A.
Randomized
Block Design (Anova Dua Arah)
Dalam anova ini, untuk mengurangi
(menghindarkan) adanya perbedaan yang muncul dari setiap sampel yang diambil
untuk setiap treatment dan mengurangi
jumlah dari random error, maka setiap
sampel secara random dilakukan pada treatment-nya
atau yang disebut block. Setiap
populasi disebut treatment /
perlakuan. Umumnya rencana eksperimen disebut rencana eksperimen lengkap,
dimana dalam eksperimen ini melibatkan rata-rata sebuah angka. Misalnya
terdapat k treatment berdasarkan
sampel random independen dari pengamatan n1, n2, n3,…..nk,
maka gambaran dari populasi digabungkan dengan treatment 1,2,3…..k.
Variasi total/SST dibagi dalam tiga
bagian, yaitu variasi karena terdapat perbedaan antar treatment (between group)/SSTR, variasi karena block/SSB, dan variasi karena adanya kesalahan (within group)/SSE.
|
SST = SSR+SSB+SSE
|
Pengujian dilakukan terhadap
parameter 
1,
2,
3,
. . . .
n.
langkah-langkah dalam pengujian randomized
block design adalah :
1,2,
3,
. . . .n.
langkah-langkah dalam pengujian randomized
block design adalah :
·
Menentukan hipotesis
penelitian
Hipotesis untuk melihat
apakah ada perbedaan antar treatment
Ho
: 1
= 2
= 3,
. . . . . .k = 0
1
= 2
= 3,
. . . . . .k = 0
Ha
: 1
= 2
= 3,
. . . . . .k 
0
1
= 2
= 3,
. . . . . .k 0
Hipotesis untuk melihat
apakah ada perbedaan antar block
Ho
: a
= b
= c,
. . . . . .k = 0
a
= b
= c,
. . . . . .k = 0
Ha
: a
= b
= c,
. . . . . .k 0
a
= b
= c,
. . . . . .k 0
·
Menentukan nilai kritis
pengujian
Nilai
kritis penolakan atau penerimaan Ho diperoleh dari table F
·
Menentukan nilai F test
|
Ftest(TR)
=
|
|
Ftest(B)
=
|
|
MSE
=
|
|
MSTR
=
|
|
MSB
=
|
|
SSTR
=
|
|
SST
=
|
|
SSB
=
|
|
SSE
= SST-SSR-SSB
|
Dimana :
k adalah jumlah parameter
Xij
adalah nilai observasi ke j dalam treatment
i
Ti
adalah jumlah seluruh observasi
T
adalah jumlah observasi dalam treatment
ni
adalah ukuran sampel untuk treatment
i
nt
adalah jumlah total sampel untuk eksperimen
Tij
adalah jumlah seluruh observasi dalam block j
·
Membandingkan nilai F
test dengan nilai F kritis
|
Ditolak Ho jika Ftest > Fkritis
|
|
Diterima Ho
jika Ftest < Fkritis
|
·
Membuat kesimpulan
·
Contoh :
Seorang analisis
saham ingin menentukan apakah ada perbedaan dalam rata-rata tingkat keuntungan
ketiga jenis saham, yaitu saham perusahaan industry, saham perusahaan
perdagangan, dan saham perusahaan perbankan, dengan melihat perbedaan pada
masing-masing bulan. Berdasarkan data masa lalu, diperoleh informasi mengenai
keuntungan dari masing-masing jenis saham tersebut, yaitu :
|
Bulan
|
Keuntungan
|
||
|
Industri
|
Perdagangan
|
Perbankan
|
|
|
Januari
|
90
|
93
|
92
|
|
Februari
|
94
|
96
|
83
|
|
Maret
|
91
|
92
|
84
|
|
April
|
85
|
88
|
83
|
|
Mei
|
88
|
90
|
87
|
Pertanyaan :
Nyatakanlah Ho
dan Ha untuk menentukan:
a. Apakah
ada perbedaan yang nyata mengenai keuntungan untuk tiga jenis saham diatas?
b. Apakah
ada perbedaan yang nyata mengenai keuntungan masing-masing saham untuk
masing-masing bulan?
