Anda di halaman 1dari 35

BAB 10

UNBALANCED FIXED-EFFECTS MODELS


(MODEL TAK SEIMBANG DENGAN
PENGARUH TETAP)

Ikin Sodikin (156090500111001)

Outline

Notasi-R
Model Dua Arah Tanpa Interaksi
Model Dua Arah Dengan Interaksi
Model Higher-Order
Contoh Numerik dengan SAS
Method of Unweighted Means (MUM)

Sekumpulan data (Y) dikatakan SEIMBANG jika banyaknya


pengamatan pada setiap subkelas data adalah sama.
Sekumpulan data (Y) dikatakan TAK SEIMBANG jika
banyaknya pengamatan pada setiap subkelas data adalah
tidak sama, dengan kata lain pada beberapa subkelas
mungkin tidak mengandung pengamatan sama sekali (sel
kosong-missing data)
Model linier yang digunakan untuk menganalisis kumpulan

data tak - seimbang disebut sebagai model linear tak


seimbang
Contoh Tabel 9.1

Suatu model dikatakan tetap jika percobaan yang


perlakuan atau level-level dari faktornya ditetapkan oleh
peneliti

sebelum

penelitian

dilakukan.

Level-level

faktornya mempunyai suatu ciri-ciri tertentu yang dapat


membedakan dengan level yang lain dan dapat
mewakili populasi yang dihipotesiskan atau dibayangkan
ada.
Model acak hanya ingin menunjukkan variasi antar taraf

yang diteliti, bukan perbedaan antar level yang diteliti


seperti pada model tetap.

Contoh : Penelitian pengaruh pejantan sapi Bali terhadap


berat lahir anak dari induk yang dikawini. Digunakakan 4
ekor sapi pejantan (SP) masing-masing dikawinkan dengan
5 ekor sapi betina yang seragam. Maka sapi pejantan bisa
model tetap atau acak.
Model tetap : Peneliti menetapkan SP berdasarkan umur,
misal : Umur SP1 2 thn, SP2 2.5 thn, SP3 3 thn, dan SP4 3.5 thn,
atau berdasarkan bobot (250, 300, 350, dan 400 kg)
Model acak : Peneliti tidak menetapkan SP berdasarkan ciri-

ciri ttt. Peneliti mengambil secara acak 4 ekor SP dari suatu


populasi sapi jantan.

Model pengaruh tetap tak seimbang Model linear


yang hanya memiliki pengaruh tetap kecuali untuk
komponen error atau galat yang bersifat acak atau
random.

Model Linear Umum dalam bentuk matriks :


= +

dimana :
X : matriks berukuran n p
: vektor dari parameter tetap tidak diketahui
: vektor galat diasumsikan memiliki rata-rata nol dan
matriks varians-kovarians 2
Memiliki :
- Jumlah Kuadrat Regresi (JKR) : = ( )

dilambangkan dengan ()
- Jumlah

Kuadrat

Error/Galat

(JKG)

= [

Misalkan model linear :


= 1 1 +

Maka JKR : 1 = 1 (1 1 ) 1
Jika dipartisi sebagai = 1 : 2 , di mana 1 dan 2
berukuran masing-masing np1 dan np2. Vektor dipartisi
menjadi =(1 : 2 ) , maka model linearnya menjadi :
= 1 1 + 2 2 +
Memiliki JKR : 1 , 2 = ( )
Sehingga diperoleh perbedaan antara JKR tersebut :

2 |1 = 1 , 2 1
=

1 (1 1 ) 1

2 |1

merupakan peningkatan JKR yang dihasilkan dari

penambahan 2 untuk model yang hanya berisi 1 . Dalam

hal ini, 2 dikatakan disesuaikan untuk 1 , atau 2 telah


ditambahkan setelah 1 :
1 , 2 = 1 + 2 |1
Secara umum, jika setiap kali dipartisi menjadi k subvector
1 , 2 , ..., maka :

= 1 + 2 |1 + . + |1 , 2 , . . , 1

Contoh model dua arah tanpa interaksi :


= + () + () + ()
Maka JKR untuk model penuh : , , = + | +
|,
Dimana :
: JKR untuk model yang hanya berisi
| = , , dengan ,
yang berisi dan , dan
|, = , , ,

: JKR untuk model

Teorema 10.1
Jika model = 1 1 + 2 2 + , dengan asumsi ~(0, 2 ), dan

misalkan = () dan 1 = (1 ). Maka :

a)

2 |1

berdistribusi

noncentral

chi-squared

dengan

derajat bebas rr1 , dengan parameter noncentral yaitu


1

= 2 2 [2 2 2 1 1 1

]
1 2 2

b) 1 , 2 |1 , dan , saling bebas, di mana adalah


jumlah kuadrat galat/residual (JKG)

c) 2 |1

= 2 + 2 ( 1 ), di mana adalah parameter

noncentral pada poin (a)

Berdasarkan Teorema 10.1 diperoleh statistik F :


=

2 1 /( 1 )
/( )

