1. ì
Metode
Taguchi
14.3
–
Pengendalian
Kualitas
Debrina
Puspita
Andriani
Teknik
Industri
Universitas
Brawijaya
e-‐Mail
:
debrina@ub.ac.id
Blog
:
hEp://debrina.lecture.ub.ac.id/
3. Metoda
Taguchi
ì Konsep
Taguchi
àkeOka
mendesain
produk
à
kerugian
seminimal
dan
bernilai
seopOmal
ì Kualitas
menurut
Taguchi
:
kerugian
yang
diterima
oleh
konsumen
sejak
produk
tersebut
dikirimkan
(biaya
keOdakpuasan
konsumen
à
reputasi
perusahaan
buruk)
ì Sasaran
metode
Taguchi
à
menjadikan
produk
robust
terhadap
noise
(Robust
Design)
à
menjamin
kembalinya
konsumen,
memperbaiki
reputasi
dan
meningkatkan
market
share
perusahaan.
05/11/14
www.debrina.lecture.ub.ac.id
3
4. Konsep
Taguchi
Taguchi
membagi
konsep
kualitas
mejadi
empat
yaitu
:
1
• Kualitas
didesain
mulai
dari
awal
proses
tidak
hanya
pada
proses
inspeksi
(“off-‐line
strategy”)
2
• Kualitas
terbaik
dicapai
dengan
meminimumkan
deviasi
dari
target
(Produk
didesain
tahan
terhadap
faktor
lingkungan
yang
tak
terkontrol
:noise,
temperatur,
kelembaban
)
3
• Kualitas
Odak
hanya
didasarkan
performance
(ukuran
kapabilitas
sebuah
produk)
atau
karakterisOk
dari
produk.
4
• Biaya
kualitas
seharusnya
diukur
sebagai
fungsi
dari
variasi
performance
produk
05/11/14
www.debrina.lecture.ub.ac.id
4
5. Taguchi’s
Loss
Function
(1)
ì Fungsi
kerugian
menentukan
ukuran
finansial
keOdakpuasan
konsumen
pada
performance
produk
yang
menyimpang
dari
nilai
targetnya.
ì Secara
tradisional
à
produk
bisa
dikatakan
bagus
jika
secara
uniform
berada
diantara
spesifikasi
05/11/14
www.debrina.lecture.ub.ac.id
5
6. Taguchi’s
Loss
Function
(2)
ì konsumen
semakin
Odak
puas
saat
performance
melenceng
jauh
dari
target
à
Taguchi
mengusulkan
sebuah
quadraOc
curve
untuk
merepresentasikan
performance
produk
• LCT
dan
UCT
merepresetasikan
batas
bawah
dan
batas
atas
toleransiàcenderung
subyektif
• Perhitungan
target
paling
baik
adalah
dengan
fungsi
kerugian
yang
menggunakan
rata
–
rata
dan
variansi
untuk
memilih
desain
yang
paling
bagus.
05/11/14
www.debrina.lecture.ub.ac.id
6
7. Taguchi’s
Loss
Function
(3)
ü Jika
2
produk
mempunyai
variansi
sama
tetapi
rata-‐rata
berbeda,
maka
produk
dengan
rata-‐rata
yg
lebih
mendekaO
pada
target
(A)
à
mempunyai
kualitas
yang
lebih
baik
ü Jika
dua
produk
mempunyai
rata-‐rata
sama
tetapi
variansi
berbeda,
maka
produk
dengan
variansi
yang
lebih
rendah
(B)
à
mempunyai
kualitas
yang
lebih
baik.
05/11/14
www.debrina.lecture.ub.ac.id
7
8. The
Total
Loss
Function
ü 2
kategori
utama
dari
kerugian
pada
konsumen
terkait
kualitas
produk
:
1. Kerugian
memberi
efek
yang
berbahaya
untuk
konsumen.
2. Kerugian
karena
variasi
tambahan
(Odak
sesuai)
dgn
fungsi
performansinya
à
pengaruh
besar
pada
stage
desain
produk
ì Fungsi
kerugian
:
L(x)
=
k(x
-‐
m)²
Dimana
L
=
kerugian
(uang),
m
=
karakterisOk
yg
seharusnya
diset,
x
=
karakterisOk
secara
aktual
di
set,
dan
k
=
konstanta
yang
tergantung
pada
jarak
dari
kharakterisOk
dan
unit
keuangan.
