Paired Comparisons and a

Repeated Measures Design

Olen
Elyzabeth (1006638)
Esti Pertiwi (0900382)
Perbandingan Berpasangan
Salah satu pendekatan rasional untuk
membandingkan dua perlakuan adalah dengan
cara menempatkan keduanya dalam unit yang
sama.
Respon yang dipasangkan dapat dianalisis
dengan cara menghitung diferensinya melalui
eliminasi pengaruh variasi dari unit ke unit.
Diferensi pada kasus univariat
Dalam kasus univariat, model umum dengan n
diferensi dinotasikan sbb:
D
j
= X
1j
X
2j
j = 1, 2, ..., n
Dimana :
X
1j
= respon untuk perlakuan 1 dengan percobaan ke-j


X
2j
= respon untuk perlakuan 2 dengan percobaan ke-j
Model di atas hanya dapat menggambarkan
pengaruh diferensi dari perlakuan dan
mengasumsikan D
j
mewakili observasi independen
dari sebuah distribusi N(o, o
d
2
) dengan variabel



di mana


berdistribusi t dengan derajat bebas n - 1.

n S
D
t
d
/
o
=

= =

= =
n
j
n
j
j j
D D
n
D
n
D
1 1
2
2
d
) (
1
1
S dan
1
Perumusan hipotesis pada taraf signifikansi o
sebagai berikut :
H
0
: o = 0 (tidak ada diferensi rata-rata untuk perlakuan)
melawan
H
1
: o = 0
Pengujiannya adalah dengan membandingkan |t|
dengan t
n-1
(o/2)

Interval kepercayaan untuk diferensi rata-rata
o = E(X
1j
- X
2j
) dinyatakan sebagai berikut:



n
S
t d
n
S
t d
d
n
d
n
) 2 / ( ) 2 / (
1 1
o o o

+ s s
Penambahan notasi dibutuhkan dalam prosedur perbandingan
berpasangan pada kasus multivariat. Hal ini diperlukan untuk
membedakan antara p respon, dua perlakuan, dan n unit
eksperimen. Kita namakan p respon dengan unit ke-j seperti berikut
ini:
X
11j
= variabel 1 dalam perlakuan 1
X
12j
= variabel 2 dalam perlakuan 1

X
1pj
= variabel p dalam perlakuan 1

X
21j
= variabel 1 dalam perlakuan 2
X
22j
= variabel 2 dalam perlakuan 2

X
2pj
= variabel p dalam perlakuan 2
Dan diferensi pasangan p menjadi



(*)
Diberikan D
j
= [D
1j
, D
2j
, , D
pj
], j = 1, 2, , n, dengan
asumsi


dan






pj p pj
j j j
j j j
X X D
X X D
X X D
2 1
22 12 2
21 11 1

=
=
=

(
(
(
(
(

= =
p
j
D E
o
o
o
o

2
1
) (

= d D Cov
j
) (
Jika dilakukan penambahan, D1, D2, , Dn
menjadi vektor random yang independen,
inferensi tentang vektor diferensi rata-rata
menjadi bergantung pada statistik T
2
.
Secara spesifik,



Di mana


) ( )' (
1
2
o o =

D S D n T
d

= =

= =
n
j
n
j
j j j
D D D D
n
D
n
D
1 1
2
d
)' )( (
1
1
S dan
1
Result 6.1
Diberikan diferensi D
1,
D
2,
..., D
n
sampel random dari
sebuah populasi N
p
(o, Ed). Maka

Berdistribusi sebagai sebuah variabel random [(n-
1)p/(n-p)]F
p, n-p
dan asumsi nilai o dan Ed selalu
bernilai benar.

Jika nilai n dan n-p keduanya besar, T
2
didistribusikan sebagai sebuah variabel random _
p
2
.
) ( )' (
1
2
o o =

D S D n T
d
Diberikan diferensi d
j
= [d
1j
, d
2j
, , d
pj
], j= 1,
2, , n berkoresponden dengan variabel
random pada persamaan (*), uji level
dengan H
0
: o = 0 dan H
1
: o 0 untuk
sebuah populasi berdistribusi N
p
(o, d).
Kriteria pengujiannya tolak H
0
jika




Daerah kepercayaan untuk o




) (
) 1 (
'
,
1
2
o
p n p d
F
p n
p n
d S d n T

> =
) (
) (
) 1 (
) ( )' (
,
1
o o o
p n p d
F
p n n
p N
d S d

s
Interval kepercayaan simultan untuk
diferensi rata-rata individu o
i
dinotasikan



Dimana elemen ke-i dari dan
adalah elemen ke-i dari S
d
.