|
Bulan
|
Keuntungan
|
|||
|
Industri
|
Perdagangan
|
Perbankan
|
||
|
Januari
|
90
|
93
|
92
|
275
|
|
Februari
|
94
|
96
|
88
|
278
|
|
Maret
|
91
|
92
|
84
|
267
|
|
April
|
85
|
88
|
83
|
256
|
|
Mei
|
88
|
90
|
87
|
265
|
|
Total
|
448
|
459
|
434
|
1341
|
SSE
= SST-SSR-SSB
SSE
= 195.6 – 62.8 – 100.93 = 31.87
·
Hipotesis penelitian
Hipotesis untuk melihat
apakah ada perbedaan antar treatment
Ho
: 1
= 2
= 3,
. . . . . .k = 0
1
= 2
= 3,
. . . . . .k = 0
Ha
: 1
= 2
= 3,
. . . . . .k 0
1
= 2
= 3,
. . . . . .k 0
Hipotesis untuk melihat
apakah ada perbedaan antar block
Ho
: a
= b
= c,
. . . . . .k = 0
a
= b
= c,
. . . . . .k = 0
Ha
: a
= b
= c,
. . . . . .k 0
a
= b
= c,
. . . . . .k 0
·
Nilai kritis pengujian
Tingkat
signifikansi penelitian 0.95, sehingga 
Derajat
bebas (df) untuk treatment
Ø Derajat
bebas pembilang = k-1 = 3-1 = 2
Ø Derajat
pembilang penyebut = (k-1)(b-1) = (3-1)(5-1) = 8
Tabel
F dengan 
,
pada derajat bebas pembilang 2 dan derajat kebebasan penyebut 8
,
pada derajat bebas pembilang 2 dan derajat kebebasan penyebut 8
Derajat
bebas (df) untuk block
Ø Derajat
bebas pembilang = b-1 = 5-1 = 4
Ø Derajat
pembilang penyebut = (k-1)(b-1) = (3-1)(5-1) = 8
Ø Tabel
F dengan ,
pada derajat bebas pembilang 4 dan derajat kebebasan penyebut 8
,
pada derajat bebas pembilang 4 dan derajat kebebasan penyebut 8
·
Membandingkan nilai F
test dengan nilai F kritis
Untuk
treatment
F
test > F kritis = 7.883 > 4.46, sehingga Ho di tolak
Untuk
block
F
test > F kritis = 6.335 > 3.84, sehingga Ho di tolak
·
Membuat kesimpulan
Untuk
treatment
Karena
Ho ditolak, sehingga ada perbedaan rata-rata keuntungan diantara kinerja jenis
saham tersebut akibat adanya variable bulan
Untuk
block
Harena
Ho ditolak, sehingga ada perbedaan rata-rata keuntungan diantara kinerja jenis
saham tiap bulan.
B. Desain Faktorial (Anova Dua Arah)
Beberapa percobaan yang dirancang
sedemikian rupa sehingga dua atau lebih perlakuan (variabel independen) adalah
dieksplorasi secara bersamaan. Desain eksperimen tersebut disebut desain
sebagai faktorial. Desain faktorial dapat diatur sedemikian rupa sehingga tiga,
empat, atau n treatment atau variabel bebas dipelajari secara bersamaan dalam
percobaan yang sama. Sebagai Misalnya, pertimbangkan katup membuka data dalam
Tabel 11.1. Pembukaan katup rata untuk 24 pengukuran adalah 6.34 cm. Namun,
setiap valve tapi satu di tindakan sampel sesuatu selain mean.Mengapa itu?
manajemen perusahaan menyadari bahwa katup di Perusahaan ini dibuat pada mesin
yang berbeda, oleh operator yang berbeda, pada pergeseran yang berbeda, pada hari
yang berbeda, dengan bahan baku dari pemasok yang berbeda. peneliti bisnis yang
tertarik untuk menemukan sumber-sumber variasi mungkin memutuskan untuk
mendirikan sebuah desain faktorial yang menggabungkan semua lima dari
variabel-variabel independen dalam satu penelitian
Keuntungan dari Desain faktorial
Jika dua variabel independen yang dianalisis dengan menggunakan rancangan acak lengkap, yang efek dari masing-masing variabel dieksplorasi secara terpisah (satu per desain). Dengan demikian, dibutuhkan dua sepenuhnya desain acak untuk menganalisis efek dari dua variabel independen. Oleh menggunakan desain faktorial, peneliti bisnis dapat menganalisis kedua variabel pada saat yang sama dalam satu desain, menghemat waktu dan usaha untuk melakukan dua analisis yang berbeda dan meminimalkan tingkat kesalahan percobaan.