ì Bila
market
research
data
tersedia,
sebaiknya
menggunakan
quadraOc
loss
funcOon
05/11/14
www.debrina.lecture.ub.ac.id
8
9. Taguchi
Quality
Strategy
ì Pendekatan
Taguchi
untuk
mereduksi
variasi
product
merupakan
tahapan
proses
sebagai
berikut
:
1. Proses
manufaktur
produk
dengan
cara
terbaik
seOap
saat.
(Penyimpangan
kecil
dari
target)
2. Memproduksi
semua
produk
seidenOk
mungkin
(mengurangi
variasi
produk)
ì Strategi
kualitas
Taguchi
dalam
memperbaiki
kualitas
dalam
stage
desain
produk
adalah
dengan
membuat
desain
yang
Odak
terlalu
sensiOf
terhadap
pengaruh
faktor
tak
terkontrol
dan
opOmisasi
desain
produk.
05/11/14
www.debrina.lecture.ub.ac.id
9
10. Robust
Design
Salah
satu
tujuan
eksperimen
pada
parameter
desain
adalah
menyusun
satu
kombinasi
faktor-‐faktor
yang
kokoh
(Robust)
terhadap
adanya
faktor-‐faktor
pengganggu
(Noise)
yang
Odak
dapat
/
sulit
dikendalikan,
dan
menyebabkan
variabilitas
yang
Onggi
pada
produk.
Mengatur
parameter
yang
mempengaruhinya
pada
Ongkat
yang
paling
kurang
sensiOf
terhadap
faktor
gangguan
(Noise).
05/11/14
www.debrina.lecture.ub.ac.id
10
11. Desain
dalam
Taguchi
• Konsep,
ide,
metode
baru
à
untuk
memberikan
peningkatan
produk
kepada
konsumen
Desain
Sistem
• Upaya
meningkatkan
keseragaman
produk
atau
mencegah
Ongginya
variabilitas
à
Parameter
dari
proses
tertentu
ditetapkan
agar
performasi
produk
Odak
sensiOf
terhadap
penyebab
terjadinya
variabilitas.
Desain
Parameter
• Kualitas
diOngkatkan
dengan
mengetatkan
toleransi
pada
parameter
produk/proses
untuk
mengurangi
terjadinya
variabilitas
pada
performansi
produk
à
melakukan
eksperimen
untuk
menentukan
faktor
dominan
yang
berpengaruh
terhadap
peningkatan
kualitas
produk
dan
menentukan
kombinasi
faktor-‐faktor
terhadap
penyebab
Ombulnya
variabilitas.
Desain
Toleransi
05/11/14
www.debrina.lecture.ub.ac.id
11
13. Langkah
Taguchi
dalam
melakukan
eksperimen
(1)
1. Menyatakan
permasalahan
yang
akan
diselesaikan
à
mendefinsikan
sejelas
mungkin
permasalahan
yang
dihadapi
untuk
dilakukan
suatu
upaya
perbaikan.
2. Penentuan
tujuan
peneliOan
à
pengidenOfikasian
karakterisOk
kualitas
dan
Ongkat
performansi
dari
eksperimen.
3. Menentukan
metode
pengukuran
à
cara
parameter
diamaO
dan
cara
pengukuran
dan
peralatan
yang
diperlukan.
4. IdenOfikasi
Faktor
à
melakukan
pendekatan
yang
sistemaOs
untuk
menemukan
penyebab
permasalahan.
05/11/14
www.debrina.lecture.ub.ac.id
13
14. Langkah
Taguchi
dalam
melakukan
eksperimen
(2)
Langkah
IdenNfikasi
Faktor
:
a. Brainstorming
à
mendorong
Ombulnya
gagasan
yang
mungkin
sebanyak-‐banyaknya
dengan
memberikan
kesempatan
proses
pemikiran
kreaOf
seOap
orang
dalam
kelompok
untuk
mengajukan
pendapatnya.
b.
Diagram
Sebab-‐Akibat
(Ishikawa
Diagram)
• Mengumpulkan
gagasan
mengenai
penyebab
dari
permasalahan
yang
ada.
• Mencatat
gagasan
yang
masuk
tanpa
kecuali
• Mengelompokkan
gagasan
tersebut.
• Gagasan
yang
sejenis
yang
Ombul
pada
perusahan
dikelompokkan
dalam
suatu
kelompok.
