1

PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA

RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA
NON NORMAL

Prasetyo
Universitas Negeri Malang
E-mail : pras_kazekage@yahoo.com
Pembimbing: (I) Ir. Hendro Permadi, M.Si, (II) Dr. Swasono Rahardjo, S.Pd, M.Si

Abstrak : Tujuan skripsi ini adalah untuk menentukan model linier
rancangan percobaan faktorial tersarang sebagai alternatif ANOVA
rancangan percobaan faktorial tersarang pada data non normal serta
kajiannya. Prosedur yang dilakukan adalah dengan uji asumsi klasik pada
residual data. Uji asumsi klasik yang dilakukan adalah uji homogen, uji
normalitas, uji keaditifan, uji kebebasan residual. Pada uji normalitas, jika
residual data tidak berdistribusi normal maka dilakukan tranformasi
supaya residual data berdistribusi normal. Selanjutnya data transformasi
dianalisis dengan dua model yaitu regresi linier berganda dan ANOVA.
Model linier rancangan percobaan faktorialyang diperoleh dari model
regresi linier adalah
y
= 0.874 + 0.0491 X
1
+ 0.0230 X
2
+ 0.0022 X
3
-
0.0139 X
4
- 0.101 X
5
, 4 dengan uji signifikansi t nya menunjukkan hasil
yang sama dengan uji signifikansi F pada Analisis Variansi atau ANOVA
yaitu Umur bambu dan Kelompok Kadar Air berpengaruh signifikan
terhadap Kerapatan pada Tingkat Kekeringan Bambu.

Kata Kunci: Model Linier, ANOVA, Rancangan Tersarang, Data non Normal

Model regresi liner merupakan suatu model yang parameternya linier (bisa
saja fungsinya tidak berbentuk garus lurus), dan secara kuantitatif dapat
digunakan untuk menganalisis pengaruh suatu variabel terhadap variabel lainnya
(Kurniawan, 2008). Analisis regresi menyangkut studi tentang hubungan antara
satu variabel y yang disebut variabel tak bebas atau variabel terikat (dependend
variable) dan satu atau lebih variabel x
1
, x
2
, ., x
k
, yang disebut variabel bebas
atau variabel bebas (independent variable).
Menurut Montgomery (2005:392), model regresi memiliki keterkaitan
yang erat dengan rancangan percobaan. Rancangan percobaan adalah proses
perencanaan percobaan sehingga data yang diperoleh dapat dianalisis dengan
metode statistik yang menghasilkan kesimpulan valid dan obyektif (Montgomery,
2005:11). Salah satu rancangan percobaan yang digunakan adalah Rancangan
percobaan faktorial tersarang.
Rancangan percobaan faktorial tersarang adalah rancangan percobaan
dengan sifat bahwa taraf faktor yang satu tersarang dalam faktor yang lain. Data
yang digunakan rancangan percobaan acak kelompok tersarang (nested). Sebagai
faktor utama adalah umur bambu (3 dan 5 tahun) dan posisi batang bambu
(pangkal dan tengah) sebagai faktor kedua pada umur bambu yang sama.
Pengelompokan dilakukan pada tingkat kekeringan bambu ( 12%, 6% dan 0%).
Model regresi sering digunakan untuk manganalisis data dari percobaan
yang tidak direncanakan, seperti munculnya pengamatan fenomena yang tidak
2

