BAB 4 RANCANGAN ANOVA - FAKTOR...
Transcript of BAB 4 RANCANGAN ANOVA - FAKTOR...
Dr. Ir. Hidayat Bambang Setyawan, MM
Varians (2) adalah pangkat dua dari standard penyimpangan (). ANOVA
merupakan analisis yang menggunakan varians sampel untuk menguji hipotesis ekualitas rata-
rata populasi melalui varians rata-rata sampel.1
ANOVA dilakukan dengan sampel random sederhana yang dipilih secara
random satu partisipan dari beberapa populasi; dengan asumsi bahwa populasi berdistribusi
normal dan memiliki varians yang sama.
4.1 Completely Randomized Design (CRD)
Rancangan ANOVA yang paling sederhana adalah completely randomized
design (CRD) atau disebut Rancangan Acak Lengkap (RAL) yang melibatkan partisipan untuk
diberi sebuah pengaturan perlakuan (atau lebih). Rancangan ini mengadopsi banyak fitur dari
rancangan sampel independen dengan uji-t.
Kembali pada eksperimen perokok, seandainya peneliti mengembangkan tiga
pengaturan perlakuan, yaitu: plester tempel dengan kandungan obat, plester tempel placebo
dan terapi perilaku kognitif. Hipotesis yang diuji adalah:
H0 : μ1 = μ2 = μ3
. . . . . .(13)
Ha : μj μj untuk j dan j’ . . . . . .(14)
Sampel perokok = 30 orang yang mau berpartisipasi dalam eksperimen. Setiap
pengaturan perlakuan secara random diberikan kepada tiga kelompok dengan 10 orang
partisipan. Layout rancangan eksperimen dapat dilihat pada Gambar 4.1.
Uji dengan F-statistik adalah:
SSTOTAL = SST + SSRESIDUAL . . . . . .(15)
np – 1 = (p – 1) + p(n – 1) . . . . . .(16)
SST/(p – 1)
F =
. . . . . .(17)
1 Bowen and Starr;2003
BAB 4 RANCANGAN ANOVA - FAKTOR TUNGGAL
SSRESIDUAL/[p(n – 1)]
SST = sum of square between group atau disebut SSBG.
SSRESIDUAL disebut juga sebagai SSWG = sum of square within group.
Pengaturan
perlakuan
Variabel
Dependen
Kelompok
Pengaturan
perlakuan1
Partisipan1 a1 Y11
Partisipan2 a1 Y21
Partisipan3 a1 Y31
... ... ...
Partisipann1 a1 Yn1
Ȳ.1
Kelompok
Pengaturan
perlakuan2
Partisipan1 a2 Y12
Partisipan2 a2 Y22
Partisipan3 a2 Y32
... ... ...
Partisipann2 a2 Yn2
Ȳ.2
Kelompok
Pengaturan
perlakuan3
Partisipan1 a3 Y13
Partisipan2 a3 Y23
Partisipan3 a3 Y33
... ... ...
Partisipann3 a3 Yn3
Ȳ.3
Gambar 4.2 Layout Completely Randomized Design
(Anderson, 2001; Dean and Voss, 1999; Giesbrecht and Gumpertz, 2004; Kirk, 1995; Maxwell
and Delaney, 2004; Ryan, 2007).
Contoh-4.1: Completely Randomized Design untuk Efek Pengetikan Manual
Sebuah produsen laptop ingin menguji tiga jenis cara mengetik pada keyboard.
Target mengetik yang baik adalah mengetik 80 kata tanpa salah per menit. Ada tiga manual
yang akan diterapkan produsen yaitu Manual 1, 2 dan 3. Rata-rata waktu belajar cara mengetik
manual (dalam menit) untuk mencapai target mengetik yang baik adalah ẍ1, ẍ2 dan ẍ3. Sampel
partisipan pengetik dipilih secara random sederhana masing-masing manual sebanyak 5 orang.
H0 : μ1 = μ2 = μ3
Ha : μj μj’ untuk j dan j’ (j’ adalah selain j).