• Menyimpulkan
gagasan-‐gagasan
yang
m u n g k i n
m e n j a d i
p e n y e b a b
permasalahan
an.
BRAINSTORMING
MEMPERTEGAS
PREDIKSI HASIL
MEMBUAT
STANDARD
OPTIMAL
ANALISA
EKSPERIMEN &
INTERPRETASI
HASIL
05/11/14
www.debrina.lecture.ub.ac.id
14
15. Langkah
Taguchi
dalam
melakukan
eksperimen
(3)
5. Memisahkan
Faktor
Kontrol
dan
Faktor
Noise.
Faktor
Kontrol
:
sudah
ditetapkan
nilainya
oleh
perancangnya
dan
dapat
dikontrol
à
biasanya
mempunyai
satu
atau
lebih
“level”
àmemilih
secng
level
kontrol
yang
opOmal
agar
karakterisOk
Odak
sensiOf
terhadap
noise.
Faktor
Noise
:
dapat
menyebabkan
penyimpangan
dari
karakterisOk
kualitas
dari
nilai
target,
sulit
untuk
dikontrol
(biaya
besar)
6. Menentukan
level
dari
faktor
dan
nilai
faktor
à
jumlah
derajat
bebas
yang
akan
digunakan
dalam
pemilihan
Orthogonal
Array.
7. MengidenOfikasi
faktor
yang
mungkin
berinteraksi
à
apabila
pengaruh
dari
suatu
faktor
tergantung
dari
level
faktor
lain
8. Menggambar
linier
graf
yang
diperlukan
untuk
faktor
kontrol
dan
interaksi.
9. Memilih
Orthogonal
Array
(matrik
dari
sejumlah
kolom
(mewakili
faktor-‐faktor
dari
percobaan)
dan
baris.
10. Memasukkan
faktor
dan
atau
interaksi
ke
dalam
kolom
05/11/14
www.debrina.lecture.ub.ac.id
15
16. Langkah
Taguchi
dalam
melakukan
eksperimen
(4)
11. Melakukan
percobaan
àsejumlah
percobaan
(trial)
disusun
untuk
meminimasi
kesempatan
terjadi
kesalahan
dalam
menyusun
level
yang
tepat
12. Analisis
hasil
eksperimen
à
metode
ANOVA,
yaitu
perhitungan
jumlah
kuadrat
total,
jumlah
kuadrat
terhadap
rata-‐rata,
jumlah
kuadrat
faktor
dan
jumlah
kuadrat
error.
ü Persen
Kontribusi
:
bagian
dari
total
variasi
yang
diamaO
pada
eksperimen
dari
masing-‐masing
faktor
yang
signifikan
à
untuk
mereduksi
variasi.
ü Rasio
Signal
to
Noise
(S/N
RaOo)
à
meneliO
pengaruh
faktor
“Noise”
terhadap
variasi
yang
Ombul.
Jenis
:
v Larger
the
BeUer
(LTB)
à
semakin
Onggi
nilainya,
maka
kualitasnya
akan
lebih
baik.
v Nominal
the
BeUer
(NTB)
à
biasanya
ditetapkan
suatu
nilai
nominal
tertentu,
dan
semakin
mendekaO
nilai
nominal
tsb,
kualitas
semakin
baik.
v Smaller
the
BeUer
(STB)
à
semakin
kecil
nilainya,
maka
kualitasnya
akan
lebih
baik.
ü Pooling
Faktor
:
dianjurkan
bila
faktor
yang
diamaO
Odak
signifikan
secara
staOsOk
(uji
signifikansi).
05/11/14
www.debrina.lecture.ub.ac.id
16
17. Langkah
Taguchi
dalam
melakukan
eksperimen
(5)
13. Pemilihan
level
faktor
untuk
kondisi
opOmal
à
bila
percobaan
terdiri
dari
banyak
faktor
dan
Oap
faktor
terdiri
dari
beberapa
level
à
untuk
menentukan
kombinasi
level
yang
opOmal
dengan
membandingkan
nilai
perbedaan
rata-‐rata
eksperimen
dari
level
yang
ada.
14. Perkiraan
rata-‐rata
pada
kondisi
opOmal
àmenjumlahkan
pengaruh
dari
rangking
faktor
yang
lebih
Onggi.
