Page 356 - Science and Technology For Society 5.0
P. 356

~ Science and Technology for Society 5.0 ~  319


               dilakukan sebanyak 3 kali sehingga terdapat 12 kombinasi perlakuan dan
               secara keseluruhan berjumlah 36 satuan percobaan.
                   Data pengamatan yang diperoleh akan disajikan secara deskriptif dan
               dianalisis dengan dasar model aditif linier (Gomez & Gomez, 1984):

                              Yijk = µ + αi + βj + (αβ)ij + ρk + εijk

                   Yijk = nilai pengamatan pada faktor A level ke-i (1, 2, 3, 4), faktor B level
               ke-j (1, 2, 3), dan kelompok ke-k (1, 2, 3); µ = rerata umum; αi = pengaruh
               utama faktor A level ke-i (1, 2, 3, 4); βj = pengaruh utama faktor B level ke-j
               (1, 2, 3); (αβ)ij = interaksi dari faktor A level ke-i (1, 2, 3, 4) dan faktor B level
               ke-j (1, 2, 3); ρk = pengaruh aditif kelompok; εijk = komponen galat percobaan
                   Jika hasil analisis ragam menunjukkan perbedaan pengaruh yang nyata
               maka  akan  dilakukan  uji  lanjut  dengan  menggunakan  uji  lanjut
               perbandingan ganda Duncan (Duncan Multiple Range Test/DMRT). Bila pada
               interaksi faktor A dan B menunjukkan pengaruh yang nyata akan dilakukan
               analisis  lanjutan  dengan  pendekatan  line  graph  dan  regresi  polinomial
               ortogonal.
                   Dasar  komputasi  regresi  polinomial  menggunakan  estimasi  model
               regresi  dengan  menggunakan  variabel-variabel  yang  terlibat  sebagai
               berikut.

                                  ŷ = β0 + β1x1 + β2x2 + ... + βkxk

                   Dimana  ŷ  =  estimator  respon  rata-rata;  β  =  model  parameter;  x  =
               variabel independen.
                   Komputasi dilakukan berdasarkan hubungan dan respon antar faktor
               yang  ditunjukkan  melalui  analisis  kontras  polinomial  ortogonal.  Variabel-
               variabel yang memenuhi syarat akan ditransformasikan menjadi estimasi
               model di atas melalui penentuan matrix dan vektor.
                   Kemudian perhitungan prediktor x akan dilakukan melalui penentuan
               titik stasioner pada turunan parsial pertama dari estimasi persamaan yang
               terbentuk sebagai langkah awal, selanjutnya dilakukan uji turunan parsial
               kedua  dengan  menggunakan  matrix  Hessian  (Weisstein,  2021)  untuk
               mencari prediktor x yang dapat mencapai titik optimum dengan ketentuan:
               1.  Jika D > 0 dan fx1x1 > 0, maka berada di titik minimum lokal
               2.  Jika D > 0 dan fx1x1 < 0, maka berada di titik maksimum lokal
   351   352   353   354   355   356   357   358   359   360   361