Bayangin habis begadang ngurus kerjaan atau keluarga, eh pas buka modul malah disuguhin analisa variansi satu arah sama beda model Fixed dan Random STAT4431 Rancangan Percobaan. Dua konsep ini sering bikin pusing karena sekilas mirip tapi logika analisisnya berbeda. Tenang, tidak perlu panik. Bank soal UT di halaman ini sengaja kami desain biar kamu langsung ngerti perbedaan mendasar antara Modul 2 dan Modul 3 yang kerap diujikan.
Banyak mahasiswa tersandung saat menentukan kapan pakai Rancangan Blok Random Lengkap di Modul 4 dan kapan beralih ke Rancangan Bujur Sangkar Latin di Modul 5. Prediksi soal UAS Statistika ini menitikberatkan pada latihan membedakan karakter tiap rancangan. Kalau keliru pilih desain, hasil analisa langsung salah. Soal UAS UT yang kami kumpulkan bisa jadi tolok ukur penguasaanmu sebelum hari ujian tiba.
Soal di bawah ini mencakup inti tiap kegiatan belajar, dari eksperimen faktorial di Modul 6 sampai rancangan tersarang di Modul 7. Semua soal dilengkapi kunci jawaban dan pembahasan terperinci, bukan sekedar opsi benar-salah. Kalau jawabanmu meleset jauh, baca pelan-pelan penjelasannya dulu sebelum lanjut ke nomor berikut.
Soal UT STAT4431 Rancangan Percobaan
Dalam konteks eksperimen, apa yang dimaksud dengan 'perlakuan'?
Perlakuan adalah kondisi atau faktor yang sengaja diterapkan pada unit eksperimen untuk melihat efeknya terhadap respons.
Apa fungsi utama dari pengacakan (randomisasi) dalam rancangan percobaan?
Pengacakan bertujuan untuk menghilangkan bias sistematis dan memastikan bahwa perbedaan antar perlakuan dapat diuji secara statistik.
Dalam rancangan percobaan, apa yang dimaksud dengan 'unit eksperimen'?
Unit eksperimen adalah objek atau subjek terkecil yang menerima perlakuan secara independen dan diukur responsnya.
Langkah pertama dalam merencanakan sebuah eksperimen adalah…
Langkah awal dalam perencanaan eksperimen adalah menentukan hipotesis yang akan diuji, yang menjadi dasar desain eksperimen.
Apa yang dimaksud dengan 'rancangan perbandingan berpasangan'?
Rancangan perbandingan berpasangan adalah rancangan di mana setiap unit eksperimen menerima semua perlakuan dalam urutan acak untuk mengurangi variabilitas antar unit.
Dalam eksperimen perbandingan sederhana dengan rancangan random lengkap, bagaimana perlakuan dialokasikan ke unit eksperimen?
Dalam rancangan random lengkap, perlakuan dialokasikan secara acak ke seluruh unit eksperimen untuk menghilangkan bias.
Apa keuntungan utama dari rancangan perbandingan berpasangan dibandingkan rancangan random lengkap?
Rancangan perbandingan berpasangan mengurangi variabilitas karena setiap unit menjadi kontrolnya sendiri, sehingga perbedaan antar unit dapat diminimalkan.
Dalam rancangan random lengkap, jika ada 4 perlakuan dan 5 ulangan per perlakuan, berapa total unit eksperimen yang diperlukan?
Total unit eksperimen = jumlah perlakuan x jumlah ulangan = 4 x 5 = 20 unit.
Apa yang dimaksud dengan 'ulangan' dalam konteks rancangan percobaan?
Ulangan adalah penerapan perlakuan yang sama pada beberapa unit eksperimen yang independen untuk memperkirakan variabilitas.
Dalam uji t untuk perbandingan berpasangan, apa yang diuji?
Uji t berpasangan menguji perbedaan rata-rata antara dua pengukuran yang berpasangan atau berhubungan.
Manakah dari berikut ini yang BUKAN merupakan langkah dalam melakukan eksperimen perbandingan sederhana?
Mengumpulkan data tanpa rencana bukanlah langkah yang benar; semua eksperimen harus direncanakan terlebih dahulu.
Apa tujuan dari penggunaan kontrol dalam eksperimen?