Beberapa peneliti bisnis menggunakan desain faktorial sebagai cara untuk mengontrol pembaur atau variabel bersamaan dalam sebuah penelitian. Dengan membangun variabel ke dalam desain, peneliti mencoba untuk mengontrol efek dari beberapa variabel dalam percobaan. dengan sepenuhnya rancangan acak, variabel yang dipelajari dalam isolation. Dengan desain faktorial, ada potensi untuk meningkatkan kekuasaan atas rancangan acak lengkap karena efek tambahan dari variabel kedua dikeluarkan dari jumlah kesalahan kuadrat. peneliti dapat mengeksplorasi kemungkinan interaksi antara kedua perlakuan variabel dalam dua faktor desain faktorial jika beberapa pengukuran yang diambil di bawah setiap Kombinasi dari tingkat dua perlakuan. Interaksi akan dibahas kemudian. desain faktorial dengan dua perlakuan mirip dengan desain acak.
Namun, desain blok sedangkan acak fokus pada satu variabel perlakuan dan kontrol
untuk efek memblokir, dua treatment desain faktorial berfokus pada efek dari kedua variabel. Karena desain blok acak hanya satu ukuran untuk setiap (Treatment-block) kombinasi, interaksi tidak dapat dianalisis di blok acak desain.
Faktorial Desain dengan Dua Treatment
Struktur dari dua pengobatan desain faktorial ditampilkan dalam Gambar 11.9. Perhatikan bahwa ada dua variabel independen (dua perlakuan) dan bahwa ada persimpangan setiap tingkat masing-masing perlakuan. persimpangan ini disebut sebagai sel. Salah satu treatment yang sewenang-wenang ditunjuk sebagai treatment baris (membentuk deretan desain) dan treatment lainnya ditunjuk sebagai treatment kolom (membentuk kolom desain). Walaupun itu adalah mungkin untuk menganalisis desain faktorial dengan nomor yang tidak sama dari item dalam sel, analisis desain sel yang tidak sama adalah di luar lingkup teks ini. Semua desain faktorial dibahas di sini memiliki sel dengan ukuran yang sama.
Treatment (variabel independen) dari desain faktorial harus memiliki minimal dua tingkat setiap. Desain faktorial sederhana adalah 2 x 2 desain faktorial, di mana setiap perlakuan memiliki dua tingkat. Jika seperti desain faktorial digambarkan dalam cara Gambar 11.9, itu akan termasuk dua baris dan dua kolom, membentuk empat sel.
Pada bagian ini, kita mempelajari desain hanya faktorial dengan n>1 pengukuran untuk setiap kombinasi tingkat treatment (sel). Pendekatan ini memungkinkan kita untuk mencoba untuk mengukur interaksi variabel treatment. Seperti dengan rancangan acak lengkap dan rancangan acak, desain faktorial hanya berisi satu variabel dependen.
Aplikasi
Banyak aplikasi desain faktorial yang mungkin dalam penelitian bisnis. Sebagai contoh, industri gas alam dapat merancang eksperimen untuk mempelajari tingkat penggunaan dan bagaimana mereka dipengaruhi oleh suhu dan curah hujan. Berteori bahwa suhu di luar dan jenis curah hujan membuat perbedaan dalam penggunaan gas alam, peneliti industri dapat mengumpulkan pengukuran penggunaan untuk suatu masyarakat melalui berbagai suhu dan kondisi curah hujan. Pada saat yang sama, mereka dapat membuat upaya untuk menentukan apakah jenis curah hujan tertentu, dikombinasikan dengan tingkat suhu tertentu, mempengaruhi tingkat penggunaan yang berbeda dari kombinasi lain suhu dan curah hujan (efek interaksi).
Analis pasar saham dapat memilih sebuah perusahaan dari industri seperti konstruksi industri dan mengamati perilaku sahamnya dalam kondisi yang berbeda. Sebuah desain faktorial dapat diatur dengan menggunakan volume pasar saham dan suku bunga prime sebagai dua independen variabel. Untuk volume pasar, peneliti bisnis dapat memilih beberapa hari ketika volume naik dari hari sebelumnya, beberapa hari ketika volume turun dari hari sebelumnya, dan beberapa hari-hari lain ketika volume pada dasarnya sama seperti pada hari sebelumnya. Kelompok hari ini akan merupakan tiga tingkat variabel independen, volume pasar. peneliti bisnis dapat melakukan hal yang sama dengan suku bunga. Tingkat dapat dipilih sehingga tingkat utama adalah (1) ke atas, (2) turun, dan (3) pada dasarnya sama.
