Академический Документы
Профессиональный Документы
Культура Документы
3.
4. 5.
6. 7. 8.
Anggun Yuanita Prieskawati Wahyudi Mega Silfiani Ida Ayu Sevita Intansari Rahmi Amelia Arma Fauziyatul Mafrida Dwi Ratnasari Wahyuning Pintowati
JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011
Alasan disebut RBSGL, yaitu : 1. 2. 3. Terdapat 4 buah faktor yaitu faktor baris, kolom, huruf-huruf Latin dan hurufhuruf Greek; Keempat faktor mempunyai taraf yang sama; Setiap perlakuan hanya muncul sekali di setiap baris, kolom dan huruf Greek
Model Statistik untuk analisisi rancangan bujur sangkar Graeco-latin (RBSGL), yaitu :
Yijkl = +i + j + k +l + ijkl
Model tersebut memiliki syarat-syarat, yaitu : i = j = k = l = Keterangan : Yijkl : : : : : : : hasil observasiyang dicatat dari baris ke-i, huruf Greek ke-k, kolom ke-l dan perlakuan ke-j rata-rata keseluruhan efek baris ke-i efek huruf latin ke-j efek huruf Greek ke-k efek kolom ke-l sesatan random dengan ijkl ~DNI (0, 2 ) Model di atas diartikan bahwa besarnya hasil observasi yang dicatat dari baris ke-i, perlakuan ke-j, huruf Greek ke-k, dan kolom ke-l dipengaruhi oleh rata-rata keseluruhan, efek baris ke-i, efek huruf Latin ke-j, efek huruf Greek ke-k, efek kolom ke-l dan besarnya sesatan random. Keempat faktor tidak boleh berinteraksi dikarenakan RBSGL adalah percobaan faktor tunggal sehingga apabila ada interaksi dari keempat faktor akan menjadi percobaan faktorial. Rancangan Bujur Sangkar Graeco-Latin dengan empat taraf perlakuan dapat digambarkan dalam tabel, sebagai berikut : 1, 2, 3, ..., p 1, 2, 3, ..., p 1, 2, 3, ..., p 1, 2, 3, ..., p p = banyak taraf perlakuan
i
j
k
l
ijkl
Baris 1 2 3 4
Kolom 1 A B C D 2 B A D C 3 C D A B 4 D C B A
b. Analisis Statistik *) Langkah-langkah Analisis Statistik 1. Menentukan hipotesis Model Efek Tetap H0 :
1 = 2 = ... = a (semua perlakuan memberikan hasil yang
sama terhadap respon) H1 : paling sedikit i j (paling sedikit dua buah perlakukan memberikan hasil yang berbeda terhadap respon) atau H0 : 1 = 2 = ... = a = 0 (perlakuan tidak mempengaruhi respon) H1 : paling sedikit i 0 (perlakuan mempengaruhi respon) Model Efek Random H0 : 2 = 0 (terdapat variabilitas di antara perlakuan) H1 : 2 0 (terdapat variabilitas di antara perlakuan) 2. 3. Menentukan
-1 ))
4. 5.