Sebagai penguji hipotesis nol :


0 : 1 1 1

2 2 = 0

Jika berpangkat kolom penuh, maka hipotesis direduksi


menjadi :
0 : 2 = 0

Jumlah Kuadrat Tipe I


Definisi 10.1 : JK Tipe I (JK Sekuensial) untuk sebuah pengaruh,

, dalam model adalah | , dimana mewakili semua


pengaruh sebelum dalam model.
Contoh : = + () + () + () , dimana I = 1, 2, ...a; j = 1, 2,
..., b
JK Tipe I untuk pengaruh dan masing-masing adalah
| dan |,
Contoh : = + () + () + () , dimana i = 1, 2, ...a; j = 1, 2,
..., b
JK Tipe I untuk pengaruh dan masing-masing adalah
| dan |,

Jumlah Kuadrat Tipe II


Definisi 10.2 : JK Tipe II untuk sebuah pengaruh, u, dalam

model disesuaikan untuk semua pengaruh lainnya dalam


model.
Contoh : = + () + () + () , dimana I = 1, 2, ...a; j = 1, 2,
..., b
JK Tipe II untuk pengaruh dan masing-masing adalah
|, dan |,

Jumlah Kuadrat Tipe III


Definisi 10.3 : JK Tipe III (JK Parsial) untuk pengaruh, u, pada

prinsipnya, diperoleh dengan menyesuaikan u untuk semua


pengauh lainnya dalam model.
Contoh : = + () + () + () + () , dimana I = 1, 2,
...a; j = 1, 2, ..., b; k = 1, 2, ..., nij
JK Tipe III untuk pengaruh , , dan interaksi masingmasing adalah |, , , |, , , dan |, ,

Model Umum : = + () + () + () , dimana i = 1, 2,..., a;

j = 1, 2,..., b; k = 0, 1, ..., nij,


, () , dan () adalah parameter yang tidak diketahui
() saling bebas dan berdistribusi (0, 2)
asumsi : n..>a+b-1, di mana n.. adalah jumlah total
pengamatan
nij, bisa saja nol untuk beberapa (i,j) yang menunjukkan
kemungkinan bahwa beberapa sel kosong (atau hilang)

Analog dengan model matrik : = + ,


-

X berukuran n..(a+b+1) yaitu, X=[1n..:H1:H2], dimana 1 ==1 . , 2 =


[=1 1 :=1 2 : . . =1 ] , dan . =

vector terdiri dari , () , dan ()

=1

10.2.1 Fungsi-fungsi Linear yang estimable


Lemma 10.1 : Misalkan pola data dua arah adalah

sedemikian rupa sehingga ()

dan () estimable

untuk semua i i dan j j. Jika (i0, j0) adalah sel kosong,


maka
a) Semua rataan sel, , dalam model bersifat estimable

b) , ()

, dan () , untuk semua i i dan j

j, membentuk sebuah basis ruang dari semua fungsi


linear yang estimable dari parameter-parameter dalam

model

10.2.1 Fungsi-fungsi Linear yang estimable


Fungsi-fungsi linear yang estimable :

=1

= + () +

=1 ()

Least-Square Mean untuk

baris i (i = 1, 2, ..., a) (LSM((i) ))

=1

=+

=1 ()

+ () Least-Square Mean untuk

kolom j (j = 1, 2, ..., b) (LSM ( j ))


LSM ini juga disebut sebagai Rata-rata Marginal Populasi

10.2.2 Hipotesis-hipotesis Yang Dapat Diuji


Jika adalah fungsi linear diduga dari dan A matriks yang

berukuran s p dan pangkat s ( a + b - 1), dan m adalah


vektor konstan yang diketahui, maka hipotesis yang dapat
diuji :
: =

Dengan statistik uji :


=

1 (

di mana MSE = SSE / (n.. - a - b + 1)


H0 ditolak pada taraf kesalahan jika F F , s, n.. -a-b+1

Lemma 10.2

, | , dan |,

bebas

terhadap

saling bebas satu sama lain dan

= /(. . + 1 ).

Selanjutnya,

| /2 dan |, /2 berdistribusi chi-squared dengan


masing-masing derajat bebas, a-1 dan b-1, dan

2
~
n.. ab+1
2

Lemma 10.3
Parameter noncentrality dari | /2 adalah sama dengan
nol jika dan hanya jika nilai-nilai :
1
= () +
.

() ,

= 1,2, . . , ,

=1

Adalah sama untuk semua i.


Lemma 10.4
Parameter noncentrality dari |, /2

adalah sama

dengan nol jika dan hanya jika (1) = (2) = . = ()

10.2.2.1 Hipotesis-hipotesis Yang Dapat Diuji Tipe I


Model :

Statistik Uji (Rasio F)

Hipotesis yang diuji

= + () + () + ()

(|)
1
,
, =
1
=

Untuk :
1
() +
.
Untuk :
1
() +
.

Hipotesis dengan
rata-rata sel

= + () + () + ()

1
.

1

.