terkontrol. Model regresi juga dapat digunakan dalam rancangan percobaan
dimana sesuatu yang tidak diinginkan terjadi pada data yang akan diolah
(Montgomery, 2005:392). Dalam hal ini sesuatu yang diluar kontrol adalah data
data tidak memenuhi uji asumsi, salah satunya residual data pada rancangan
percobaan tidak memenuhi uji normalitas data. Supaya data dapat diolah lebih
lanjut maka pilihannya adalah mentransformasikan data sehingga residual data
berdistribusi normal. Pengolahan data lebih lanjut adalah menggunakan ANOVA
untuk menentukan signifikansi Faktor terhadap respon yang diamati, tetapi
ANOVA tidak dapat digunakan untuk mengubah hasil transformasi kedalam
bentuk semula.
Model regresi linier dapat digunakan untuk mengubah data hasil dari
transformasi menjadi data bentuk semula. Proses mengubah data hasil
transformasi menggunakan y fitted yang ada pada model regresi linier yang
terbentuk. Pada model regresi linier, pengaruh variabel bebas terhadap respon
dapat secara langsung dilihat pada modelnya, tetapi pada model rancangan
faktorial tersarang pengaruh tidak dapat secara langsung dilihat pada modelnya
sehingga harus dilakukan uji pada ANOVA rancangannya.

METODE

Rancangan penelitian ini merupakan bagian dari statisitk inferensial yaitu
bagian dari ilmu statistik yang bertugas mempelajari tatacara penarikan
kesimpulan populasi berdasarkan data hasil penelitian pada sampel (Rukmigarsari,
2005:2).
Adapun tahapan analisis data yang akan dilakukan adalah:
1) Menentukan residual data dan melakukan uji asumsi residual data, uji asumsi
yang dilakukan meliputi uji homogenitas, uji normalitas residual, uji keaditifan
dan uji kebebasan residual pada residual data kerapatan pada tingkat
kekeringan bambu (gr/cm
3
). Jika residual data tidak memenuhi uji asumsi
maka dilakukan transformasi data.
2) Melakukan transformasi data, transformasi data yang digunakan adalah
transformasi akar pangkat tiga karena satuan data adalah gr/cm
3
.
3) Melakukan uji asumsi data transformasi, hasil dari transformasi residual data
harus memenuhi uji asumsi yaitu uji homogenitas, uji normalitas residual, uji
keaditifan dan uji kebebasan residual. Jika tidak memenuhi uji asumsi maka
residual data harus ditransformasi ulang.
4) Menentukan model linier dan menguji koefisien regresi model, model linier
yang digunakan adalah model regeresi linier berganda dan uji koefisien regresi
dari model linier yang diperoleh dengan menggunakan uji t.
5) Menafsirkan data, penafsiran data ditentukan dengan melihat nilai signifikansi
pada setiap level faktor.
6) Melakukan analisis variansi (ANOVA) tersarang data transformasi, ANOVA
tersarang digunakan sebagai pembanding model linier tersarang
7) Melakukan uji signifikasi dan melakukan uji beda rataan, uji signifikansi
dilakukan pada tiap faktor untuk mengetahui faktor dan kelompok mana saja
yang signifikan terhadap respon. Uji beda rataan yang digunakan adalah uji
beda nyata terkecil (BNT). Prosedur uji ini membandingkan nilai BNT tunggal
dengan pasangan-pasangan rataan faktor atau faktor tersarangnya.
3

8) Memilih alternatif sesuai pengaruh utama faktor, pemilihan alternatif
didasarkan pada faktor dengan kelompok yang menghasilkan kerapatan
tertinggi pada bambu andong.
9) Mengkaji hasil dari model linier tersarang dan ANOVA, hasil dari metode
linier tersarang dikaji untuk mengetahui apakah signifikansinya memberikan
hasil yang sama dengan signifikansi pada ANOVA Tersarang.

HASIL
Uji kehomogenan varian residual data pada Gambar 1 menunjukkan
bahwa residual data homogen terhadap varian sedangkan uji normalitas pada
Gambar 2 residual data tidak berdistribusi normal sehingga dilakukan
transformasi.