Untuk variabel dependen, para peneliti akan mengukur berapa banyak saham perusahaan naik atau turun pada orang-orang secara acak hari yang dipilih (perubahan stok). Menggunakan desain faktorial, peneliti bisnis dapat menentukan apakah perubahan saham yang berbeda di bawah berbagai tingkat volume pasar, apakah perubahan saham yang berbeda di bawah berbagai tingkat suku bunga utama, dan apakah perubahan saham bereaksi berbeda di bawah berbagai kombinasi volume dan Perdana Tingkat (efek interaksi).
Statistik Pengujian Desain Faktorial
Analisis varians digunakan untuk menganalisis data yang dikumpulkan dari desain faktorial . untuk faktorial desain dengan dua faktor ( variabel independen ) , analisis dua arah varians ( dua arah ANOVA ) digunakan untuk menguji hipotesis statistik . Hipotesis berikut ini diuji oleh ANOVA dua arah .
Efek Row : H0 : Row berarti semua adalah sama .
Ha : Setidaknya satu baris maksud adalah berbeda dari yang lain .
Efek kolom : H0 : berarti kolom semua sama .
Ha : Setidaknya satu kolom berarti berbeda dari yang lain .
Interaksi Efek : H0 : Efek interaksi adalah nol .
Ha : Sebuah efek interaksi hadir
Rumus untuk menghitung dua arah ANOVA diberikan dalam kotak berikut. Ini rumus dihitung dengan cara yang sama untuk perhitungan untuk benar-benar acak desain dan desain blok acak. nilai F ditentukan menjadi tiga efek:
1. Efek Row
2.Efek Kolom
3. Efek Interaksi
Efek baris dan efek kolom kadang-kadang disebut sebagai efek utama. Meskipun nilai F ditentukan untuk efek utama, nilai F juga dihitung untuk efek interaksi. Menggunakan nilai-nilai F diamati ini, peneliti dapat membuat keputusan tentang null hipotesis untuk setiap efek. Masing-masing nilai F diamati ini dibandingkan dengan nilai F tabel. Tabel nilai F adalah ditentukan oleh, dfnum, dan derajat dfdenom. Kebebasan untuk pembilang (dfnum) yang ditentukan oleh efek yang sedang dipelajari. Jika nilai F diamati adalah untuk kolom, derajat kebebasan untuk pembilang adalah C - 1. Jika nilai F diamati adalah untuk baris, derajat kebebasan untuk pembilang adalah R - 1. Jika nilai F diamati adalah untuk interaksi, derajat kebebasan untuk pembilang adalah (R - 1) (C - 1). Jumlah derajat kebebasan untuk penyebut dari nilai tabel untuk masing-masing tiga efek yang sama, kesalahan derajat kebebasan, RC (n - 1). Tabel nilai F (kritis F) untuk dua arah ANOVA mengikuti.
Interaksi
Seperti disebutkan sebelumnya, bersama dengan menguji efek dari dua perlakuan dalam desain faktorial, itu adalah mungkin untuk menguji efek interaksi dua perlakuan setiap kali beberapa langkah diambil dalam setiap sel dari desain. Interaksi terjadi ketika efek dari satu treatment bervariasi sesuai dengan tingkat treatment efek lainnya. Sebagai contoh, dalam sebuah studi meneliti dampak suhu dan kelembaban pada proses manufaktur, adalah mungkin bahwa suhu dan kelembaban akan berinteraksi sedemikian rupa bahwa pengaruh suhu pada Proses bervariasi dengan kelembaban. suhu rendah mungkin tidak menjadi manufaktur yang signifikan Faktor bila kelembaban rendah tapi mungkin faktor ketika kelembaban tinggi. Demikian pula, suhu tinggi mungkin menjadi faktor dengan kelembaban rendah tapi tidak dengan kelembaban tinggi.