Pengaruh
dari
faktor
yang
signifikan
adalah
pengaruhnya
pada
rata-‐rata
percobaan.
15. Menjalankan
Percobaan
Konfirmasi
ì Eksperimen
konfirmasi
à
faktor
dan
level
yang
dimaksud
memberikan
hasil
yang
diharapkan
à
diuji
dengan
interval
kepercayaan
(berada
pada
range
interval
kepercayaan
tersebut)
05/11/14
www.debrina.lecture.ub.ac.id
17
18.
Derajat
Kebebasan
(Degree
of
Freedom)
ü Derajat
kebebasan
à
banyaknya
perbandingan
yang
harus
dilakukan
antar
level-‐level
faktor
(efek
utama)
atau
interaksi
yang
digunakan
untuk
menentukan
jumlah
percobaan
minimum
yang
dilakukan
à
memberikan
informasi
tentang
faktor
dan
level
yang
mempunyai
pengaruh
signifikan
terhadap
karakterisOk
kualitas.
ü Untuk
faktor
utama,
misal
faktor
utama
A
dan
B
:
VA
=
(jumlah
level
faktor
A)
–
1
=
kA
–
1
VB
=
(jumlah
level
faktor
B)
–
1
=
kB
–
1
ü Tabel
orthogonal
array
yang
dipilih
harus
mempunyai
jumlah
baris
minimum
yang
Odak
boleh
kurang
dari
jumlah
derajat
bebas
totalnya.
05/11/14
www.debrina.lecture.ub.ac.id
18
19.
Orthogonal
Array
(OA)
ü Orthogonal
Array
adalah
matriks
dari
sejumlah
baris
dan
kolom
à
matriks
faktor
dan
level
yang
Odak
membawa
pengaruh
dari
faktor
atau
level
yang
lain
ü SeOap
kolom
merepresentasikan
faktor
atau
kondisi
tertentu
yang
dapat
berubah
dari
suatu
percobaan
ke
percobaan
lainnya.
ü Array
disebut
orthogonal
karena
seOap
level
dari
masing-‐masing
faktor
adalah
seimbang
(balance)
dan
dapat
dipisahkan
dari
pengaruh
faktor
yang
lain
dalam
percobaan.
1. Notasi
L
à
informasi
mengenai
Orthogonal
Array
2. Nomor
baris
à
jumlah
percobaan
yang
dibutuhkan
keOka
menggunakan
Orthogonal
Array
3. Nomor
kolom
à
jumlah
faktor
yang
diamaO
dalam
Orthogonal
Array
4. Nomor
level
à
Menyatakan
jumlah
level
faktor
05/11/14
www.debrina.lecture.ub.ac.id
19
20.
Orthogonal
Array
(OA)
Penentuan
derajat
bebas
berdasarkan
pada
:
1. Jumlah
faktor
utama
yang
diamati
dan
interaksi
yang
diamati
2. Jumlah
level
dari
faktor
yang
diamati
3. Resolusi
percobaan
yang
diinginkan
atau
batasan
biaya
ü Angka
di
dalam
pemilihan
array
menandakan
banyaknya
percobaan
di
dalam
array,
suatu
matriks
L8
memiliki
delapan
percobaan
dan
matriks
L9
memiliki
9
percobaan
dan
seterusnya.
ü Banyaknya
level
yang
digunakan
di
dalam
faktor
digunakan
untuk
memilih
orthogonal
array.
Jika
faktornya
ditetapkan
berlevel
dua
maka
harus
digunakan
orthogonal
array
dua
level.
Jika
levelnya
tiga
maka
digunakan
orthogonal
array
tiga
level,
sedangkan
jika
sebagian
faktor
memiliki
dua
level
dan
faktor
lainnya
memiliki
tiga
level
maka
jumlah
yang
lebih
besar
akan
menentukan
jenis
orthogonal
array
yang
harus
dipilih.
05/11/14
www.debrina.lecture.ub.ac.id
20
22. ì Interaksi
Antar
Faktor
Interaksi
antara
dua
faktor
berarti
efek
satu
faktor
pada
respon
tergantung
level
faktor
lain.
Antara
interaksi
menyebabkan
sistem
tidak
robust
karena
sistem
menjadi
sangat
sensitif
terhadap
perubahan
pada
satu
faktor.