Gambar 1 Uji Kehogenan Varian Residual Data




Gambar 2 Uji Normalitas Residual Data
95% Bonferroni Confidence Intervals for StDevs
Umur Bambu Batang Bambu
2
1
2
1
2
1
2.0 1.5 1.0 0.5 0.0
Bartlett's Test
0.900
Test Statistic 1.71
P-Value 0.635
Levene's Test
Test Statistic 0.19
P-Value
Test for Equal Variances for Hasil
RESI1
P
e
r
c
e
n
t
0.2 0.1 0.0 -0.1 -0.2
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
0.038
-6.47630E-17
StDev 0.09776
N 12
AD 0.742
P-Value
Probability Plot of RESI1
Normal
4

Transformasi data yang digunakan adalah akar pangkat 3 karena satuan
data gr/cm
3
. Setelah residual data ditransformasi, uji asumsi klasik yang meliputi
uji kehomogenan varian, uji normalitas, uji kebebasan galat dan uji autokorelasi
terpenuhi sehingga dilanjutkan dengan menentukan model regresi linier pada
rancangan percobaan faktorial tersarang. Gambar 3 menunjukkan bahwa residual
data setelah ditranformasi memenuhi uji kehomogenan varian dan Gambar 4
menunjukkan bahawa residual data setelah ditransformasi memenuhi uji
normalitas.


Gambar 3 Uji Kehogenan Varian dari Data Kerapatan pada Tingkat
Kekeringan Bambu setelah Ditransformasi


Gambar 4 Uji Normalitas dari Data Kerapatan pada Tingkat
Kekeringan Bambu setelah Ditransformasi


95% Bonferroni Confidence Intervals for StDevs
Umur Bambu Batang Bambu
2
1
2
1
2
1
1.0 0.8 0.6 0.4 0.2 0.0
Bartlett's Test
0.822
Test Statistic 3.02
P-Value 0.388
Levene's Test
Test Statistic 0.30
P-Value
Test for Equal Variances for Trans Akar Pangkat 3
RESI1
P
e
r
c
e
n
t
0.10 0.05 0.00 -0.05 -0.10 -0.15
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
0.077
0
StDev 0.05194
N 12
AD 0.629
P-Value
Probability Plot of RESI1
Normal
5

Model regresi linier yang diperoleh adalah
y = 0.874 + 0.0491 X
1
+ 0.0230 X
2
+ 0.0022 X
3
- 0.0139 X
4
- 0.101 X
5
+
dan berikut adalah hasil analisis regresi berdasarkan model yang ditentukan :

Tabel 1 Hasil Analisis Regresi Berdasarkan Model
Prediktor
Koefisien
Regresi
Standart Error
Koefisien
T P
Constant 0.87368 0.01776 49.2 0
X1 0.04911 0.01256 3.91 0.008
X2 0.02305 0.02512 0.92 0.394
X3 0.00223 0.01776 0.13 0.904
X4 -0.01391 0.02175 -0.64 0.546
X5 -0.10106 0.02175 -4.65 0.004

Selanjutnya analisis yang dilakukan pada residual data adalah analisis varian.
Analisis variansi digunakan untuk menguraikan keragaman total data
menjadi komponen-komponen yang mengukur berbagai sumber keragaman
dengan tujuan menguji kesamaan beberapa nilai tengah secara sekaligus (Steel
and Torrie dalam Mulyaningsih, 2005:1). Berikut adalah hasil penghitungan
ANOVA tersarang pada data transformasi.

Tabel 2 Analisis Variansi pada Data transformasi
Sumber
Keragaman
Degree of
Freedom
(df)
Sum
Square
(SS)
Mean
Square
(MS)
F Hitung F
0.05
F
0.01

Umur Bambu (A) 1 0.03027 0.03027 31.99 5.32 11.26
Letak Porsi
Batang B(A)
2 0.00193 0.00097 1.02 4.46 8.65
Kelompok(K) 2 0.024 0.012 12.68 4.46 8.65
Galat 6 0.005677 0.000946
Total 11 0.06187