Interval kepervayaan simultan Bonferroni
untuk diferensi rata-rata individual adalah:



n
S
F
p n
p n
d
i
d
p n p i i
2
,
) (
) 1 (
: o o
(

i
d d
2
i
d
S
n
S
p
t d
i
d
n i i
2
1
)
2
( :
o
o

Contoh
Pengukuran terhadap Biochemical Oxygen
Demand (BOD) dan Suspended Solids (SS) telah
dilakukan, untuk sampel n = 11, dari dua
laboratories.
Data tersebut ditunjukkan pada Tabel 6.1
berikut.
Apakah kedua
laboratories
setuju? Jika ada
diferensi, apa
yang terjadi?
Statistik T
2
untuk pengujian H
0
: o =[o
1
, o
2
] =
[0,0] dikonstruksi dari observasi pasangan
diferensi berikut:
dan dari persamaan diperoleh
perhitungan berikut:
d S d n T
d
1
2
'

=
Dengan mengambil o = 0,05%, maka
Karena T
2
= 13.6 > 9.467, maka H
0
ditolak. Artinya ada
diferensi rata-rata antara pengukuran dua laboratories.
Interval kepercayaan simultan 95% untuk
diferensi rata-rata individu 1 dan 2 adalah
Desain eksperimen untuk
perbandingan berpasangan
Dalam mendiskusikan perbandingan
berpasangan, kita harus menotasikan dan S
d

, serta T
2
yang mungkin dapat dihitung dari
jumlah seluruh sampel dan S. d
x
adalah vektor 2p x 1 dari rata-rata
sampel untuk p variabel pada dua
perlakuan dan dinotasikan sebagai
berikut:

S adalah matriks 2p x 2p dari sampel
varians dan kovarians yang disusun
sebagai berikut:



Definisikan matriks C


x
] ,..., , , ,..., , [ '
2 22 21 1 12 11 p p
x x x x x x x =
(

=
22 21
12 11
S S
S S
S
(
(
(
(

=
1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1
) 2 x (




p p
C
Dengan adanya matriks C, maka d
j
, , dan S
d

dapat dinotasikan sebagai berikut:



Akibatnya, T
2
dengan rumus




Masing-masing baris dari C
i
pada matriks C
adalah sebuah vektor kontras, karena
anggotanya jika dijumlahkan bernilai nol.

'
,..., 2 , 1 ,
CSC S x C d
n j Cx d
d
j j
= =
= =
dan
x C CSC C x n T
d S d n T
d
1 2
1
2
) ' ( ' '
'

=
=
menjadi
Sebuah Desain Pengukuran Berulang
untuk Membandingkan Perlakuan
Matriks X
j
dengan observasi ke-j dapat
dinotasikan seperti berikut ini:



Dimana X
ij
adalah respon untuk perlakuan ke-i
pada unit ke-j dinamakan pengukuran berulang
karena dilihat dari fakta bahwa seluruh
perlakuan ada pada setiap unit.
n j
X
X
X
X
qj
j
j
j
,..., 2 , 1 ,
2
1
=
(
(
(
(
(

Berikut ini adalah kontras dari komponen = E(X

j
)










Pada saat perlakuan rata-rata bernilai sama, C
1
= C
2
= 0 ,
umumnya hipotesis mengandung arti tidak ada diferensi pada
rata-rata perlakuan.
Akibatnya, berdasarkan kontras Cx
j
pada observasi, dimiliki rata-
rata Cx dan matriks CSC, serta menguji C = 0 dengan
menggunakan statistik T
2

2
2
1
1
2 3
1 2
1
2
1
1
3 1
2 1
1 1 0 0 0
0 0 1 1 0
0 0 0 1 1
1 0 0 1
0 1 0 1
0 0 1 1
C
C
q q q
q q
=
(
(
(
(
(

(
(
(
(

=
(
(
(
(
(

=
(
(
(
(
(

(
(
(
(

=
(
(
(
(
(

atau
Uji Kesamaan Perlakuan pada Sebuah
Desain Pengukuran Berulang
Perumusan hipotesis:
H
0
: C = 0
H
1
: C = 0

Tolak H
0
jika:


Dengan x

dan S adalah vektor rata-rata sampel dan

matriks covarian.