ì Analisis
Varians
(ANOVA)
Analisis
Varians
adalah
teknik
perhitungan
yang
memungkinkan
secara
kuantitatif
mengestimasikan
kontribusi
dari
setiap
faktor
pada
semua
pengukuran
respon.
Analisis
varians
yang
digunakan
pada
desain
parameter
berguna
untuk
membantu
mengidentifikasikan
kontribusi
faktor
sehingga
akurasi
perkiraan
model
dapat
ditentukan.
05/11/14
www.debrina.lecture.ub.ac.id
22
23. ANOVA
DUA
ARAH
Sumber
Variasi SS
Derajat Bebas
(db) MS F hitung Kontribusi
Faktor A SSA VA MSA MSA/MSe SS’A/SST
Faktor B SSB VB MSB MSB/MSe SS’B/SST
Interaksi
AxB
SSAxB VAxVB MSAxB MSAxB/MSe SS’AxB/SST
Residual Sse Ve MSe 1 SS’e/SST
Total SST VT 100%
ANOVA
dua
arah
à
data
percobaan
yang
terdiri
dari
dua
faktor
atau
lebih
dan
dua
level
atau
lebih.
Tabel
ANOVA
dua
arah
terdiri
dari
perhitungan
derajat
bebas
(db),
jumlah
kuadrat,
rata-‐rata
jumlah
kuadrat,
F-‐rasio
yang
ditabelkan
sebagai
berikut
:
05/11/14
www.debrina.lecture.ub.ac.id
23
24. Dimana
:
VA
=
derajat
bebas
faktor
A
=
kA
–
1
=
(level
–
1)
VB
=
derajat
bebas
faktor
B
=
kB
–
1
VAxB
=
derajat
bebas
interaksi
=
(kA
–
1)
x
(kB
–
1)
VT
=
derajat
bebas
total
=
N
–
1
Ve
=
derajat
bebas
error
=
VT
–
VA
–
VB
–
(VAB)
SSTotal
=
jumlah
kuadrat
total
(The
Total
sum
of
square)
SSA
=
jumlah
kuadrat
faktor
A
(Sum
of
Square
due
to
Factor
A)
Dengan
cara
yang
sama
dihitung
SSB
(karena
faktor
B)
dan
SS
AxB
Untuk
level
2
ANOVA
DUA
ARAH
(1)
05/11/14
www.debrina.lecture.ub.ac.id
24
25. SSe
=
jumlah
kuadrat
error
(the
sum
of
square
due
to
error)
=
SSTotal
–
Ssmean
-‐
SSA
-‐
SSB
–
SSAxB
MSA
=
rata-‐rata
jumlah
kuadrat
faktor
A
(The
mean
sum
of
square)
=
SSA/VA
Untuk
MSB
dan
MS
AxB
dihitung
dengan
cara
yang
sama
MSe
=
rata-‐rata
jumlah
kuadrat
error
=
SSe/Ve
kA
=
jumlah
level
untuk
faktor
A
N
=
jumlah
total
percobaan
ANOVA
DUA
ARAH
(2)
05/11/14
www.debrina.lecture.ub.ac.id
25
26. Persen
Kontribusi
ì Merupakan
fungsi
jumlah
kuadrat
untuk
masing-‐masing
items
yang
signifikan.
Persen
kontribusi
mengindikasikan
kekuatan
relatif
dari
suatu
faktor
dan/atau
interaksi
dalam
mengurangi
variasi.
Jika
level
faktor
dan/atau
interaksi
dikendalikan
dengan
benar,
maka
variasi
total
dapat
dikurangi
sebanyak
yang
diindikasikan
oleh
persen
kontribusi.
ì SS’A
=
SSA
–
(VAxMSe)
à
cara
yang
sama
untuk
SS’B
dan
SS’AxB
ì SS’e
=
SSt
–
SS’A
–
SS’B
–
SS’AxB
ì SS’t
=
sama
dengan
SSt
à
total
persen
kontribusi
=
100
%
05/11/14
www.debrina.lecture.ub.ac.id
26
27. Percobaan
Konfirmasi
ì Untuk
melakukan
validasi
terhadap
kesimpulan
yang
diperoleh
selama
tahap
analisa.
à
pengujian
menggunakan
kombinasi
tertentu
dari
faktor-‐faktor
dan
level-‐level
hasil
evaluasi
sebelumnya
à
Ukuran
sampel
dari
percobaan
konfirmasi
lebih
besar
daripada
percobaan
sebelumnya.