Kontrol berfungsi sebagai baseline atau pembanding untuk melihat efek nyata dari perlakuan yang diterapkan.
Dalam rancangan random lengkap dengan model tetap, apa asumsi utama yang harus dipenuhi?
Model tetap mengasumsikan bahwa efek perlakuan adalah tetap (konstan) dan dapat diestimasi secara langsung dari data.
Dalam analisis variansi satu arah, jika F hitung lebih besar dari F tabel, apa kesimpulannya?
Jika F hitung > F tabel, maka H0 ditolak, yang berarti ada perbedaan signifikan antar rata-rata perlakuan.
Apa yang dimaksud dengan 'jumlah kuadrat antar perlakuan' dalam ANOVA?
Jumlah kuadrat antar perlakuan mengukur variasi yang disebabkan oleh perbedaan antara rata-rata perlakuan.
Dalam model tetap dengan jumlah observasi sama, derajat bebas untuk jumlah kuadrat antar perlakuan adalah…
Derajat bebas untuk jumlah kuadrat antar perlakuan adalah k-1, di mana k adalah jumlah perlakuan.
Apa yang dimaksud dengan 'model tetap' dalam analisis variansi?
Model tetap berarti efek perlakuan dianggap tetap dan kesimpulan hanya berlaku untuk perlakuan yang diteliti, bukan untuk populasi perlakuan yang lebih luas.
Dalam analisis variansi satu arah model tetap dengan jumlah observasi sama tiap perlakuan, sumber keragaman perlakuan memiliki derajat bebas sebesar…
Derajat bebas untuk perlakuan dalam model tetap adalah jumlah perlakuan (k) dikurangi 1, yaitu k-1.
Pada model tetap satu arah dengan jumlah observasi sama, rumus jumlah kuadrat perlakuan (JKP) adalah…
JKP dihitung dengan n kali jumlah kuadrat selisih rata-rata perlakuan terhadap rata-rata total, yaitu n * sigma(Y_i – Y..)^2.
Dalam uji F untuk model tetap satu arah, nilai F hitung diperoleh dari…
Nilai F hitung dihitung sebagai kuadrat tengah perlakuan dibagi kuadrat tengah galat, yaitu KT perlakuan / KT galat.
Jika H0 ditolak dalam analisis variansi satu arah model tetap, maka kesimpulan yang tepat adalah…
Penolakan H0 menunjukkan bahwa tidak semua rata-rata perlakuan sama, artinya paling sedikit satu perlakuan berbeda nyata.
Pada analisis lanjutan setelah H0 ditolak untuk perlakuan kualitatif, metode yang digunakan untuk membandingkan rata-rata perlakuan adalah…
Untuk perlakuan kualitatif, setelah H0 ditolak, digunakan uji perbandingan berganda seperti LSD, Tukey, atau Duncan untuk mengetahui perbedaan spesifik antar perlakuan.
Dalam uji LSD (Least Significant Difference) untuk perbandingan berganda, nilai LSD dihitung dengan rumus…
Rumus LSD adalah t(alpha/2, db galat) dikali akar dari (2 * KT galat / n), di mana n adalah jumlah observasi per perlakuan.
Jika jumlah observasi dalam tiap perlakuan tidak sama (model tetap satu arah), maka perbandingan berganda menggunakan metode Tukey-Kramer memerlukan penyesuaian pada…
Pada metode Tukey-Kramer, nilai kritis disesuaikan dengan jumlah observasi yang tidak sama untuk mengontrol tingkat kesalahan tipe I.
Pada model tetap dengan jumlah observasi tidak sama, kuadrat tengah galat (KTG) dihitung dengan rumus…
KTG = JKG / (N – k), di mana N adalah total observasi dan k adalah jumlah perlakuan, sehingga derajat bebas galat adalah N – k.
Dalam analisis variansi satu arah model tetap dengan jumlah observasi tidak sama, penolakan H0 terjadi jika…
H0 ditolak jika nilai F hitung lebih besar dari nilai F tabel pada taraf signifikansi tertentu, menunjukkan ada perbedaan rata-rata perlakuan.
Jika dalam model tetap satu arah dengan jumlah observasi tidak sama, kita ingin membandingkan dua perlakuan dengan uji t, maka galat baku perbedaan rata-rata adalah…
Galat baku perbedaan rata-rata untuk dua perlakuan dengan jumlah observasi ni dan nj adalah akar dari KTG dikali (1/ni + 1/nj).