RK perlakuan RKError
Y
i j k l
ijkl
Y .... 2 N
; db = p2-1
= = = = =
i= 1 p
Yi ... 2 Y .... 2 p N
Y ... l 2 Y .... 2 p N l= 1
Y .. k .2 Y .... 2 p N k= 1
p
Y . j.. 2 Y .... 2 p N j= 1
p
F
RKP RKE RKB F0= RKE RKK F0= RKE
F0=
RKGreek RKE
Error TOTAL
JKE JKT
*) Uji Perbandingan Ganda (uji ini dilakukan apabila pada pengujian model efek diperoleh kesimpulan H0 ditolak) 1. Metode LSD (Least Significant Difference) Prosedur ini digunakan untuk menguji hipotesis sebagai berikut: Ho: H1: ;i j
dengan mengasumsikan bahwa yang digunakan adalah alternatif dua sisi, maka pasangan dari . Nilai statistik uji LSD Perulangan tidak sama LSD= Perulangan sama LSD= 2. Metode Tukey Metode ini juga digunakan untuk menguji hipotesis seperti pada metode LSD: Ho: H1: Prosedur Tukey ini menggunakan studentized range statistic dengan ;i j dan akan dikatakan berbeda secara signifikan jika:
dimana
dan
Rata-rata dua sampel dikatakan berbeda secara signifikan jika nilai absolut dari selisih kedua sampel tersebut melebihi: untuk perulangan yang sama, dan
CONTOH APLIKASI RBSGL Seorang peneliti mempelajari efek 5 formulasi (perlakuan) berbeda dari bahan bakar roket yang dinotasikan A,B,C,D,E terhadap tingkat penbakaran pada aircrew escape system. Masing-masing formulasi dicampur bedasarkan bahan
mentah dan disiapkan oleh beberapa operator. Dimana operator mempunyai skill dan pengalaman berbeda. Faktor tambahan lain dalam penelitian tersebut adalah uji perakitan (assemblies test) yang dinotasikan dengan , , , dan ini adalah struktur data dari desain RBSGL.
Tabel 3. Desain RBSGL
. Berikut
Baris 1 2 3 4 5
A B C D E
C D E A
Kolom 3 C D E A B
4 D E A B C
5 E A B C D
PENYELESAIAN SECARA MANUAL Data pengamatan atau observasi yang diperoleh oleh peneliti adalah sebagai berikut jika di desain sesuai RBSGL.
Tabel 4. Desain RBSGL contoh aplikasi
Bahan Mentah 1 2 3 4 5
Y... l
2 B =20
Yi ...
Yi 2 ...
12321 17956 16900 16384 17424
C =24 D =3 0 D =38 E =2 E
A =3 0 143 20449
2 ... l
Uji Hipotesis 1. H0= tidak ada perbedaan tingkat pembakaran pada aircrew system berdasarkan formulasi H1= paling tidak terdapat satu perbedaan tingkat pembakaran pada aircrew system berdasarkan formulasi
2. H0 = tidak ada perbedaan rata rata tingkat pembakaran pada aircrew system berdasarkan bahan mentah H1= paling tidak terdapat satu perbedaan rata - rata tingkat pembakaran pada aircrew system berdasarkan bahan mentah. 3. H0 = tidak ada perbedaan rata rata tingkat pembakaran pada aircrew system berdasarkan operator H1= paling tidak terdapat rata rata tingkat pembakaran pada aircrew system berdasarkan operator 4. H0 = tidak ada perbedaan rata rata tingkat pembakaran pada aircrew system berdasarkan uji perakitan H1= paling tidak terdapat rata rata tingkat pembakaran pada aircrew system berdasarkan uji perakitan Perhitungan ANOVA GRAECO secara manual. SS_total = Yijkl
i= j= k = l = 1 1 1 1 p p p p 2
2 Y.... N
635 2 25
(111
= 68
(107
= 150
SS_greek =
=
Y2 1 p 2 Y.. k . ... p k =1 N
(135
= 62
Y2 1 p 2 Y. j .. ... SS_latin = p k =1 N
=
(143
= 330
SS_Error = SStotal SSbaris SSkolom SSgreek SSlatin = 676 68 150 62 330 = 66 Sumber Perlakuan/Latin Baris Kolom Greek 1 Y. 2.. j p k =1
p
SS Y2 ... N
MS
SS
perlakuan
F
MS
perlakuan
p 1
MS E
1 p 2 Y...2 Yi... N p i =1 1 p 2 Y...2 Y... l N p l =1 Y...2 1 p 2 Y.. k . N p k =1 SSE = SST - SStreatment+ -SSB SSK SSG
SS baris p 1 SS kolom p 1
SS greek p 1
MS baris MS E MS kolom MS E
MS greek MS E
Error Total
(p-2)
Y N
2 ....