Sebagai contoh lain, misalkan seorang peneliti bisnis mempelajari jumlah daging merah dikonsumsi oleh keluarga per bulan dan memeriksa kelas ekonomi dan agama sebagai dua variabel independen. Kelas dan agama mungkin berinteraksi sedemikian rupa bahwa dengan agama tertentu, kelas ekonomi tidak masalah dalam konsumsi daging merah, tapi dengan agama lainnya, kelas tidak membuat perbedaan. Dalam hal desain faktorial, interaksi terjadi ketika pola sel berarti di satu baris (akan di kolom) bervariasi dari pola sel berarti di baris lain. Variasi ini menunjukkan bahwa perbedaan dalam efek kolom tergantung pada baris yang sedang examined. Karenanya, interaksi dari baris dan kolom terjadi. Hal yang sama bisa terjadi ketika pola sel berarti dalam kolom ini berbeda dengan pola sel
berarti di kolom lainnya.
Interaksi dapat digambarkan secara grafis dengan memplot sel berarti dalam setiap baris (dan bisa juga dilakukan dengan memplot sel berarti dalam setiap kolom). Sarana dalam setiap baris (atau kolom) kemudian dihubungkan dengan garis. Jika garis patah untuk baris (atau kolom) sejajar, tidak ada interaksi ditunjukkan.
Gambar 11.10 adalah grafik sarana untuk setiap sel di setiap baris dalam 2 * 3 (2 baris, 3 kolom) desain faktorial dengan interaksi. Perhatikan bahwa garis yang menghubungkan sarana di setiap baris saling silang. Pada Gambar 11.11 garis konvergen, yang menunjukkan kemungkinan adanya dari beberapa interaksi. Gambar 11.12 menggambarkan desain 2 * 3 faktorial tanpa interaksi.
Ketika efek interaksi yang signifikan, efek utama (baris dan kolom) yang bingung dan tidak harus dianalisis dengan cara biasa. Dalam hal ini, tidak mungkin untuk menyatakan dengan tegas bahwa efek baris atau efek kolom berbeda secara signifikan karena perbedaan cara satu efek utama bervariasi sesuai dengan tingkat yang lain Efek utama (interaksi hadir). Beberapa prosedur khusus yang direkomendasikan untuk memeriksa efek utama saat interaksi yang signifikan hadir. Namun, teknik ini di luar ruang lingkup materi yang disajikan di sini. Oleh karena itu, dalam teks ini, setiap kali interaksi Efek yang hadir (Finter signifikan), peneliti tidak harus berusaha untuk menafsirkan efek utama (frow dan Fcol).
Sebagai contoh dari desain faktorial, mempertimbangkan fakta bahwa pada akhir finansial tahun fiskal sukses, CEO sering harus memutuskan apakah akan penghargaan dividen kepada pemegang saham atau untuk membuat investasi perusahaan. Salah satu faktor dalam keputusan ini tampaknya akan menjadi apakah peluang investasi yang menarik yang tersedia. Untuk menentukan apakah faktor ini penting, peneliti bisnis secara acak memilih 24 CEO dan meminta mereka untuk menilai betapa pentingnya "Ketersediaan peluang investasi yang menguntungkan" adalah dalam memutuskan apakah akan membayar dividen atau berinvestasi. CEO diminta untuk menanggapi item ini pada skala dari 0 sampai 4, dimana 0 = tidak penting, 1 = sedikit penting, 2 = sedang pentingnya, 3 = besar pentingnya, dan 4 = maksimum pentingnya. 0-4 respon adalah variabel dependen dalam desain eksperimental.
Para peneliti bisnis prihatin bahwa di mana saham perusahaan diperdagangkan (New Bursa Efek York, American Stock Exchange, dan over-the-counter) mungkin membuat perbedaan di respon CEO 'untuk pertanyaan itu. Selain itu, para peneliti bisnis percaya
bahwa bagaimana pemegang saham diinformasikan dividen (laporan tahunan terhadap presentasi) mungkin mempengaruhi hasil percobaan. Dengan demikian, dua arah ANOVA diatur dengan "mana saham perusahaan diperdagangkan "dan" bagaimana pemegang saham diberitahu dividen "sebagai dua variabel independen. Variabel "bagaimana pemegang saham diberitahu dividen" memiliki dua tingkat pengobatan, atau klasifikasi.
1. Laporan tahunan / triwulanan
2. Presentasi analis
Variabel "di mana saham perusahaan diperdagangkan" memiliki tiga tingkat perawatan, atau klasifikasi.