Pada model II (model random) dalam analisis variansi satu arah, perlakuan dianggap sebagai…
Dalam model II atau model random, perlakuan dipilih secara acak dari populasi perlakuan, sehingga efek perlakuan bersifat acak.
Dalam model random satu arah, komponen varians perlakuan dilambangkan dengan…
Komponen varians perlakuan dalam model random adalah sigma_t^2, yang mengukur variabilitas antar perlakuan dalam populasi.
Uji F dalam model random satu arah digunakan untuk menguji hipotesis…
Dalam model random, hipotesis nol yang diuji adalah sigma_t^2 = 0, yang berarti tidak ada variansi antar perlakuan.
Jika dalam model random satu arah, kuadrat tengah perlakuan (KTP) = 50 dan kuadrat tengah galat (KTG) = 20, maka nilai F hitung adalah…
F hitung = KTP / KTG = 50 / 20 = 2.5.
Pendugaan komponen varians perlakuan dalam model random satu arah diberikan oleh rumus…
Penduga komponen varians perlakuan adalah (KTP – KTG) / n, di mana n adalah jumlah observasi per perlakuan, asalkan sama.
Asumsi normalitas dalam model random satu arah diperlukan untuk…
Asumsi normalitas diperlukan agar statistik uji F memiliki distribusi F yang valid untuk menguji hipotesis tentang komponen varians.
Jika data dalam model random tidak memenuhi asumsi homogenitas varians, transformasi yang mungkin digunakan adalah…
Transformasi Box-Cox adalah metode umum untuk menstabilkan varians dan dapat dipilih secara otomatis berdasarkan data, sehingga mengatasi masalah heterogenitas.
Dalam model random (Model II) pada Analisa Variansi 1 arah, asumsi yang tepat tentang efek perlakuan adalah
Pada Model II efek perlakuan (tau_i) merupakan peubah acak yang independen dan berdistribusi N(0, sigma^2_tau). Ini membedakannya dari Model I yang efeknya tetap.
Transformasi data dilakukan dalam Analisa Variansi jika asumsi yang dilanggar adalah
Transformasi data digunakan untuk mengatasi pelanggaran asumsi normalitas dan homogenitas variansi, misalnya transformasi log atau akar kuadrat.
Jika variansi antar perlakuan tidak homogen, transformasi yang paling tepat untuk data berupa frekuensi atau jumlah dalam beberapa kategori adalah
Untuk data berupa frekuensi atau persentase, transformasi arcsin atau akar kuadrat sering digunakan agar variansi menjadi lebih stabil dan mendekati normal.
Suatu data hasil percobaan memiliki variansi yang berbanding lurus dengan rata-rata. Transformasi yang dianjurkan adalah
Jika variansi berbanding lurus dengan rata-rata, transformasi logaritma sering efektif untuk menstabilkan variansi.
Uji homogenitas variansi yang sering digunakan dalam Rancangan Percobaan adalah
Uji Bartlett adalah uji yang umum digunakan untuk memeriksa homogenitas variansi antar kelompok dalam Analisa Variansi.
Jika data tidak memenuhi asumsi normalitas, langkah pertama yang disarankan adalah
Langkah pertama untuk mengatasi pelanggaran normalitas adalah mencoba transformasi data. Jika tetap tidak normal, barulah uji nonparametrik bisa menjadi alternatif.
Transformasi Box-Cox termasuk dalam metode untuk
Transformasi Box-Cox adalah metode untuk memilih parameter lambda yang menghasilkan transformasi paling optimal agar data lebih dekat dengan asumsi normalitas dan homogenitas.
Salah satu asumsi yang harus dipenuhi dalam Analisa Variansi adalah
Asumsi klasik Analisa Variansi adalah galat eksperimen berdistribusi normal dengan rata-rata nol dan variansi konstan (homoskedastisitas) serta independen.
Pada Rancangan Blok Random Lengkap (RBRL), tujuan utama pembentukan blok adalah
RBRL dirancang untuk mengendalikan variabilitas dari sumber eksternal (faktor blok) sehingga perbedaan antar perlakuan lebih akurat diukur.