Y
i= j= k = l = 1 1 1 1
ijkl
(p-1) P2-1
SS Error ( p 2)( p 1)
Hasil Tabel ANOVA Sumber Formulasi Bahan mentah Operator Uji perakitan Error Total Daerah kritis SS 330 68 150 62 66 676 Df 4 4 4 4 8 24 MS 82,5 17 37,5 15,5 8,25 F 10 2,06 4,54 1,89
Fhitung >F(0.05,4,8) = 3, 84 Kesimpulan 1. Karena Fhitung = 10 > 3,84 maka tolak H0 artinya ada perbedaan tingkat pembakaran pada aircrew system berdasarkan formulasi 2. Karena Fhitung = 2,06 < 3,84 maka gagal tolak H0 artinya tidak terdapat perbedaan rata - rata tingkat pembakaran pada aircrew system berdasarkan bahan mentah. 3. Karena Fhitung = 4,54 > 3,84 maka tolak H0 artinya ada perbedaan tingkat pembakaran pada aircrew system berdasarkan operator. 4. Karena Fhitung = 1,89 < 3,84 maka gagal tolak H0 artinya tidak terdapat perbedaan rata - rata tingkat pembakaran pada aircrew system berdasarkan uji perakitan. UJI PERBANDINGAN BERGANDA TUKEY SECARA MANUAL 1. Ho: ; i j (rata-rata tingkat pembakaran pada aircrew system rata-rata tingkat pembakaran pada
aircrew system berdasarkan formulasi level ke-j) H1: (rata-rata tingkat pembakaran pada aircrew system berdasarkan rata-rata tingkat pembakaran pada aircrew system
qHitung Qtabel qHitung Qtabel qHitung Qtabel qHitung Qtabel qHitung Qtabel
7,47 Q0.05(5,20) 4,51 Q0.05(5,20) 5,76 Q0.05(5,20) 2,8 Q0.05(5,20) 2,96 Q0.05(5,20)
4.24 Tolak H0 4.24 Tolak H0 4.24 Tolak H0 4.24 Gagal Tolak H0 4.24 Gagal Tolak H0
2. Ho:
; i j (rata-rata tingkat pembakaran pada aircrew system rata-rata tingkat pembakaran pada aircrew
system berdasarkan operator ke-j) H1: (rata-rata tingkat pembakaran pada aircrew system berdasarkan rata-rata tingkat pembakaran pada aircrew system
operator ke-i
PERBANDINGAN GANDA OPERATOR 1&2 qHitung 5,6 Qtabel qHitung Qtabel qHitung Qtabel qHitung Qtabel qHitung Qtabel qHitung Qtabel qHitung Qtabel Q0.05(5;20) 2,18 Q0.05(5;20) 3,58 Q0.05(5;20) 4,20 Q0.05(5;20) 3,42 Q0.05(5;20) 2,02 Q0.05(5;20) 1,4 Q0.05(5;20)
Kesimpulan 4.2 4 Tolak H0 4.2 4 Gagal Tolak H0 4.2 4 Gagal Tolak H0 4.2 4 Gagal Tolak H0 4.2 4 Gagal Tolak H0 4.2 4 Gagal Tolak H0 4.2 Gagal Tolak H0
1&3
1&4
1&5
2&3
2&4
2&5
4 3&4 qHitung Qtabel qHitung Qtabel qHitung Qtabel Q0.05(5;20) 2,02 Q0.05(5;20) 0,62 Q0.05(5;20) 4.2 4 Gagal Tolak H0 4.2 4 Gagal Tolak H0 1,4 4.2 4 Gagal Tolak H0
3&5
4&5
Langkah-langkah mengerjakan soal rancangan graeco. Misalnya terdapat contoh seperti pada Tabel 1. Tabel 5. Contoh Soal Rancangan Graeco Bahan Mentah 1 2 3 4 5 1 A =2 4 B =1 C =18 D =2 6 E =22 7 2 Operator 3 4 D =2 5 E =24
B =20 C =19 C =2 D =3 E =3 1 A =3 8 4 D =3 0 E =2 A =2 6 B =2 6
0 0 9 Yang harus dilakukan untuk menganalisis rancangan graeco, terlebih dahulu harus mengkoding data. Koding bahan mentah, formulasi, uji perakitan dan operator berdasarkan letak respon. Misalkan Y1232=20 memiliki arti koding bahan mentah=1, formulasi=1, uji perakitan= 3, operator=2 dan respon=20. Hasil dari kodingan dapat dilihat melalui Tabel 2.