Pada Tabel 2, F
Hitung A
lebih dari F
0.01
maka terima H
1
, pada taraf nyata 1%
atau paling sedikit ada sepasanag nilai tengah yang berbeda sangat nyata pada
taraf nyata 1% sehingga Faktor Umur Bambu (A) berpengaruh nyata pada
kerapatan pada tingkat kekeringan bambu dan F
Hitung K
lebih dari F
0.05
dan F
0.01

yang berarti Kelompok (K) berpengaruh sangat nyata terhadap keraptan tingkat
kekeringan bambu. Oleh karena itu dilanjutkan prosedur uji Least Significant
Difference (LSD) dengan nilai BNT tunggal dalam membandingkan pasangan-
pasangan rataan perlakuan.
Uji Beda Nyata Terkecil lakukan pada faktor umur bambu dan kelompok
kadar air yang berpengaruh signifikan terhadap kerapatan pada tingkat kekeringan
bambu.
0.059577 0.017758 355 . 3
6
000946 . 0 2
.
) 6 , 1 ( 01 . 0 01 . 0
x
x
t Bambu Umur untuk BNT
0.074761 0.017758 21 . 4
6
00371 . 0 2
.
) 6 , 2 ( 01 . 0 01 . 0
x
x
t Kelompok untuk BNT
6

Nilai beda rataan umur bambu 3 tahun dan 5 tahun adalah 0.79777 dan 0.89821
dengan nilai beda dari kedua level faktor adalah |0.89821-0.79777| = 0.10044,
sedangkan nilai beda rataan kelompok kadar air 12%, 6% dan 0% adalah
0.886311, 0.872397 dan 0.785254 sedangkan Selisih atau nilai beda dari ketiga
kelompok kadar air adalah sebagai berikut :
Rataan kelompok kadar air 12% dengan 6%= 0.013914
Rataan kelompok kadar air 6% dengan 0%= 0.087143
Rataan kelompok kadar air 12% dengan 0%= 0.101058

PEMBAHASAN
P-Value pada Bartletts Test dan Lavenes Test pada Gambar 1 memiliki
nilai 0.635 dan 0.9 yang berarti lebih dari = 0.05 sehingga data memenuhi uji
homogen sedangkan pada Gambar 2 diperoleh nilai P-Value = 0.038 yang berarti
data tidak berdistribusi normal sehingga perlu Transformasi data untuk
dilanjutkan pada langkah selanjutnya.
Transformasi data dilakukan untuk mengubah data dari tidak normal
menjadi data yang memiliki distribusi normal atau memenuhi uji normalitas.
Transformasi yang digunakan adalah transformasi akar pangkat tiga ( Y =
3
X
)
dengan Y adalah data setelah transformasi dan X adalah data asli. Transformasi ini
dipilih karena satuan dari respon kerapatan pada tingkat kekeringan bambu adalah
gr/cm
3
. Pada penyebut (cm
3
) memiliki pangkat polinom 3 yang berarti data asli
diubah dalam akar pangkat tiga. Data hasil transformasi harus memenuhi uji
asumsi untuk dapat dilanjutkan pada metode regresi dan analisis varian.
Uji kehomogenan varian data transformasi pada Gambar 3, dapat dilihat
bahwa pada Bartletts Test nilai P-Value = 0.388 dan pada Lavenes Test nilai P-
Value = 0.822 lebih dari 0.05 sehingga memenuhi asumsi kehomogenan variansi.
Sedangkan pada uji normalitas residual data transformasi gambar diperoleh nilai
P-Value = 0.077 yang berarti data tidak berdistribusi normal.
Dari model linier y = 0.874 + 0.0491 X
1
+ 0.0230 X
2
+ 0.0022 X
3
-
0.0139 X
4
- 0.101 X
5
+ , terdapat 5 regresor yang muncul, hal ini terkait dengan
ANOVA pada Tabel 2 yang merupakan jumlah dari derajat kebebasan dari faktor
bambu, faktor letak porsi batang dan kelompok kadar air. Untuk mendapatkan
model regresi linier berganda yang akan digunakan dalam analisis, pendugaan
parameter menggunakan metode kuadrat terkecil yang bertujuan untuk
meminimumkan jumlah kuadrat error pada model
Pada Tabel 1 dapat dilihat bahwa nilai t hitung pada faktor umur bambu
dan kelompok kadar air 0% adalah 3,91 dan -4,65 sedangkan nilai t tabel adalah
2,97. Hal ini berarti t umur bambu > t tabel dan t kadar air 0% <-t tabel yang
mengakibatkan faktor umur bambu dan kadar air 0% signifikan terhadap
kerapatan pada tingkat kekeringan bambu. Sedangkan faktor letak porsi batang
dan kadar air 6% tidak signifikan terhadap kerapatan pada tingkat kekeringan
bambu karena t hitung < t tabel.
Pada model regresi linier, Umur Bambu 3 tahun dan Umur bambu 5 tahun
memiliki perbedaan 0.0491 gr/cm
3
pada tingkat kerapatan bambu, dan Bagian
Pangkal Bambu dengan Bagian Tengah Bambu memiliki perbedaan 0.0230
gr/cm
3
pada tingkat kerapatan bambu . Pada kelompok kadar air, setiap
penambahan kadar air 6% dan 0% pada bambu akan mengurangi kerapatan bambu
sebanyak 0.0139 gr/cm
3
dan 0.101 gr/cm
3
.
7