Dalam model matematis RBRL: Y_ij = mu + tau_i + beta_j + epsilon_ij, beta_j melambangkan
Dalam model RBRL, beta_j adalah efek dari blok ke-j. Efek perlakuan dinyatakan dengan tau_i.
Derajat bebas untuk galat dalam RBRL dengan a perlakuan dan b blok adalah
Derajat bebas galat dalam RBRL adalah (a-1)(b-1), yaitu total pengamatan dikurangi derajat bebas perlakuan dan blok serta rata-rata umum.
Jika nilai F hitung perlakuan lebih besar dari F tabel pada taraf signifikansi tertentu dalam RBRL, maka kesimpulannya adalah
F hitung yang lebih besar dari F tabel menunjukkan bahwa tolak H0, artinya paling tidak ada satu perlakuan yang berbeda nyata dari yang lain.
Dalam RBRL, randomisasi dilakukan secara terpisah di dalam setiap blok. Tujuannya adalah
Randomisasi dalam setiap blok bertujuan untuk menghilangkan bias yang mungkin muncul akibat urutan perlakuan, sehingga pengaruh lingkungan dalam blok tidak mengacaukan hasil.
Suatu percobaan menggunakan RBRL dengan 4 perlakuan dan 5 blok. Jumlah total unit eksperimen adalah
Jumlah total unit eksperimen pada RBRL adalah jumlah perlakuan kali jumlah blok = 4 x 5 = 20.
Keuntungan utama RBRL dibanding Rancangan Random Lengkap (RRL) adalah
RBRL lebih efisien dalam mengontrol variasi akibat faktor blok, sehingga galat eksperimen lebih kecil dan pengujian lebih sensitif dibanding RRL.
Rancangan Blok Random Tak Lengkap Seimbang (BRTLS) digunakan ketika
BRTLS dipilih jika jumlah perlakuan melebihi kapasitas blok, namun tetap seimbang karena setiap pasang perlakuan muncul bersama dalam jumlah blok yang sama.
Dalam BRTLS, parameter lambda melambangkan
Lambda dalam BRTLS adalah jumlah blok di mana setiap pasangan perlakuan bersama-sama muncul. Ini menjamin keseimbangan dalam rancangan.
Dalam rancangan blok random tak lengkap seimbang (BIBD), parameter lambda (λ) menunjukkan banyaknya pasangan perlakuan yang muncul bersama dalam suatu blok. Jika terdapat dua perlakuan A dan B yang muncul bersama dalam 3 blok, maka nilai λ adalah
Dalam BIBD, λ adalah jumlah blok di mana setiap pasangan perlakuan muncul bersama. Diketahui pasangan A dan B muncul bersama dalam 3 blok, maka λ=3.
Pada BIBD, jika jumlah perlakuan v=7, jumlah blok b=7, ukuran blok k=3, dan setiap perlakuan muncul r=3 kali, maka jumlah pengamatan total (N) adalah
N = v * r = 7 * 3 = 21, atau N = b * k = 7 * 3 = 21.
Syarat utama agar suatu rancangan disebut BIBD adalah bahwa setiap pasangan perlakuan muncul bersama dalam jumlah blok yang sama, yaitu λ. Rumus yang menghubungkan λ dengan parameter lain adalah
Rumus untuk λ dalam BIBD adalah λ = r(k-1)/(v-1).
Dalam BIBD, jika v=5, b=10, r=6, k=3, dan λ=3, maka banyaknya ulangan (replikasi) setiap perlakuan adalah
Parameter r menyatakan banyaknya ulangan setiap perlakuan, dalam soal ini r=6.
Pada analisis BIBD, jumlah kuadrat untuk perlakuan yang disesuaikan (adjusted treatment sum of squares) diperoleh dengan mengoreksi pengaruh blok. Tujuan penyesuaian ini adalah untuk
Penyesuaian perlakuan dilakukan untuk menghilangkan pengaruh blok sehingga estimasi efek perlakuan tidak bias.
Dalam rancangan bujur sangkar Latin (RBSL) berukuran 4×4, jumlah perlakuan yang dapat diuji adalah
Pada RBSL, jumlah perlakuan sama dengan ukuran baris dan kolom, yaitu 4.