bahan
formulasi
uji
operator
respon
1. Ketik data seperti pada Tabel 6 ke dalam minitab yang dapat dilihat seperti pada Gambar 1.
2. Klik Stat, sorot ANOVA dan klik general linier model yang dapat dilihat seperti pada Gambar 2.
3. Setelah melakukan perintah pada langkah 2, akan muncul windows General Linier Model yang dapat dilihat seperti pada Gambar 3. a b
Gambar 3. Windows General Linier Model a. Masukkan variabel respon ke dalam box Responses b. Masukkan kodingan dari baris (bahan mentah), huruf greek (formulasi), kolom(uji perakitan) dan perlakuan (operator) ke dalam box Model c. Kosongkan box Random Factor jika pada model tidak terdapat variabel faktor random. 4. Abaikan button covariate jika variabel kontinu tidak ingin dikontrol. Jika button covariate dijalankan dengan memasukkan variabel kontinu, maka minitab akan mentransformasi variabel kontinu ke dalam bentuk kategorik untuk menghitung pengaruh dari variabel pengamatan yang sulit untuk dikontrol. Salah satu fungsi covariate adalah menurunkan varians error. 5. Abaikan button option jika anda tidak memasukkan pembobot, tidak memilih jenis sum of squares dan memprediksi pengamatan yang baru. Minitab mendefault tipe sum of squares pada tipe III yaitu sum of squares adjusted. 6. Klik button Comparisons dan akan tampil seperti pada Gambar 4.
Gambar 4. Windows Comparisons Minitab akan default comparison pada pilihan pairwise comparisons. Gunakan comparison with a control jika terdapat variabel pengontrol percobaan. a. Masukkan kodingan dari baris (bahan mentah), huruf greek (formulasi), kolom(uji perakitan) dan perlakuan (operator) ke dalam term untuk membandingkan pasangan level-level dalam faktor. b. Centang metode dalam perbandingan ganda yang diinginkan pada checklist method. Dalam pembahasan ini, digunakan metode Tukey dalam perbandingan ganda. c. Centang group information untuk menampilkan tabel ringkasan yang menyoroti perbandingan signifikan dan non-signifikan untuk setiap metode perbandingan dipilih beberapa. d. Centang Confidence Interval untuk menampilkan selang kepercayaan untuk perbedaan antara beberapa level faktor. Default selang kepercayaan untuk perbandingan berganda adalah 95%. e. Centang Test untuk menampilkan output uji hipotesis perbandingan berganda. f. Klik OK untuk melanjutkan 7. Kembali pada Gambar 3, anda dapat mengeklik button Graph untuk menampilkan plot dari residual tanpa harus menampilkan nilainya. Pada analisis rancangan graeco anda bisa mengabaikannya. 8. Button Result digunakan untuk mengendalikan hasil yang akan ditampilkan di Session Window pada minitab. Default dari button result akan
menampilkan tabel ANOVA, koefisien dari persamaan covariate dan tabel pengamatan yang tidak biasa (unusual observations) yang dapat dilihat seperti pada Gambar 5.