Daerah kepercayaan untuk kontras C
adalah sebagai berikut:


Akibatnya, interval kepercayaan simultan
untuk kontras tunggal C adalah:
Contoh 6.2
Diketahui: Percobaan dilakukan pada 19
anjing yang diberi obat pentobarbital.
Masing-masing anjing diberi CO2 pada dua
tekanan yang berbeda. Kemudian
Halothane (H) ditambahkan dan perlakuan
terhadap anjing dilakukan secara
berulang.responnya diukur dalam empat
kombinasi perlakuan dan datanya terdapat
pada tabel 6.2.
Kombinasi tersebut adalah:
Tabel 6.2 di bawah terdiri dari empat
pengukuran pada 19 anjing.
Perlakuan 1 = tekanan CO
2
tinggi, tanpa
kandungan H
Perlakuan 2 = tekanan CO
2
rendah, tanpa
kandungan H
Perlakuan 3 = tekanan CO
2
tinggi, dengan
kandungan H
Perlakuan 4 = tekanan CO
2
rendah, dengan
kandungan H

Dengan = [
1
,
2
,
3
,
4
], maka diperoleh
matriks kontras C sebagai berikut:


Dari data pada tabel 6.2, diperoleh matriks x

dan S berikut:





Dan


Untuk menghitung statistik ujinya, diperlukan
matriks C x

dan matriks CSC.

Diperoleh:




Dengan mengambil o = 0,05, diperoleh :







T
2
= 116.09 > 10.935. Akibatnya, H
0
: C = 0 (ada
pengaruh pada tiap perlakuan) ditolak.
interval kepercayaan simultan 95% untuk
kontras ini adalah:
Pengaruh Halothane:
Diestimasi oleh interval

Pengaruh tekanan CO
2
:
Diestimasi oleh interval




Interaksi H tekanan CO
2
:
Diestimasi oleh interval

Membandingkan Vektor
Rata-Rata dari Dua Populasi
Kriteria
Dengan menggunakan Statistik T
2
pengujian
vektor rata-rata dari dua buah populasi
multivariat yang dianalogikan dengan data
univariat.
Tepat untuk membandingkan dua buah
percobaan yang saling bebas.
Dapat dilakukan tanpa harus memperhatikan
hubungan unit yang satu dengan yang lainnya
Sampel Statistik Ringkasan
Populasi 1
X
11
, X
12
,. . . X
1n1

Populasi 2
X
21
, X
22
,. . . X
2n2

=
=
1
1
1
1
1
n
1

n
j
j
x x

=
=
2
1
2
2
2
n
1

n
j
j
x x

=
1
1
1
1
1
1
1
1
)' )( (
1 n
1

n
j
j j
x x x x S

=
2
1
2
2
2
2
2
2
)' )( (
1 n
1

n
j
j j
x x x x S
Misalkan terdapat sampel acak berukuran n
1
dari
populasi 1 dan dan sampel acak berukuran n
2
dari
populasi 2. pengamatan p-Variabel ditetapkan
sebagai berikut:


Asumsi mengenai struktur dari data :
1. X
11
, X
12
,. . . X
1n
adalah sampel acak berukuran n
1
dari populasi
p-variat dengan vektor rata rata
1
dan matrik kovarian
1

2. X
21
, X
22
,. . . X
2n
adalah sampel acak berukuran n
2
dari populasi
p-variat dengan vektor rata rata
2
dan matrik kovarian
2

3. X
11
, X
12
,. . . X
1n
dan X
21
, X
22
,. . . X
2n
saling bebas.

Kemudian akan dibuat kesimpulan tentang (vektor rata-rata dari
populasi 1) - (vektor rata-rata daripopulasi 2) =
1
-
2.

Apakah
1
=
2
(
1
-
2
=0)?