Keuntungan utama rancangan bujur sangkar Latin dibandingkan rancangan blok random lengkap adalah
RBSL mengontrol dua sumber variasi luar (baris dan kolom), sedangkan RBRL hanya satu sumber blok.
Pada RBSL berukuran 3×3, jika perlakuan disusun sehingga setiap perlakuan muncul tepat satu kali di setiap baris dan kolom, maka derajat bebas untuk galat adalah
Derajat bebas total = 9-1=8, perlakuan=2, baris=2, kolom=2, maka galat=8-2-2-2=2.
Syarat utama agar RBSL dapat digunakan adalah bahwa
RBSL mengasumsikan tidak ada interaksi antara baris, kolom, dan perlakuan.
Pada Rancangan Bujur Sangkar Graeco-Latin (BSGL) berukuran 4×4, jika terdapat tiga faktor luar (baris, kolom, dan huruf Yunani), maka jumlah perlakuan yang diuji adalah
Pada BSGL, jumlah perlakuan sama dengan ukuran baris/kolom, yaitu 4.
Dalam rancangan BSGL, derajat bebas untuk sumber keragaman perlakuan adalah t-1, dengan t adalah ukuran bujur sangkar. Jika t=5, maka derajat bebas perlakuan adalah
Derajat bebas perlakuan = t-1 = 5-1 = 4.
Tujuan penggunaan Rancangan Bujur Sangkar Graeco-Latin adalah untuk
BSGL mengontrol tiga sumber variasi luar: baris, kolom, dan huruf Yunani.
Pada Rancangan Bujur Sangkar Youden (RBSY), struktur rancangan merupakan kombinasi antara
RBSY menggabungkan sifat RBSL (baris sebagai blok) dan BIBD (kolom tidak lengkap).
Dalam RBSY, jumlah perlakuan (v) sama dengan jumlah baris (r), dan setiap perlakuan muncul tepat satu kali dalam setiap baris. Jika v=7, maka jumlah baris adalah
Pada RBSY, jumlah baris sama dengan jumlah perlakuan, yaitu 7.
Keuntungan Rancangan Bujur Sangkar Youden dibandingkan RBSL adalah
RBSY fleksibel karena tidak mensyaratkan jumlah perlakuan sama dengan jumlah baris, tidak seperti RBSL.
Pada RBSY, derajat bebas untuk galat diperoleh dari rumus
Derajat bebas galat pada RBSY = (v-1)(b-1) – (v-1) = (v-1)(b-2).
Salah satu syarat data dalam RBSY adalah bahwa setiap kolom memiliki ukuran yang sama, yaitu k. Jika v=6 dan r=6, maka nilai k maksimum adalah
Pada RBSY, k = jumlah perlakuan yang muncul dalam setiap kolom, maksimum v=6, karena tidak boleh melebihi v.
Dalam Rancangan Bujur Sangkar Youden (RBSY), banyaknya baris (blok) sama dengan banyaknya kolom (posisi) tetapi lebih kecil dari banyaknya perlakuan. Jika banyaknya perlakuan adalah 7, maka banyaknya baris dan kolom dalam rancangan tersebut adalah…
Ciri utama RBSY adalah jumlah baris sama dengan jumlah kolom dan lebih kecil dari jumlah perlakuan (p baris = p kolom < p perlakuan). Jika perlakuan 7, maka baris dan kolom adalah 6.
Suatu penelitian menggunakan RBSY dengan 5 perlakuan dan 4 baris. Setiap perlakuan muncul tepat satu kali dalam setiap baris dan setiap kolom. Pernyataan yang benar tentang karakteristik rancangan ini adalah…
Dalam RBSY, setiap pasangan perlakuan muncul bersama dalam blok yang sama dengan frekuensi yang sama (seimbang), yang merupakan syarat keseimbangan.
Dalam analisis variansi untuk model tetap pada eksperimen faktorial dengan rancangan random lengkap, jika efek interaksi signifikan, maka langkah selanjutnya yang tepat adalah…
Jika interaksi signifikan dalam model tetap, efek utama tidak dapat diinterpretasikan secara terpisah sehingga fokus analisis beralih ke interaksi.
Pada eksperimen faktorial dengan faktor A dan B, model tetap, derajat bebas untuk interaksi A x B adalah…
Derajat bebas interaksi A x B adalah hasil kali derajat bebas masing-masing faktor, yaitu (a-1)(b-1).