Gambar 5. Windows Result Setelah memilih jenis display of result yang anda inginkan kemudian klik OK. 9. Button Storage pada Gambar 3 digunakan untuk menampilan nilai residual, nilai fit dan diagnosa untuk analisis lebih lanjut . Anda bisa mengabaikan button result untuk analisis graeco. 10. Button Factor plot pada Gambar 3 digunakan untuk menampilkan plot efek utama dan interaksi. Anda bisa mengabaikannya pada untuk analisis rancangan graeco. 11. Klik OK dan akan menghasilkan output seperti pada Tabel 7. Tabel 7. Output Minitab
General Linear Model: respon versus bahan mentah, formulasi, ...
Factor bahan mentah formulasi uji perakitan operator Type fixed fixed fixed fixed Levels 5 5 5 5 Values 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 4, 4, 4, 4, 5 5 5 5
Menunjukkan adanya pengaruh yang signifikan pada variabel formulasi dan operator terhadap respon karena P-value <0.05
Analysis of Variance for respon, using Adjusted SS for Tests Source bahan mentah DF 4 Seq SS 68.000 Adj SS 68.000 Adj MS 17.000 F 2.06 P 0.178
4 4 4 8 24
R-Sq = 90.24%
R-Sq(adj) = 70.71%
R denotes an observation with a large standardized residual. Grouping Information Using Tukey Method and 95.0% Confidence bahan mentah 2 5 3 4 1 N 5 5 5 5 5 Mean 26.8 26.4 26.0 25.6 22.2 Grouping A A A A A
Means that do not share a letter are significantly different. Tukey 95.0% Simultaneous Confidence Intervals Response Variable respon All Pairwise Comparisons among Levels of formulasi formulasi = 1 subtracted from: formulasi 2 3 4 5 Lower -14.68 -12.48 -5.08 -8.88 Center -8.400 -6.200 1.200 -2.600 Upper -2.119 0.081 7.481 3.681 -----+---------+---------+---------+(------*-----) (-----*-----) (-----*-----) (-----*------) -----+---------+---------+---------+-10 0 10 20
Nilai 0 berada diantara batas atas dan batas bawah sehingga dapat dikatakan perbandingan berganda pada 1&3, 1&4 dan 1&5 tidak menunjukkan perbedaan yang signifikan pada variabel bahan mentah. Sedangkan pada perbandingan ganda pada level 1&2 menunjukkan adanya perbedaan yang signifikan.
formulasi = 2 formulasi 3 4 5 subtracted from: Center 2.200 9.600 5.800 Upper 8.481 15.881 12.081 -----+---------+---------+---------+(-----*-----) (------*-----) (-----*-----) -----+---------+---------+---------+-10 0 10 20
formulasi = 3 formulasi 4 5
subtracted from: Center 7.400 3.600 Upper 13.681 9.881 -----+---------+---------+---------+(-----*------) (------*-----) -----+---------+---------+---------+-10 0 10 20
formulasi = 4 formulasi 5
Lower -10.08
Tukey Simultaneous Tests Response Variable respon All Pairwise Comparisons among Levels of formulasi formulasi = 1 subtracted from: formulasi 2 3 4 5 Difference of Means -8.400 -6.200 1.200 -2.600 SE of Difference 1.817 1.817 1.817 1.817 T-Value -4.624 -3.413 0.661 -1.431 Adjusted P-Value 0.0108 0.0529 0.9597 0.6270
formulasi = 2 formulasi 3 4 5
subtracted from: SE of Difference 1.817 1.817 1.817 T-Value 1.211 5.285 3.193 Adjusted P-Value 0.7463 0.0048 0.0715
p-value < 0.05 sehingga dapat dikatakan perbandingan berganda pada 1&2 , 2&4, 3&4 menunjukkan perbedaan yang signifikan pada variabel formulasi
Adjusted P-Value 0.0218 0.3526
formulasi = 3 formulasi 4 5
formulasi = 4 formulasi 5
Grouping Information Using Tukey Method and 95.0% Confidence uji perakitan 5 1 3 4 2
N 5 5 5 5 5