Tampak bahwa waktu belajar pada pengaturan perlakuan manual tertentu
bervariasi antar partisipan (ini yang disebut within group). Mana lebih besar jika perbedaan
waktu belajar dalam kelompok dibanding antar kelompok pengaturan perlakuan (between
group)? ANOVA sebenarnya merupakan pengujian perbedaan melalui ratio varians within
group dengan varians between group.
Varians sampel antar kelompok
numerator
Varians sampel dalam kelompok
denominator
Jika ratio ini > 1, maka waktu belajar antar kelompok lebih bervariasi daripada
waktu belajar dalam kelompok yang sama. Jika ratio tersebut signifikan besar, maka dapat
dnyatakan bahwa bahwa populasi cara mengetik manual yang berbeda memiliki rata-rata waktu
belajar yang berbeda; atau dengan kata singkat : setiap cara mengetik manual membutuhkan
waktu belajar yang berbeda.
Data hasil eksperimen adalah:
Tabel 4.1 Waktu Belajar Mengetik Manual
Manual 1 Manual 2 Manual3
21 17 31
27 25 28
29 20 22
23 15 30
25 23 24
Rata-rata 25 20 27
Numerator ratio di atas (varians sampel antar kelompok) itu mudah dihitung,
yaitu var = s; namun untuk denominator, varians dihitung sebagai : s/n, atau dikuadratkan:
s2/n.
Tabel 4.2 Worksheet Varians Sampel
Manual1 Manual 2 Manual 3
X1 (X1j – X1)
2 X2 (X2j – X2)2 X3 (X3j – X3)
2
21 16 17 9 31 16
27 4 25 25 28 1
29 16 20 0 22 25
23 4 15 25 30 9
25 0 23 9 24 9
Rata-rata 25 - 20 - 27 -
Jumlah - 40 - 68 - 60
Varians sampel = si2 = (Xij – Xi)
2/(n – 1)
s12 = 40/4 = 10 s2
2 = 68/4 = 17 s32 = 60/4 = 15
Rata-rata varians sampel = (10 + 17 + 15)/3 = 14
Rata-rata total = X = Xi/k = (25 + 20 + 27)/3 = 24
Varians total = sx = (Xi – X)2/(k – 1) di mana k = banyaknya kelompok
= 3
= [(25 – 24)2 + (20 – 24)2 + (27 –
24)2]/(3 – 1) = 13
n(varians total) (5)(13)
F-statistik = = = 4,64
Rata-rata varians sampel 14
Pada tingkat signfikansi = 0,05 atau 5%, periksa Tabel F, dengan numerator = k – 1 dan
denominator = k(n – 1) = (3)(5 – 1) = 12 :
Tabel 4.3 Nilai F – area Sisi Kanan ( = 5%)
Degree of freedom for numerator
Degree of
freedom for
denominator
2 3 4 5
10 4.10 3.71 3.48 3.33
11 3.98 3.59 3.36 3.20
12 3.89 3.49 3.26 3.11
13 3.81 3.41 3.18 3.03
14 3.74 3.34 3.11 2.96
15 3.68 3.29 3.06 2.90
Sumber: Bowen and Starr; 2003.
3.89
Daerah terima H0 Daerah tolak H0
F-statistik
0 1 2 3 4 4.64 5
Gambar 4.1 Daerah Penerimaan/Penolakan H0
F-statistik sebesar = 4,64 berada di daerah penolakan H0, artinya Ha yang diterima.
Dengan demikian, terbukti bahwa ada perbedaan waktu belajar untuk mencapai target
mengetik yang baik dari ketiga cara manual yang berbeda. Bahkan dapat juga dinyatakan
bahwa manual 2 merupakan metode manual mengetik yang cepat mencapai target mengetik
yang baik (80 kata per menit).
Pada contoh ini, ANOVA – Single Factor, banyaknya unit eksperimen pada setiap
pengaturan perlakuan adalah sama, yaitu = 5. Bagaimana jika ukuran sampel pada setiap
pengaturan perlakuan itu berbeda? Rancangan ANOVA tetap dapat digunakan, namun statistik
yang diaplikasikan adalah rata-rata kuadrat (mean square).
Contoh-4.2: Completely Randomized Design untuk Diet
Uji efktivitas tiga program diet yang berbeda terhadap penurunan berat tubuh
(pon) menggunakan eksperimen dengan melibatkan masing-masing 5, 6, dan 7 partisipan.