Berdasarkan Tabel 2, P-Value faktor umur bambu 0.008 yang kurang dari
0.05 yang berarti umur bambu berpengaruh signifikan terhadap kerapatan pada
tingkat kekeringan bambu dan nilai p pada kelompok ke 3 adalah 0.004 yang
kurang dari 0.05 yang berarti kelompok ke 3 berpengaruh signifikan terhadap
kerapatan pada tingkat kekeringan bambu. Selanjutnya residual data dianalisis
dengan menggunakan ANOVA untuk dibandingkan ujinya dengan uji pada model
linier.
Hasil analisis variansi pada Tabel 1 menunjukkan bahwa F hitung Umur
Bambu = 31.99 > F
0.01
dan F Kelompok = 12.68 > F
0.01
yang berarti sama-sama
tolak H
0
atau terima H
1
. Dalam hal ini berarti Umur Bambu dan Kelompok Kadar
Air berbeda sangat nyata sehingga dapat dikatakan setiap Umur Bambu dan
Kelompok Kadar Air memberikan pengaruh yang besar pula terhadap Kerapatan
Tingkat Kekeringan Bambu.
Hal yang berbeda terlihat pada Faktor Letak Porsi Batang yang tersarang
pada Umur Bambu, F hitung nya = 1.02 < F
0.05
yang berarti terima H
0
atau tolak
H
1
. Dalam hal ini berarti Faktor Letak Porsi Batang yang tersarang pada Umur
Bambu tidak berbeda sangat nyata sehingga dapat dikatakan setiap Faktor Letak
Porsi Batang yang tersarang pada Umur Bambu memberikan pengaruh yang sama
terhadap Kerapatan Tingkat Kekeringan Bambu.
Pada uji BNT, nilai
01 . 0
BNT Umur Bambu adalah 0.059577 sedangkan
pada Faktor Umur Bambu, selisih rataan pada 2 level memiliki nilai 0.10044. Hal
ini berarti Selisih rataan Faktor Umur Bambu >
01 . 0
BNT yang menunjukkan
bahwa Umur Bambu 3 tahun memberikan pengaruh yang berbeda nyata dengan
Umur Bambu 5 tahun terhadap Kerapatan Pada Tingkat Kekeringan.
Nilai
01 . 0
BNT Kelompok Kadar Air adalah 0.074761 sedangkan pada
Kelompok kadar Air, selisih rataan kelompok kadar air 6% dengan 0% , kadar air
12% dengan 0% berturut-turut adalah 0.087143 dan 0.101058 yang memiliki
nilai lebih besar dari
01 . 0
BNT Kelompok kadar Air. Hal ini berarti kelomok kadar
air 6% dengan 0% dan kelompok kadar air 12% dengan 0% memberikan
pengaruh yang nyata terhadap kerapatan pada tingkat kekeringan bambu.
Pengaruh yang sama terjadi pada kelompok kadar air 12% dengan 6% karena
selisih rataan nya lebih kecil dari
01 . 0
BNT Kelompok kadar Air.
Hasil dari uji F pada ANOVA tersarang menunjukkan bahwa Faktor umur
bambu dan Kelompok kadar air memberikan pengaruh yang sangat nyata terhadap
kerapatan pada tingkat kekeringan bambu sedangkan Faktor letak porsi batang
tidak memberikan pengaruh nyata terhadap kerapatan pada tingkat kekeringan
bambu. Hasil ini identik dengan uji t pada model linier tersarang yang
menunjukkan faktor bambu dan pada kelompok kadar air khususnya kadar air 0%
signifikan terhadap kerapatan pada tingkat kekeringan bambu sedangkan faktor
letak porsi batang tidak signifikan terhadap respon sehingga dapat dikatakan uji t
pada model linier tersarang memiliki hasil yang sama dengan uji F pada ANOVA
tersarang.