Grouping A A A A A
Means that do not share a letter are significantly different. Grouping Information Using Tukey Method and 95.0% Confidence operator 2 5 4 3 N 5 5 5 5 Mean 28.6 26.8 26.0 24.2 Grouping A A B A B A B
21.4
Means that do not share a letter are significantly different. Tukey 95.0% Simultaneous Confidence Intervals Response Variable respon All Pairwise Comparisons among Levels of operator operator = 1 subtracted from: operator 2 3 4 5 Lower 0.919 -3.481 -1.681 -0.881 Center 7.200 2.800 4.600 5.400 Upper 13.481 9.081 10.881 11.681 -----+---------+---------+---------+(--------*--------) (--------*--------) (--------*--------) (--------*--------) -----+---------+---------+---------+-7.0 0.0 7.0 14.0
operator = 2 operator 3 4 5
subtracted from: Center -4.400 -2.600 -1.800 Upper 1.881 3.681 4.481 -----+---------+---------+---------+(--------*--------) (--------*--------) (--------*--------) -----+---------+---------+---------+-7.0 0.0 7.0 14.0
operator = 3 operator 4 5
subtracted from: Center 1.800 2.600 Upper 8.081 8.881 -----+---------+---------+---------+(--------*--------) (--------*--------) -----+---------+---------+---------+-7.0 0.0 7.0 14.0
operator = 4 operator 5
subtracted from: Center 0.8000 Upper 7.081 -----+---------+---------+---------+(--------*--------) -----+---------+---------+---------+-7.0 0.0 7.0 14.0
Lower -5.481
Tukey Simultaneous Tests Response Variable respon All Pairwise Comparisons among Levels of operator operator = 1 subtracted from: operator 2 3 4 5 Difference of Means 7.200 2.800 4.600 5.400 SE of Difference 1.817 1.817 1.817 1.817 T-Value 3.963 1.541 2.532 2.973 Adjusted P-Value 0.0253 0.5670 0.1754 0.0966
operator = 2 operator
Difference of Means
3 4 5 operator = 3 operator 4 5
subtracted from: SE of Difference 1.817 1.817 T-Value 0.9909 1.4313 Adjusted P-Value 0.8525 0.6270
operator = 4 operator 5
Keterangan: Sig (P-Value) yang telah dihigh light text warna hijau adalah perbandingan berganda antar operator yang menunjukkan adanya perbedaan yang signifikan pada =0.05 yaitu antara operator 1 dan operator 2.
Langkah-langkah dengan menggunakan SPSS 1. Ketik data pada Tabel 6 ke dalam spss, seperti pada Gambar 4.
Gambar 6. Data Rancangan Graeco di SPSS 2. Klik Analyze, sorot General Linier Model dan Klik Univariate seperti pada Gambar 7.
3. Setelah melakukan langkah 2 maka akan muncul windows Univariate seperti pada Gambar 8. a b
Gambar 8. Windows Univariate a. Masukkan variabel respon ke dalam Box Deependen Variable b. Masukkan kodingan dari baris (bahan mentah), huruf greek (formulasi), kolom(uji perakitan) dan perlakuan (operator) ke dalam Box Fixed Factor(s) 4. Klik button Model pada Gambar 8 kemudian akan tampil Windows Univariate Model seperti pada Gambar 9.
Gambar 9. Windows Univariate Model a. Pilih Custom pada jenis Specify Model b. Masukkan kodingan dari baris (bahan mentah), huruf greek (formulasi), kolom(uji perakitan) dan perlakuan (operator) ke dalam Box Model c. Klik button Continue
5. Klik Button Contrasts untuk mengecek tipe kontras, anda dapat mengabaikan kontras sehingga klik Continue seperti pada Gambar 10.
Gambar 10. Windows Univariatee Contrasts 6. Klik Button Button Plot jika ingin menampilkan beberapa plot. Anda dapat mengabaikan plot sehingga klik Continue seperti pada Gambar 11.