ì Menentukan
kombinasi
level
terbaik
dari
faktor-‐faktor
yang
signifikan.
Faktor-‐faktor
yang
tidak
signifikan
dapat
ditetapkan
pada
sembarang
level.
Setelah
itu
dilakukan
pengambilan
beberapa
sampel
dan
diamati.
Tindakan
selanjutnya
tergantung
pada
kedekatan
nilai
rata-‐rata
hasil
terhadap
hasil
perkiraan.
ì Terdapat
kemungkinan
bahwa
kombinasi
terbaik
dari
faktor
dan
level
tidak
nampak
pada
kombinasi
pengujian
orthogonal
array.
Percobaan
konfirmasi
juga
bertujuan
melakukan
pengujian
kombinasi
faktor
dan
level
ini
05/11/14
www.debrina.lecture.ub.ac.id
27
28. ì
STUDI
KASUS
METODE
TAGUCHI
05/11/14
www.debrina.lecture.ub.ac.id
28
29. S
t
u
d
i
K
a
s
u
s
1
ì Proses
penyulingan
minyak
daun
cengkeh
untuk
meningkatkan
hasil
produksi,
dengan
faktor-‐
faktor
utama
1. Diameter
Pipa
(A)
2. Tipe
Tungku
(B)
3. Tempat
Pembakaran
(C)
4. Panjang
Pipa
(D)
5. Ukuran
Bak
Pendingin
(E)
6. Cara
Penyimpanan
Bahan
Baku
(F)
7. Jenis
Bahan
Bakar
(G)
05/11/14
www.debrina.lecture.ub.ac.id
29
30. ì
05/11/14
www.debrina.lecture.ub.ac.id
30
STUDI
KASUS
1
Penetapan
Level
Faktor
Faktor
Level
1
Level
2
A
1,5"
2,5"
B
Tanpa
Blower
Dengan
Blower
C
Tanpa
Sekat
Dengan
Sekat
D
36
m
48
m
E
3
x
3
x
1
m
3
x
4
x
1,7
m
F
Tanpa
Sak
Dengan
Sak
G
Daun
Kering
Kayu
31. ì
05/11/14
www.debrina.lecture.ub.ac.id
31
STUDI
KASUS
1
Pemilihan
OA
Faktor
:
7
Level
:
2
Derajat
bebas
=
Faktor
(Level-‐1)
Derajat
bebas
=
7
(2-‐1)
=
7
Pemilihan
Ortogonal
Array
à
Dipilih
OA
:
L8
(27)
35. ì
05/11/14
www.debrina.lecture.ub.ac.id
35
STUDI
KASUS
2
Tabel
Respon
Y
A
B
AxB
C
AxC
D
E
Level
1
52,5
47,25
43,83
40,75
39,83
45,08
40,50
Level
2
34,42
39,67
43,08
46,17
47,08
41,83
46,42
Difference
18,08
7,58
0,75
5,42
7,25
3,25
5,92
Rank
1
2
7
5
3
6
4
Faktor
–
Faktor
yang
Signifikan
(interaksi)
A1
A2
C1
(49+43,33)/2
=
46,17
(43,33+27,33)/2
=
35,33
C2
(64,33+53,33)/2
=
58,83
(32,33+34,67)/2
=
33,50
Sehingga faktor – faktor yang berpengaruh adalah :
36. ì
05/11/14
www.debrina.lecture.ub.ac.id
36
STUDI
KASUS
2
Analysis
of
Variance
à
=
(
12
X
52,502)
+
(12
X
34,422
)
–
45.327,04
=
1964,8
(cara
yg
sama
digunakan
untuk
menghitung
SSB
dst)
SSB
=
348,22
;
SSA
X
B
=
-‐3,58
;
SSC
=
179,74
;
SSA
X
C
=
308,42
SSD
=
56,42
;
SSE
=
213,76
Sserror
=
(SStotal
–
SSmean
-‐
SSA
-‐
SSB
–
SSAxB
–
SSc
–
SSAXC
-‐
SSD
–
SSE)
=
(48.407
–
45.327,04
–
1964
–
348,22
+
3,58
–
179,74
–
308,42
56,42
–
213,76)