Jika
1
-
2
0, maka komponen nilai rata-rata mana yang berbeda.
Asumsi-asumsi lebih lanjut ketika n
1
dan n
2
berukuran kecil :
1. Kedua populaasi berdistribusi Normal Multivariat
2.
1
=
2


Situasi dua sampel ketika
1
=
2






Karena S
pooled
menaksir maka

(6.21)
2
) 1 ( ) 1 (
2
)' ( ) ( )' ( ) (
2 1
1 1 1 1
2 1
2
2
1
2
2
1
1
1
1
1
2 1
+
+
=
+
+
=

=

=

n n
S n S n
n n
x x x x x x x x
S
j
n
j
j j
n
j
j
pooled
(6.22)
1 1
) cov( ) cov( ) (
2 1
2 1 2 1
E + E = + =
n n
x x x x Cov
) cov( dari penaksir adalah )
1 1
(
2 1
2 1
x x S
n n
pooled
+
Dengan uji tes likelihoodnya adalah


Berdasarka pada jarak statistik kuadrat, T
2
TOLAK H
0
jika



dimana jarak kritis c
2
ditentukan dari distribusi dua sampel
statistik T
2


0 2 1 1
0 2 1 0
:
:
o
o
=
=
H
H
2
0
2 1
1
2 1
0
2 1
2
) ( ] )
1 1
[( )' ( c x x S
n n
x x T
pooled
> + =

o o
Akibat 6.2
Ketika X
11
, X
12
,. . . X
1n
adalah sampel acak dengan ukuran n
1
dari N
p
(
1
,) dan
X
21
, X
22
,. . . X
2n
adalah sampel acak dengan ukuran n
2
dari N
p
(
1,
) dan
didapat


Dan terdistribusi sebagai



Sebagai konsekuensinya terima H
0
jika


dimana
)) ( ( ] )
1 1
[( ))' ( (
2 1
2 1
1
2 1
2 1
2 1
2
+ =

x x S
n n
x x T
pooled
) 1 (
2 1
2 1
2 1
) 1 (
) 2 (
+
+
+
p n n p
F
p n n
p n n
o = s +

1 ] )) ( ( ] )
1 1
[( ))' ( [(
2
2 1
2 1
1
2 1
2 1
2 1
c x x S
n n
x x p
pooled
) )( 1 (
2 1
2 1
2
2 1
) 1 (
) 2 (
o +
+
+
=
p n n p
F
p n n
p n n
c
Contoh
Diketahui bahwa 50 batang sabun diproduksi dengan dua metode yang
berbeda. Hasil produksi tersebut menghasilkan dua karakteristik yang telah
diukur, yaitu X
1
= busa dan X
2
= kelembutan. Berikut statistik ringkasan
untuk sabun yang diproduksi dengan metode 1 dan 2.






Carilah daerah konfidensi 95% untuk
1
-
2 .

(

=
(

=
(

=
(

=
4 1
1 2
S
9 . 3
2 . 10
6 1
1 2
S
1 . 4
3 . 8
2
2
1
1
x
x
Interval konfidensi simultan
Dimungkinkan untuk memperoleh interval kepercayaan secara bersama dari
setiap bagian vektor
1
-
2.
interval kepercayaan dikembangkan berdasarkan
pertimbanagan semua kemungkinan perbedan kombinasi linier dari vektor
rata-rata. Dengan asumsi bahwa populasi berdistribusi normal multivariat
dengan kovarias .

Akibat 6.3
Misal




Akan memuat untuk semua . Khususnya akan termuat
dalam





pooled
S S
n
S
n
c x x )
1 1
( ) (
2
2
1
1
'
2 1
'
+
o
o
- 1 peluang dengan
) 1 (
) 2 (
) )( 1 (
2 1
2 1
2
2 1
+
+
+
=
p n n p
F
p n n
p n n
c
) (
2 1
'

i i 2 1

p 1,2,..., i dimana )
1 1
( ) (
2
2
1
1
2 1
= +
pooled ii
i i
S S
n
S
n
c x x
Situasi dua sampel ketika
1

2

Akibat 6.4
Diberikan ukuran sampel n
1
p yang bernilai besar. Perkiraan
ellipsoid daerah kepercayaan 100(1-)% untuk
1
-
2
diberikan
oleh semua elemen
1
-
2
yang memenuhi


Dimana adalah persentil keatas dari distribusi chi-
kuadrat dengan derajat kebebasan p dan 100(1-)% interval
kepercayaan secara serempak untuk semua kombinasi linier yang
disediakan oleh termasuk dalam
) ( )) ( ( )]
1 1
[( ))' ( (
2
2 1
2 1
1
2
2
1
1
2 1
2 1
o _
p
x x S
n
S
n
x x s +

2
p
_
) 100 ( _
) (
2 1
'

)
1 1
( ) ( ) (
2
2
1
1
' 2
2 1
'
S
n
S
n
x x
p
+ o _