Gambar 11. Windows Univariate Profile Plots 7. Klik Button Post Hoc pada Gambar 8, kemudian akan tampil Windows Univariate Post Hoc Multiple Comparisons For Observed Means seperti pada Gambar 12.
a c b
Gambar 12. Windows Univariate Post Hoc Multiple Comparisons For Observed Means
a. Masukkan kodingan dari baris (bahan mentah), huruf greek (formulasi), kolom(uji perakitan) dan perlakuan (operator) ke dalam Box Post Hoc Test For
b. Centang jenis uji perbandingan ganda yang dingginkan pada Equal Variance Asumed, jika data sudah homogeny. Dalam pembahasan ini akan digunakan metode Tukey dalam perbandingan berganda sehingga Checklist Tukey yang akan dipilih. c. Klik Button Continue 8. Klik Button Save jika ingin menampilkan nilai prediksi (Predicted Value), Residual dan beberapa diagnosa analisis lebih lanjut. Karena dalam pembahasan kali ini tidak dilakukan estimasi nilai maka klik Button Continue seperti pada Gambar 13.
Gambar 13. Windows Univariate Save 9. Klik Button Option, maka akan tampil Windows Univariate Options
a b Gambar 14. Windows Univariate Options a. Centang pada Check List Homogeny Test untuk menampilkan uji homogenitas b. Klik Button Continue 10. Klik Button OK seperti pada Gambar 8. Dan akan tampil output seperti pada Tabel 8.
Between-Subjects Factors N 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
Bahan_mentah
Menunjukkan banyaknya data per baris, kolom, huruf greek dan huruf latin
Formulasi
Uji_perakitan
Operator
bahwa
. 24 0 0.0 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a Design: Intercept+Bahan_mentah+Formulasi+Uji_perakitan+Operator Ada pengaruh Tests of Between-Subjects Effects Dependent Variable: Respon Source Corrected Model Intercept Bahan_mentah Formulasi Uji_perakitan Operator Error Total Corrected Total Type III Sum of Squares 610.000(a) 16129.000 68.000 330.000 62.000 150.000 66.000 16805.000 df 16 1 4 4 4 4 8 25 Mean Square 38.125 16129.000 17.000 82.500 15.500 37.500 8.250
yang
variabel bahan mentah tidak menunjukkan adanya perbedaan pada =0.05 Multiple Comparisons
Keterangan: Sig (P-Value) yang telah dihigh light text warna hijau adalah perbandingan
CONTOH berganda antarlevel Bahan bakar RoketGRAECO LATIN HAL 144 dari masing-masing variabel yang menunjukkan adanya MONTGOMERY
DATA
II B be 17 C de 24 D al 30 E ga 27 A et 36 III C ga 18 D et 38 Information A de 27 B al 21 Class Level E be 26 IV D de 26 E al 31 A ga 26 B et 23 C be 22 V E et 22 A be 30 B Values C al 29 D ga 31 Class Levels de 20 run; bahan_mentah 5 I II III IV V proc print; title3 'DATA'; formulasi 5 ABC var bahan_mentah formulasiD E perakitan operator respon; run; perakitan 5 al be de et ga proc glm data=latin; title3 'Graeco-Latin Square3(bahan_mentah formulasi perakitan operator)'; operator 5 12 45 classes bahan_mentah formulasi perakitan operator; model respon=bahan_mentah formulasi perakitan operator; Number of observations 25 output out=graecosq r=Residuals p=Predicted; Dependent Variable: respon run;
Source Model Error Corrected Total R-Square 0.902367 Source bahan_mentah formulasi perakitan operator DF Sum of Squares Mean Square 38.1250000 8.2500000 F Value 4.62 Pr > F 0.0171
Type I SS
Mean Square
4 68.0000000 17.0000000 2.06 0.1783 330.0000000 82.5000000 10.00 0.0033 62.0000000 15.5000000 1.88 0.2076 150.0000000 37.5000000 4.55 0.0329