Tabel 4.4 Penurunan Berat Tubuh
Diet 1 Diet 2 Diet 3
7 11 4
8 9 6
7 9 5
9 8 8
9 12 5
11 8
6
Jumlah 40 60 42
Rata-rata 8 10 6
H0 : μ1 = μ2 = μ3
Ha : μj μj’ untuk j dan j’ (j’ adalah selain j).
n1 = 5 n2 = 6 n3 = 7 N = n1 + n2 + n3 = 5 + 6 + 7 = 18
k = 3
Langkah berikutnya adalah:
(a) Total sampel, T1 = 40 T2 = 60 T3 = 42
(b) Jumlah total sampel, T = 40 = 60 + 42 = 142
(c) Kuadrat total sampel, ( T)2 = 20.164
(d) Jumlah rata-rata kuadrat, (Ti2/ni):
(Ti2/ni) = 402/5 + 602/6 + 422/7 = 1.172
(e) Jumlah kuadrat, ( x2) = 72 + 82 + 72 + 92 + 92 + . . . . + 82 + 62 = 1.202
Ti2 ( T)2
(f) SST = between sample sum of square, SST = -
ni N
SST = 1.172 – 20.164/18 = 51,778
(g) SSRESIDUAL= within sample sum of square, SSRESIDUAL = ( x2) - (Ti2/ni)
SSRESIDUAL= 1.202- 1.172 = 30
(h) MST = between sample mean of square, MST = SST/(k – 1)
MST = 51,778/(3 – 1) = 25,889
(i) MSRESIDUAL = SSRESIDUAL/(N –k)
MSREIDUAL = 30/(18 – 3) = 2
(j) F-statistik = MST/MSRESIDUAL = 25,889/2 = 12,94.
Periksa Tabel-F (Tabel 4.3 di atas), pada = 5%, dfnumerator = 2, dfdenominator = 15, nilai-
F = 3,68.
3,68
F-statistik
Daerah terima
H0
Daerah tolak H0
0 1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.2 Daerah Penerimaan/Penolakan H0
F-statistik = 12,94 berada di daerah penolakan H0.
Dengan demikian, terbukti bahwa ada perbedaan penurunan berat tubuh untuk dari
ketiga program diet yang berbeda. Bahkan dapat juga dinyatakan bahwa program diet 2
merupakan program diet paling efektif terhadap penurunan berat tubuh.
ANOVA – single factor yang telah dijelaskan merupakan metode statistik parametrik.
Alternatif metode adalah non parametrik yang dikembangkan Kruskal-Walis (Bowen and
Starr;2003).
Tabel ANOVA dapat diringkas seperti dijelaskan di bawah ini:
Tabel 4.5 Format Tabel ANOVA
Sumber
Variasi
Derajat Bebas
(DF)
Jumlah
Kuadrat
Kuadrat Rata-rata F-statistik
Perlakuan k -1 SST MST = SST/(k-1)
F =
MST/MSRESIDUAL Residual N - k SSRESIDUAL
MSRESIDUAL =
SSRSIDUAL/(N-k)
Total N - 1 SSTOTAL
Contoh-4.3 : Completely Randomized Design Untuk Kerusakan Minyak Goreng
Kerusakan minyak goreng atau lemak adalah ketengikan dan hidrolisa. Ketengikan
terjadi jika komponen cita rasa dan bau, mudah menguap. Sedang hidrolisa adalah minyak
menghasilkan asam dan lemak bebas. Kerusakan minyak atau lemah diukur dengan Nilai TBA
(thiobminyarbiturat).
