± t α/ 2 ,( ab − 1 )(r − 1 ) 2 MSE/(br)
treatment pd level i faktor A
c. Level j faktor B :
(Y
.j.
)
S Y (B) = DS selisih rata - rata
− Y.j'. ± t α/ 2 ,( ab − 1 )(r − 1 ) 2 MSE/(ar)
treatment pd level j faktor B
LD, Semester II 2003/04
Hlm. 39
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Contoh 4 : EF – 2f Untuk mengetahui efisiensi bahan bakar sintetis untuk mobil, dilakukan pengujian sebagai berikut: 2 faktor berpengaruh terhadap efektivitas BB. Faktor A: zat aditif diuji pada 3 level (1, 2, & 3); Faktor B: katalis diuji pada 3 level (1, 2, & 3); 45 mobil diplih secara random untuk pengujian tersebut, setiap 9 treatment diterapkan secara random pada 5 mobil yang berbeda. Data hasil pengujian diberikan pada tabel di halaman ini. a. Tentukan faktor yang berpengaruh dengan α = 5%. b. Berikan saran kadar katalis & aditif yang harus digunakan. c. Apakah rata-rata tingkat katalis 1 & 3 berbeda untuk α = 5%? d. Tentukan (1-α) confidence interval selisih rata-rata treatment untuk aditif 1 – katalis 1 & aditif 2 – katalis 3. LD, Semester II 2003/04
Data tingkat efisiensi BB Sintesis TINGKAT KATALIS
TINGKAT ADITIF
1
2
3
1
75
64
43
72
62
48
66
58
42
74
56
46
65
60
46
50
73
58
58
70
62
46
67
54
53
68
60
55
70
62
67
82
44
60
76
43
60
80
38
62
84
42
63
75
44
2
3
Hlm. 40
20
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Data : TINGKAT KATALIS
TINGKAT ADITIF
1
2
3
1
75
64
43
72
62
48
66
58
42
74
56
46
65
60
46
sum-ij
352
300
225
ave-ij
70,4
60
45
2
50
73
58
58
70
62
46
67
54
53
68
60
55
70
62
262 52,4 67
348 69,6 82
296 59,2 44
60
76
43
60
80
38
62
84
42
sum-ij ave-ij 3
63
75
44
sum-ij ave-ij SUM-B
312 62,4 926
397 79,4 1045
211 42,2 732
AVE-B
61,73
69,67
48,80
SUM-A
AVE-A
Perhitungan : C = Y...2 /( abn ) = ( 2703 )2 /( 3 x 3 x 5 ) = 162.360,2 877
58,47
SST =
SSA =
3
3
5
∑ ∑ ∑ Yijk2 − C = 168.691 − 162.360 ,2 = 6.330,8
i =1 j = 1k = 1 3 Yi2.. i =1
∑
bn = 64,13
−C =
( 877 )2 + ( 906 )2 + ( 920 )2 − 162.360 ,2 3 x5
3
∑ Y.2j . 906
60,40
SSB =
j =1
−C = an = 3.328,13 3
( 926 )2 + ( 1.045 )2 + ( 732 )2 − 162.360 ,2 3 x5
3
∑ ∑ Yij2.
SSAB =
i =1 j =1
−C = n 2 + ( 300 ) + ( 225 )2 + ( 262 )2 + ( 348 )2 + / 5 − 162.360 ,2 ( 296 )2 + ( 312 )2 + ( 397 )2 + ( 211 )2 = 2.520,93 ( 352 )2
920
61,33
2703 60,07
SSE = 6.330 ,8 − 64 ,13 − 3328 ,13 − 2.520 ,93 = 417,6
LD, Semester II 2003/04
Hlm. 41
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Tabel Anova EF – 2f & CRD :
SUMBER VARIASI
Dof
SS
MS
FStatistik
FNormatif
FAKTOR A: Zat Aditif
2
64,13
32,07
2,764
3,266
FAKTOR B: Katalis
2
3.328,12
1.664,06
143,454
3,266
INTERAKSI FAKTOR A & B
4
2.520,93
630,23
54,330
2,642
ERROR
36
417,60
11,60
TOTAL
44
6.330,80
Solusi a :
Karena FAB=54,330 > F0,05;4;36 = 2,642, dapat disimpulkan bahwa efek interaksi antara kadar zat aditif & katalis berpengaruh secara signifikan terhadap efisiensi BB sintetis yang diuji. Karena efek interaktif antar kedua faktor tsb. signifikan, maka uji hipotesis pengaruh masing-masing faktor terhadap efisiensi BB tidak perlu dilakukan.
LD, Semester II 2003/04
Hlm. 42
21
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Solusi b :
Karena efek interaktif antar kedua faktor tsb. Signifikan terhadap efisiensi BB, maka ratarata respon terhadap satu faktor tidak dapat dihitung dengan merata-ratakan nilai ratarata respon untuk beberapa level dari faktor tersebut. Analisis dilakukan dengan memetakan nilai rata-rata respon untuk seluruh treatment ab.
Rata-rata Efisiensi BB
100
Aditif Level-3 80
Aditif Level-2
Saran kadar aditif & katalis yang harus digunakan:
60
40
Aditif Level-1 20 1
2
Tingkat Katalis
3
Jika tujuannya adalah maksimasi efisiensi BB, maka disarankan untuk memilih kombinasi: aditif level 3 & katalis level 2.
LD, Semester II 2003/04
Hlm. 43
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Solusi c :
95% confidence interval untuk selisih rata-rata efisiensi katalis 1 & 3 adalah:
(Y (Y
) )± t
.1 .
− Y.3 . ± t α/ 2 ,ab(n − 1 ) 2 MSE/(bn) =
.1 .
− Y.3 .
0 ,025 ,36
2 MSE/(bn) =
( 61 ,73 − 48 ,80 ) ± ( 2 ,028 ) ( 2 x 11 ,60 ) /( 3 x 5 ) = 12 ,93 ± 2 ,52 Karena interval tersebut tidak mencakup nilai 0, hal ini mengindikasikan bahwa perbedaan antara rata-rata efisiensi untuk katalis 1 & 3 signifikan. Tetapi karena pada b terbukti bahwa interaksi efek faktor A & B terhadap efisiensi BB signifikan, maka analisis terhadap efek masing-masing faktor tidak dapat dilakukan. Solusi d :
95% confidence interval untuk selisih rata-rata efisiensi aditif 1 ― katalis 1 & aditif 2 ― katalis 3 adalah:
(Y (Y
23 .
) )
− Y11 . ± t α/ 2 ,ab(n − 1 ) 2 MSE/n =
23 . − Y11 . ± t 0 ,025 ,36 2 MSE/n =
( 70 ,40 − 59 ,2 ) ± ( 2 ,028 ) ( 2 x 11 ,6 ) / 5 = 11 ,2 ± 4 ,368 Karena interval tersebut tidak mencakup nilai 0, berarti terdapat perbedaan signifikan antara kedua rata-rata tersebut pada tingkat signifikansi α=5%. LD, Semester II 2003/04
Hlm. 44
22