1. Bursa Efek New York
2. American Stock Exchange
3. Over-the-counter
desain faktorial ini adalah desain 2 x 3 (2 baris, 3 kolom) dengan empat pengukuran (Peringkat) per sel, seperti yang ditunjukkan pada tabel berikut.
Data ini dianalisis dengan menggunakan analisis dua arah varians dan = 0,05 .
Nilai kritis F untuk efek interaksi α = 0,05 adalah
Nilai F yang diamati untuk efek interaksi adalah 0,10 . Karena nilai ini kurang dari kritis nilai tabel ( 3,55 ) , tidak ada efek interaksi yang signifikan yang jelas . Karena tidak ada yang signifikan
Efek interaksi yang hadir , adalah mungkin untuk memeriksa efek utama . Nilai F kritis efek baris di adalah F.05,1,18 = 4.41 . Nilai F yang diamati 2,42 kurang dari nilai tabel . Oleh karena itu , tidak ada efek baris signifikan yang hadir . Nilai F kritis efek kolom di = 0,05 adalah F.05,2,18 = 3,55 . Nilai ini kebetulan sama dengan nilai tabel kritis untuk interaksi karena dalam masalah ini derajat kebebasan yang sama untuk interaksi dan kolom efek . Nilai F yang diamati untuk kolom ( 16,35 ) lebih besar dari nilai kritis ini . Oleh karena itu , perbedaan yang signifikan dalam baris Efek ini terbukti pada α = 0,05
Sebuah perbedaan yang signifikan dicatat dalam penilaian CEO 'rata-rata item "ketersediaan peluang investasi yang menguntungkan "menurut mana saham perusahaan diperdagangkan. Sebuah pemeriksaan sepintas dari sarana untuk tiga tingkat efek kolom (di mana saham diperdagangkan) mengungkapkan bahwa rata-rata terendah adalah dari CEO yang perusahaannya diperdagangkan saham pada Bursa Efek New York. Rata-rata Peringkat tertinggi dari para CEO yang perusahaannya diperdagangkan saham over-the-counter. Menggunakan beberapa teknik perbandingan, para peneliti bisnis dapat statistik uji perbedaan dalam cara ketiga kelompok ini. Karena ukuran sampel dalam setiap kolom adalah sama, uji HSD Tukey dapat digunakan untuk menghitung beberapa perbandingan. Nilai MSE adalah 0,431 untuk masalah ini. Dalam pengujian Kolom berarti dengan uji HSD Tukey, nilai n adalah jumlah item dalam kolom, yang delapan. Jumlah perawatan adalah C = 3 untuk kolom dan N - C = 24 - 3 = 21.
Dengan kedua nilai dan α = 0,05, nilai untuk q dapat ditentukan dari Tabel A.10:
Dari nilai tersebut , perbedaan jujur signifikan dapat dihitung
peringkat rata-rata untuk tiga kolom
Nilai absolut dari perbedaan antara sarana adalah sebagai berikut :
Semua tiga perbedaan yang lebih
besar dari 0,831 dan karena itu berbeda secara signifikan pada dengan HSD test.
Dimana saham perusahaan diperdagangkan membuat perbedaan dalam cara CEO
merespon pertanyaan .
C.
Studi Kasus
THE CLARKSON COMPANY: A DIVISION OF TYCO INTERNATIONAL
Pada tahun 1950, J. R. Clarkson didirikan milik keluarga industri desain katup dan perusahaan manufaktur di Sparks, Nevada. Selama hampir setengah abad, perusahaan, yang dikenal sebagai Perusahaan Clarkson, bekerja pada memajukan pengolahan logam dan mineral. Perusahaan Clarkson menjadi terkenal karena nya knife-gate dan kontrol katup, diperkenalkan pada tahun 1970-an, yang mampu menghentikan dan mengisolasi bagian dari aliran lumpur. Pada 1990-an, perusahaan telah menjadi pemasok utama katup knife-gate, membantu untuk mengontrol aliran di banyak sistem perpipaan di seluruh dunia dalam industri yang berbeda, termasuk pertambangan, energi, dan pengolahan air limbah.