Penelitian yang memberlakukan 4 perlakuan kepada minyak goreng, yaitu : kontrol
(tidak diberi asam askorbat), pemberian asam askorbat 1%, 2% dan 3%. Replikasi diterapkan
pada setiap perlakuan. Data pengamatan dirangkum dalam tabel berikut:
Tabel 4.6 Data Kerusakan Minyak Goreng
No. Perlakuan Replikasi Nilai
TBA No. Perlakuan Replikasi
Nilai
TBA
1 1 1 6,0 21 3 1 6,3
2 1 2 5,8 22
3
2 6,1
3 1 3 6,0 23
3
3 6,9
4 1 4 5,8 24
3
4 5,5
5 1 5 5,5 25
3
5 6,3
6 1 6 5,3 26
3
6 6,6
7 1 7 5,0 27
3
7 7,9
8 1 8 4,8 28
3
8 6,0
9 1 9 4,5 29
3
9 5,0
10 1 10 4,3 30
3
10 6,5
11 2 1 6,0 31 4 1 5,0
12 2 2 6,0 32
4
2 5,0
13 2 3 4,8 33
4
3 5,6
14 2 4 4,6 34
4
4 5,5
15 2 5 5,4 35
4
5 5,7
16 2 6 5,2 36
4
6 5,3
17 2 7 5,2 37
4
7 5,3
18 2 8 4,8 38
4
8 5,0
19 2 9 5,8 39
4
9 4,9
20 2 10 5,8 40
4
10 5,2
(a) simpan data ke file SPSS, misal: TBA.sav
(b) Klik ‘Analyze-Compare Mean-One Way ANOVA’
Klik ‘Options’:
Klik ‘Continue’. Kemudian klik ‘Ok’
Printour SPSS adalah:
Oneway
Descriptives
TBA
N Mean
Std.
Deviation
Std.
Error
95% Confidence
Interval for Mean
Minimum Maximum
Lower
Bound
Upper
Bound
Kontrol 10 5.3000 .62361 .19720 4.8539 5.7461 4.30 6.00
Asorbik 1% 10 5.3600 .52324 .16546 4.9857 5.7343 4.60 6.00
Asorbik 2% 10 6.3100 .78238 .24741 5.7503 6.8697 5.00 7.90
Asorbik 3% 10 5.2500 .27988 .08851 5.0498 5.4502 4.90 5.70
Total 40 5.5550 .71323 .11277 5.3269 5.7831 4.30 7.90
Test of Homogeneity of Variances
TBA
Levene Statistic df1 df2 Sig.
1.683 3 36 .188
Levene-statistik menolak Ha, mengingat prob. Signifikansi > 0,05. Ini berarti
bahwa asumsi varians antar kelompok, itu sama; tidak terlanggar.
ANOVA
TBA
Sum of
Squares df Mean Square F Sig.
Between Groups 7.661 3 2.554 7.549 .000
Within Groups 12.178 36 .338 Total 19.839 39
Tabel ANOVA di atas menunjukkan bahwa pengaruh perlakuan terhadap nilai
TBA minyak goreng terbukti signifikan (F-statistik 7,549, dan prob. Signifikansi < 0,05.
Seandainya tujuan penelitian dikembangkan : perlakuan mana yang terbaik
dalam meningkatkan nilai TBA? Bisa dilakukan post hoc test, misalnya metode post hoc yang
digunakan : Least Significant Difference (LSD). Klik ‘Post Hoc Test’.
Klik ‘Continue’, kemudian klik ‘Ok’, printout SPSS adalah:
Multiple Comparisons
Dependent Variable: TBA LSD
(I)
Perlakuan (J) Perlakuan
Mean
Difference (I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
Kontrol Asorbik 1% -.06000 .26011 .819 -.5875 .4675
Asorbik 2% -1.01000* .26011 .000 -1.5375 -.4825
Asorbik 3% .05000 .26011 .849 -.4775 .5775
Asorbik 1% Kontrol .06000 .26011 .819 -.4675 .5875
Asorbik 2% -.95000* .26011 .001 -1.4775 -.4225
Asorbik 3% .11000 .26011 .675 -.4175 .6375
Asorbik 2% Kontrol 1.01000* .26011 .000 .4825 1.5375
Asorbik 1% .95000* .26011 .001 .4225 1.4775
Asorbik 3% 1.06000* .26011 .000 .5325 1.5875
Asorbik 3% Kontrol -.05000 .26011 .849 -.5775 .4775
Asorbik 1% -.11000 .26011 .675 -.6375 .4175
Asorbik 2% -1.06000* .26011 .000 -1.5875 -.5325
*. The mean difference is significant at the 0.05 level.