Suatu eksperimen faktorial 2 x 2 dengan rancangan random lengkap dan 3 ulangan menghasilkan JK total 150, JK A = 20, JK B = 30, JK AB = 40. Nilai JK galat adalah…
JKG = JKT – JKA – JKB – JKAB = 150 – 20 – 30 – 40 = 60.
Jika dalam eksperimen faktorial 3 x 4 dengan rancangan random lengkap dan 2 ulangan, maka banyaknya derajat bebas galat adalah…
Total pengamatan = 2 x 3 x 4 = 24. Df total = 23, df perlakuan = 3*4 – 1 = 11, sehingga df galat = df total – df perlakuan = 23 – 11 = 12.
Dalam model random untuk eksperimen faktorial, uji signifikansi untuk efek acak menggunakan rasio F dengan…
Pada model random, efek utama diuji dengan kuadrat tengah interaksi yang sesuai sebagai penyebut karena harapan kuadrat tengahnya mengandung komponen interaksi.
Aturan Erk pada eksperimen faktorial menyatakan bahwa jumlah kuadrat untuk setiap sumber keragaman dapat dihitung dengan…
Aturan Erk adalah suatu prosedur sistematis untuk menghitung jumlah kuadrat dalam analisis variansi faktorial dengan menggunakan tabel yang terstruktur.
Pada eksperimen faktorial dengan dua faktor, banyaknya derajat bebas untuk faktor A dengan a level adalah…
Derajat bebas untuk faktor A dengan a level adalah a – 1.
Jika suatu rancangan faktorial memiliki 4 level faktor A dan 3 level faktor B dengan 5 ulangan, maka total pengamatan adalah…
Total pengamatan = a x b x ulangan = 4 x 3 x 5 = 60.
Aturan untuk menuliskan rumus-rumus jumlah kuadrat dalam analisis faktorial melibatkan…
Aturan untuk menuliskan rumus JK adalah menguraikan jumlah kuadrat perlakuan menjadi komponen efek utama dan interaksi.
Uji pendekatan F Satterthwaite digunakan ketika…
Uji Satterthwaite digunakan untuk model acak atau campuran ketika tidak ada penyebut yang tepat dalam uji F, dengan mendekati distribusi kuadrat tengah yang sesuai.
Dalam analisis faktorial model campuran, efek faktor A tetap dan faktor B acak, maka untuk menguji efek A digunakan rasio F dengan penyebut…
Dalam model campuran, efek tetap diuji terhadap interaksi yang sesuai, sehingga penyebut untuk efek A adalah MSAB.
Jika dalam eksperimen faktorial dengan model acak, kuadrat tengah interaksi lebih kecil dari kuadrat tengah galat, maka langkah yang tepat adalah…
Jika MS interaksi lebih kecil dari MSE, kemungkinan interaksi tidak nyata sehingga dapat digabung dengan galat untuk meningkatkan derajat bebas galat.
Dalam rancangan split plot, kesalahan standar untuk membandingkan dua rata-rata main plot cenderung lebih…
Dalam split plot, main plot memiliki ulangan lebih sedikit dan galat lebih besar, sehingga kesalahan standar untuk perbandingan main plot lebih besar daripada sub plot.
Eksperimen faktorial dengan dua faktor atau lebih memungkinkan untuk…
Eksperimen faktorial dirancang untuk menguji efek utama dari setiap faktor serta interaksi antar faktor secara simultan.
Dalam eksperimen faktorial, jika terdapat dua faktor A dengan 2 taraf dan B dengan 3 taraf, maka jumlah kombinasi perlakuan seluruhnya adalah…
Jumlah kombinasi perlakuan adalah hasil kali taraf faktor: 2 x 3 = 6.
Efek interaksi antara faktor A dan B dalam eksperimen faktorial menunjukkan bahwa…
Interaksi terjadi saat pengaruh satu faktor berbeda tergantung taraf faktor lain.
Pada eksperimen faktorial dengan Rancangan Random Lengkap, derajat bebas untuk efek interaksi A x B dengan A bertaraf a dan B bertaraf b adalah…
Derajat bebas interaksi A x B adalah hasil kali derajat bebas masing-masing faktor: (a-1)(b-1).