KESIMPULAN
Dari hasil dan pembahasan didapatkan kesimpulan sebagai berikut :
1. Transformasi data dapat membuat residual data memenuhi uji asusmsi
normalitas. Hal ini terlihat dari nilai P-value data, residual data asli memiliki
8

P-Value 0.038 yang berarti tidak normal sedangkan data transformasi
memiliki P-Value 0.077 yang berarti data memenuhi asumsi normalitas dan
dapat dilanjutkan dengan Analisis Ragam.
2. Pada model linier rancangan tersarang, uji signifikansi t nya menunjukkan
hasil yang sama dengan uji signifikansi F pada analisis ragam atau ANOVA
yaitu umur bambu dan kelompok kadar air berpengaruh signifikan terhadap
kerapatan pada tingkat kekeringan bambu.

SARAN
Pada skripsi ini faktor Umur Bambu Andon yang dijadikan objek
penelitian hanya 2 taraf yaitu umur 3 tahun dan 5 tahun , untuk mahasiswa yang
akan menyusun skripsi selanjutnya dapat menggunakan taraf yang lebih banyak
atau umur bambu yang bervariasi untuk mendapatkan kesimpulan yang lebih baik.
Jenis bambu yang diteliti hanya satu jenis bambu yaitu bambu andong,
untuk penelitian selanjutnya dapat meneliti jenis bambu yang bervariasi untuk
mendapatkan jenis bambu yang lebih berkualitas.


DAFTAR PUSTAKA

Kurniawan, Deni. 2008. Regresi Linier (Linear Regression) , Jurnal, Foundation
for Statistical Computing, Vienna, Austria

Montgomery, D. 2005. Design And Analysis Of Experiment 5
th
edition. John
Willey and Sons. New York.

Mulyaningsih. 2005. Uji Kesesuaian Model. Repository IPB

Rukmigarsari, E. 2011. Analisis Data dengan Program SPSS (Komputer 4).
Malang: Universitas Islam Malang

Ruslan, Muhammad.2010. Rancangan Percobaan :Percobaan & Rancangan
Pengacakan & Penataan Pola & Model Rancangan Nilai Beda Rataan
Telaah Data, ebook.
Artikel Ilmiah oleh Prasetyo ini
telah diperiksa dan disetujui oleh




Malang, April 2013
Pembimbing I




Ir. Hendro Permadi, M.Si
NIP 19661224 199903 1 001


Malang, April 2013
Pembimbing II




Dr. Swasono Rahardjo, S.Pd, M.Si
NIP 19661010 199203 1 004

Malang, April 2013
Penulis



Prasetyo
NIM 907312407250