=
102,18
37. ì
05/11/14
www.debrina.lecture.ub.ac.id
37
STUDI
KASUS
2
Tabel
ANOVA
SUMBER
SS
DF
MS
FraNo
SS'
RaNo
%
A
1964,8
1
1964,8
307,48
1958,41
61,78
B
348,22
1
348,22
54,49
341,83
10,28
AxB
-‐3,58
1
-‐3,58
-‐0,56
-‐9,97
-‐0,31
C
179,74
1
179,74
28,13
173,35
5,47
AxC
308,42
1
308,42
48,27
302,03
9,53
D
56,42
1
56,42
8,83
50,03
1,58
E
213,76
1
213,76
33,45
207,37
6,54
e
102,18
16
6,39
1
146,91
4,63
SSt
3169,96
23
137,82
3169,96
100
Mean
45327,04
1
Sstotal
48497
24
38. ì
05/11/14
www.debrina.lecture.ub.ac.id
38
STUDI
KASUS
2
Persen
Kontribusi
Untuk
mengetahui
faktor-‐faktor
yang
memberikan
kontribusi
yang
besar,
maka
dilakukan
penggabungan
beberapa
faktor
yang
kurang
signifikan
SS
(Pooled
e)
=
Sse
+
SSAxB
=
102,18
+
(-‐3,58)
=
98,6
Df
(Pooled
e)
=
Dfe
+
DfAxB
=
16
+
1
=
17
Paling
Odak
significant
MS
(Pooled
e)
=
SS
(Pooled
e)
Df
(Pooled
e)
=
5,8
39. ì
05/11/14
www.debrina.lecture.ub.ac.id
39
STUDI
KASUS
2
Pooling
1
Sumber
Pooled
SS
DF
MS
Frasio
SS'
raOo
%
A
1964,8
1
1964,8
338,76
1959
61,28
B
348,22
1
348,22
59
342,42
10,78
AxB
y
-‐3,58
-‐
-‐3,58
-‐
-‐
-‐
C
179,74
1
179,74
30,99
173,94
5,49
AxC
308,42
1
308,42
53,19
302,62
9,55
D
56,42
1
56,42
9,73
50,62
1,6
E
213,76
1
213,76
36,76
207,96
6,56
e
y
102,18
-‐
102,18
-‐
-‐
-‐
Pooled
98,6
17
5,8
1
133,4
4,21
SSt
3169,96
23
137,82
-‐
3169,96
100
Mean
45327,04
1
-‐
Sstotal
48497
24
-‐
41. ì
05/11/14
www.debrina.lecture.ub.ac.id
41
STUDI
KASUS
2
Pooling
berikutnya
Sumber
Pooled
SS
DF
MS
Frasio
SS’
rho(%)
A
1964,8
1
1964,8
71,63
1937,37
61,12
B
348,22
1
348,22
12,69
320,79
10,12
A
x
B
Y
-‐3,58
1
-‐3,58
-‐
-‐
C
Y
179,74
1
179,74
-‐
-‐
A
x
C
808,42
1
808,42
11,24
280,99
8,86
D
Y
56,42
1
56,42
-‐
-‐
E
Y
213,76
1
213,76
-‐
-‐
e
Y
102,18
16
102,18
-‐
-‐
Polede
548,52
20
27,43
1
630,81
19,90
SSt
3169,96
23
137,82
3169,96
100
Mean
45327,04
1
SS
total
48497
24
42. ì
05/11/14
www.debrina.lecture.ub.ac.id
42
STUDI
KASUS
2
Pooling
berikutnya
SS
(Pooled
e)
=
Se
+
SS
AXB
+
SSC
+
SSD
+
SSE
=
(102,18+(-‐3,58)+179,74+56,42
+
213,76)=
548,52
V(Pooled)
=
Ve
+
VAXB
+
VC
+
VD
+
VE
=
16+1+1+1+1
=
20
• MS
(Pooled
e)
=
27,43
• F
raOo
A
=
43. ì
05/11/14
www.debrina.lecture.ub.ac.id
43
STUDI
KASUS
2
Pooling
berikutnya
SS’A
=
SSA-‐(DFA
x
MS
(pooled
e))
=
1.964,8-‐
(1-‐(
1
x
27,43)
=
1937,37
SS’e
=
SSt
-‐
SS’A
-‐
SS’B
-‐
SS’AXC
=3169,96
–
1987,37
–
320,79
–280,99
=
630,81
Rho
%
A
=