Jika dalam eksperimen faktorial terdapat 3 faktor yaitu A, B, dan C, maka jumlah efek utama (main effect) yang dapat diuji adalah…
Efek utama adalah pengaruh masing-masing faktor, yaitu A, B, dan C, jadi ada 3 efek utama.
Rancangan tersarang (hierarchical) berbeda dengan rancangan faktorial dalam hal…
Pada rancangan tersarang, taraf faktor B tersarang dalam taraf faktor A, sehingga tidak semua kombinasi terjadi.
Dalam rancangan tersarang dengan dua faktor A dan B, di mana B tersarang dalam A, maka derajat bebas untuk efek B dalam A adalah…
Derajat bebas untuk B dalam A adalah a(b-1) karena setiap taraf A memiliki (b-1) derajat bebas untuk B.
Rancangan faktorial tersarang sering digunakan ketika…
Rancangan faktorial tersarang digunakan jika taraf suatu faktor hanya muncul dalam taraf faktor lain, sehingga tidak semua kombinasi dapat dibuat.
Pada rancangan tersarang, uji F untuk efek utama faktor yang lebih tinggi (misal A) menggunakan error yang berasal dari…
Uji F untuk faktor A menggunakan Mean Square dari B dalam A sebagai denominator karena B tersarang dalam A.
Jika faktor A memiliki 2 taraf dan faktor B tersarang dalam A dengan masing-masing taraf A memiliki 3 taraf B, maka jumlah taraf B seluruhnya adalah…
Jumlah taraf B adalah 2 x 3 = 6, karena setiap taraf A memiliki 3 taraf B yang berbeda.
Rancangan faktorial 2 x 3 x 4 memiliki jumlah total kombinasi perlakuan sebanyak…
Jumlah kombinasi perlakuan adalah hasil kali taraf: 2 x 3 x 4 = 24.
Dalam eksperimen faktorial dengan Rancangan Random Lengkap, jika terdapat 3 taraf A dan 4 taraf B, maka derajat bebas untuk galat murni adalah…
Dengan n ulangan, total observasi = 12n. Derajat bebas galat = 12n – 12 = 12(n-1).
Eksperimen faktorial dalam Rancangan Blok Random (RBC) bertujuan untuk…
RBC digunakan untuk mengeliminasi sumber variasi dari satu faktor blok yang tidak diminati.
Rancangan Split Plot digunakan ketika…
Split plot digunakan untuk eksperimen dengan dua faktor, di mana satu faktor sulit diacak karena kendala praktis.
Pada rancangan Split-Split Plot, jumlah petak terkecil (sub-sub plot) adalah…
Sub-sub plot adalah unit terkecil dalam rancangan split-split plot yang mendapat perlakuan faktor ketiga.
Jika dalam rancangan Split Plot terdapat 2 ulangan, faktor A sebagai petak utama dengan 4 taraf, dan faktor B sebagai anak petak dengan 3 taraf, maka jumlah total satuan percobaan adalah…
Jumlah satuan percobaan = ulangan x taraf A x taraf B = 2 x 4 x 3 = 24.
Yang dimaksud dengan randomisasi terbatas pada eksperimen faktorial dalam Rancangan Bujur Sangkar Latin adalah…
Pada RBSL, randomisasi dilakukan dengan batasan bahwa setiap perlakuan muncul tepat sekali di setiap baris dan kolom.
Soal soal di modul 1 sampai 3 itu fondasi, tapi jebakannya sering ada di modul 4 dan 5 soal rancangan blok dan bujur sangkar STAT4431 Rancangan Percobaan. Banyak yang terkecoh karena lupa bedain fixed effect dan random effect di ANOVA satu arah. Padahal itu penentu uji F yang benar. Kalau dasar ini goyang, analisis faktorial di modul 6 sampai 8 bakal terasa seperti teka-teki tanpa petunjuk.
Di UAS nanti, kombinasi soal UTM yang hafalan rumus dan soal UO yang menuntut interpretasi data hampir pasti keluar, terutama dari modul 7 soal rancangan faktorial tersarang. Pelajari ulang contoh soal modul 8 soal split plot karena sering jadi momok karena randomisasinya beda sendiri. Ada banyak soal ujian UT lain di sini kalau kamu mau lanjut latihan matkul lain.