Kelompok kontrol (perlakuan pemberian asam asorbik 0%) memiliki rata
berbeda signifikan hanya dengan perlakuan 3 (pemberian asam asorbik 2%).
Kontrol >< Perlakuan-3,signifikan (p=0,000)
Perlakuan-2 >< Perlakuan-3, signifikan (p=0,001). Perlakuan-3 (pemberian
asam asorbik 2%) memiliki rata-rata TBA tertinggi (=6,30); maka perlakuan-3 merupakan
perlakuan terbaik untuk mencegah kerusakan minyak.
Rancana ANOVA yang dijelaskan di atas merupakan metode statistik parametrik,
karena melibatkan parameter statistik sampel, seperti rata-rata dan varians. Alternatif lain yang
dapat digunakan adalah metode non parametrik yang dikembangkan oleh Kurskal-Wallis
(Bowen and Starr;2003).
Contoh-4.4 : Rancangan RAL untuk Pupuk dan Hasil Kedele
Sebuah penelitian bertujuan mengetahui pengaruh pemberian dosis pupuk yang berbeda
terhadap hasil kedele. Tiga puluh plot tanaman kedele yang diberi perlakuan secara acak.
Pengaturan perlakuan adalah: A (kontrol) = dosis 0 Kg/Ha; B = 50 Kg/Ha; C = 100 kg/Ha; D
= 150 Kg/Ha; E = 200 Kg/Ha, dan F = 250 Kg/Ha. Randomisasi perlakuan terhadap 30 plot
tanaman kedele adalah:
1 (D) 2 (C) 3 (E) 4 (A) 5 (F) 6 (C)
7 (E) 8 (A) 9 (E) 10 (B) 11 (A) 12 (B)
13 (D) 14(B) 15 (F) 16 (E) 17 (B) 18 (D)
19 (C) 20 (E) 21 (B) 22 (A) 23 (C) 24 (F)
25 (A) 26 (F) 27 (C) 28 (F) 29 (D) 30 (B)
Data hasil pengamatan pada eksperimen adalah:
Tabel 4.7 Hasil Kedele Pada Berbagai Dosis Pupuk (Kw/Ha)
Dosis
Pupuk
Replikasi
1 2 3 4 5
0 Kg/Ha 31,3 33,4 29,2 32,2 33,9
50 Kg/Ha 38,8 37,5 37,4 35,8 38,4
100 Kg/Ha 40,9 39,2 39,5 38,6 39,8
150 Kg/Ha 40,9 41,7 39,4 40,1 40,0
200 Kg/Ha 39,7 40,6 39,2 38,7 41,9
250 Kg/Ha 40,6 41,0 41,5 41,1 39,8
Simpan data sebagai file SPSS, misal:RALKEDELE.sav.
Klik ‘Analyze-Compare Mean-One way ANOVA’.
Klik ‘Ok’. Printout SPSS adalah:
ANOVA
Hasil Panen Kedele
Sum of Squares df Mean Square F Sig.
Between Groups 277.686 5 55.537 39.854 .000
Within Groups 33.444 24 1.393
Total 311.130 29
Tabel ANOVA memperlihatkan bahwa pengaruh perlakuan secara simultan
terhadap hasil kedele, signifikan pada = 5% (prob. Signifikansi F-statitik = 0,000 < 5%).
Selanjutnya dapat dilakukan test lanjutan untuk mengetahui apakah ada pengaruh signifikan
antar perlakuan secara parsial? Ini bisa dijawab melalui post hoc test.
Klik ‘Post Hoc Test’. P'ilih ‘Duncan’.
Klik ‘Continue’, selanjutnya klik ‘Ok’. Printout SPSS adalah:
Post Hoc Tests Homogeneous Subsets
Hasil Panen Kedele
Duncana
Dosis Pupuk N
Subset for alpha = 0.05
1 2 3
A 5 32.0000
B 5 37.5800
C 5 39.6000
E 5 40.0200
D 5 40.4200
F 5 40.8000
Sig. 1.000 1.000 .154
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 5.000.