Diskusi
1. Sukses Clarkson knife-gate valve berisi wafer yang tipis dan ringan. Namun, wafer begitu kuat dapat beroperasi sampai dengan 150 pound per persegi inci (psi) dari tekanan di atasnya, sehingga jauh lebih kuat daripada merek pesaing. Misalkan insinyur Tyco telah dikembangkan wafer baru yang lebih kuat. Mereka ingin mengatur sebuah rancangan percobaan untuk menguji kekuatan wafer tetapi mereka ingin melakukan tes di bawah tiga yang berbeda kondisi suhu, 70, 110, dan 150. Sebagai tambahan, kira Tyco menggunakan dua pemasok yang berbeda (perusahaan A dan perusahaan B) dari bahan sintetis yang digunakan untuk memproduksi wafer. Beberapa wafer yang dibuat terutama bahan baku yang dipasok oleh perusahaan A, dan beberapa dibuat terutama dari bahan baku dari perusahaan B. Dengan demikian, para insinyur telah menyiapkan desain 2 3 faktorial dengan suhu dan pemasok sebagai variabel independen dan tekanan (diukur dalam psi) sebagai dependen variabel. Data dikumpulkan dan ditampilkan di sini. Analisis data dan bahas implikasi bisnis dari temuan. Jika Anda sedang melakukan penelitian, apa yang akan Anda laporkan kepada insinyur?
2. Pada akhir 1980-an , Clarkson Perusahaan diinstal manufaktur sistem perencanaan sumber daya . Menggunakan ini dan lainnya kualitas pendekatan perbaikan, perusahaan ini mampu untuk mengurangi waktu enam sampai delapan minggu untuk kurang dari dua minggu . Misalkan Tyco sekarang menggunakan sistem serupa dan ingin menguji untuk menentukan apakah waktu berbeda secara signifikan sesuai dengan jenis katup manufaktur . Sebagai kontrol percobaan , mereka termasuk dalam penelitian ini , sebagai variabel memblokir , hari minggu yang katup diperintahkan . Satu lead-time terpilih per valve per hari dalam seminggu . Data yang diberikan di sini dalam beberapa pekan Analisis data dan Diskusikan temuan Anda .
Jawab :
1. Langkah 1 : Menentukan Hipotesis peneliitian
Hipotesis untuk melihat perbedaan antar treatment
Ho : u1 = u2 = u3,.............. uk = 0
Ha : u1 = u2 = u3,.............. uk ≠ 0
Hipotesis untuk melihat perbedaan antar block
Ho : u1 = u2 = u3,.............. uk = 0
Ha : u1 = u2 = u3,.............. uk ≠ 0
Langkah 2 : Menggunakan aplikasi Excel untuk melakukan uji Anova
Langkah 3 : Membandingkan nilai F test dengan nilai F kritis
Untuk tretament
F
test > F kritis = 22,089 > 3,886, sehingga Ho ditolak
Untuk Block
Ftest
< F kritis = 1,107 < 4,747, sehingga Ho diterima.
Langkah
4 : Membuat kesimpulan
Untuk
treatment
Karena
Ho ditolak, sehingga ada perbedaan masing masing temperatur suhu tersebut
akibat adanya variable pemasok.
Untuk Block
Karena
Ho diterima, sehingga tidak ada perbedaan masing masing temperatur disetiap
masing-masing pemasok.
2. Langkah 1 : Menentukan Hipotesis peneliitian
Hipotesis untuk melihat perbedaan antar treatment
Ho : u1 = u2 = u3,.............. uk = 0
Ha : u1 = u2 = u3,.............. uk ≠ 0
Hipotesis untuk melihat perbedaan antar block
Ho : u1 = u2 = u3,.............. uk = 0
Ha : u1 = u2 = u3,.............. uk ≠ 0
Langkah 2 : Menggunakan aplikasi Excel untuk melakukan uji Anova
Langkah 3 : Membandingkan nilai F test dengan nilai F kritis
Untuk tretament
F
test > F kritis = 11,90 > 2,711, sehingga Ho ditolak
Untuk Block
Ftest
> F kritis = 1,963 < 2,867, sehingga Ho ditolak.
Langkah
4 : Membuat kesimpulan
Untuk
treatment
Karena
Ho ditolak, sehingga ada perbedaan masing masing tipe katup tersebut
akibat adanya variable hari
Untuk Block
Karena
Ho ditolak, sehingga ada perbedaan masing masing katup tiap hari.
Tidak ada komentar:
Posting Komentar