Berikan kode ‘a’, ‘b’, ... dan seterusnya dimulai dengan rata-rata tertinggi tabel
homogeneous subsets:
Dosis
Pupuk
Subset for alpha = 0.05
1 2 3
A 32,00 c
B 37,58 b
C 39,60 a
E 40,02 a
D 40,42 a
F 40,80 a
Kode yang sama menunjukkan perbedaan tidak signifikan, dan sebaliknya kode
yang berbeda, perbedaannya signifikan. Perlakuan C, E, D dan F tidak berbeda pengaruhnya
terhadap hasil kedele. Perlakuan A berbeda signifikan dengan perlakuan B. Perhatikan subset-
3, di mana merupakan kelompok rata-rata tertinggi. Pilih perlakuan C, yaitu pemberian pupuk
10 Kg/Ha dengan rata-rata hasil kedele = 39,60 kw/Ha, dibanding perlakuan F (hasil rata-rata
kedele = 4,80 kw/Ha), walaupun rata-rata hasil lebih tinggi, namun perbedaannya tidak
signifikan.
Contoh-4.5 : Uji Beda Rata-rata Populasi Dengan Metode Kruskal-Wallis
Langkah-langkah dalam metode ini adalah:
(a) Hipotesis:
H0: populasi memiliki rata-rata sama
Ha: rata-rata populasi tidak sama.
(b) Kriteria uji:
Tolak H0 jika H-sample > 2, k-1
(c) Hitung H-sample:
12 R12 R2
2 Rk2
H = + + . . . . + - 3(N+1)
N(N+1) n1 n2 nk
Di mana, R1, R2, . . . ., Rk adalah jumlah rank sampel. 1, 2, . . . ., k
n1, n2, . . . ., nk adalah ukuran sampel 1, 2, . . ., k
N = n1 + n2 + . . . + nk
Kembali pada contoh eksperimen manual pengetikan:
Tabel 4.8 Worksheet Rank Sampel
Manual1 Manual 2 Manual 3
X1 Rank X2 Rank X3 Rank
21 4 17 2 31 15
27 11 25 9,5 28 12
29 13 20 3 22 5
23 6,5 15 1 30 14
25 9,5 23 6,5 24 8
Jumlah - 44 - 22 - 54
Rank ascending, yaitu dari kecil ke besar. Untuk data yang sama digunakan rata-rata
rank. R1 = 44 R2 = 22 R3 = 54.
12 442 222 542
H = + + - 3(16) = 5,36
15(15+1) 5 5 5
Periksa Tabel 2, pada = 5% dan degree of freedom k – 1 = 2; nilainya = 5,991. H-
statistik < 20,05;2. Dengan demikian, H0 diterima, Hasil ini berbeda dengan ANOVA single
factor yang dicontohkan di atas. Mengapa? Ini disebabkan karena Kruskal-Wallis
menggunakan data selisih rank bukan selisih sebenarnya. Coba perhatikan, selisih rank 1 dan
2 = 1, demikian pula selisih rank 3 dan 4 = 1. Ini seolah-olah sama. Padahal data aslinya
menunjukkan bahwa selisih rank 1 dan 2 sebenarnya 17 – 15 = 2, sedang selisih rank 3 dan 4
sebenarnya = 21 – 20 = 1.
Namun, pada banyak kasus, hasil analisis kedua metode ini seringkali tidak
bertentangan. Keunggulan metode Kruskal-Wallis memiliki keunggulan karena: (1) tidak
membutuhkan asumsi data berdistribsi normal, (2) dapat digunakan untuk data rank, dan (3)
perhitungannya mudah.
Dengan aplikasi SPSS, langkah-langkahnya:
(a) buat file SPSS untuk data di atas, misal:KRUSKAL.sav
(b) Klik ‘Analyze-Non Parametrics Tests - Independent Samples’:
(c) Pada objective, Pilih ‘Custom analysis’, klik ‘Fields’:
Varabel ‘Penurunan’ dimasukkan ke ’Test Fields’, dan variabel ‘Kelompok’ dimasukkan
ke ‘Groups’. Klik ‘Run’, hasil printoutnya adalah:
Nonparametric Tests
Printout ini memperlihatkan bahwa H0 dipertahankan, ini mengindikasikan
bahwa perlakuan berdasar kelompok program diet tidak memberikan efek berbeda signifikan
pada penurunan berat tubuh.