=
1
,
, =
1

() ,

= 1,2, . . , ,

() ,

= 1,2, . . , ,

=1

=1

= 1,2, . . , ,

= 1,2, . . , ,

=1

=1

10.2.2.2 Hipotesis-hipotesis Yang Dapat Diuji Tipe II


Model : = + () + () + ()
Statistik Uji
(Rasio F)
Hipotesis
yang diuji

, =

,
,
1

, =

,
1

Untuk , :
: (1) = (2) = . = ()

Untuk , :

: (1) = (2) = . = ()

Hipotesis
rata-rata sel

= 1,2, . ,
=1

ditolak pada level jika , ,1,..+1


1

= 1,2, ,
=1

ditolak pada level jika , ,1,..+1

Model Lengkap : = + () + () + ()() + () ,

dimana i = 1, 2,..., a; j = 1, 2,..., b; k = 0, 1, ..., nij,

, () , () , dan ()() adalah parameter yang tidak


diketahui

() saling bebas dan berdistribusi (0, 2)

asumsi

n..>ab,

di

mana

n..

adalah

jumlah

total

pengamatan
Analog dengan model matrik : = + ,
-

berukuran

n..(a+b+ab+1) yaitu,

= [ . . : : : ] ,

1 ==1 . , 2 = [=1 1 :=1 2 : . . =1 ] ,


dan . =
-

=1

vector terdiri dari , () , () , dan ()(ij)

dimana

==1 =1

Fungsi-fungsi Linear yang estimable


=1

=+

=1

=+

=1()() ,

=1()() ,

=1

=1 i

1,2, . , ,

1,2, . ,

=1

=
1

=1

=1

=1

=
.

=1

, = 1,2, . , ,

=1

, = 1,2, . ,

==
1

+ +

Pengujian Hipotesis
Teorema 10.2 : Jika () ~ N (0, 2 ), maka :

a)
b)

2
~1
2

2
~
1
2

c) =

1
2

=1

d)

=1

=1

. , bebas terhadap dan

2
~

2
..

1 dan 2 adalah parameter noncentral faktor A dan B

Pengujian Hipotesis
Lemma 10.5 :
a) Rasio =

~
1

1 ,(..)

H0: LSM( i ) sama untuk

semua i = 1, 2, ..., a
b) Rasio =

~
1

semua j = 1, 2, ..., b

1 ,(..)

H0: LSM( ) sama untuk

10.3.1.1. Pengujian Pengaruh Interaksi


Statistik Uji (rasio F) : , , =

,,
,
1 1

dimana

, , = , , , , , JK Tipe III u/
pengaruh interaksi
, , berdistribusi F noncentral dengan derajat bebas
(a - 1)(b - 1) dan n.. ab. Dengan parameter noncentral
12 = 0, jhj .. 1 1 1 1 2 = 0

Opsi E dalam PROC GLM di SAS


Dari model umum : = + , jika L Vektor konstanta, maka
() estimable
jumlah elemen-elemen L yang muncul pada () =
pangkat dari X = a+ b - 1
Sebagai contoh, pertimbangkan model (10.10) : = + () +
() + () hubungkan dengan kumpulan data pada Contoh
10.1. Dalam hal ini, = (, 1 , 2 , 3 , 1 , 2 , 3 ) , =
(1 , 2 , , 7 ) Atas dasar tabel 10.6, diperoleh fs. Linear :
()
= + 3 + 3 1 + 1 3 2
+ 2 3 3 + 1 3 5 + ( 2
3 )6

Model yang disarankan : = + () + () +


()() + ()
Dengan menggunakan SAS diperoleh hasil ANOVA
Tipe III faktor A, B dan AB :
MSError = 0.1904 dengan db = 7
Hipotesis yang diuji :
- H0: LSM( i ) sama untuk semua i = 1, 2, ..., a
- H0: LSM( ) sama untuk semua j = 1, 2, ..., b
- H0: tidak ada interaksi antara A dan B (10.62)
Tabel 10.11 ketiganya signifikan, termasuk interaksi
Uji Pengaruh Polinomial
- Pengaruh B pada A tetap :pengaruh linear dan

kuadrat dari B signifikan untuk level A 0,3


- Pengaruh A pada B Tetap : semua pengaruh
linear dari A yang signifikan untuk setiap level B

MUM mendefinisikan jumlah kuadrat yang analog terhadap yang


diperoleh dari situasi data seimbang dengan satu observasi per
kombinasi

perlakuan,

yaitu,

rataan

sampel

dari

sel

bersangkutan
Unweighted JK u/ faktor A dan B, serta AB :

. ..

=1

. ..

=1

=1

=1

. . + ..

dimana adalah rata-rata harmonik = =

=1

=1

yang

Lemma 10.7
1

Perkiraan terbaik dari = dalam = 2 dengan matriks


1

diagonal dari bentuk diperoleh ketika =

Lemma 10.8

a) ( ) =

=1

. ..

b) ( ) =

=1

. ..

c) ( ) =
1
di mana . =

=1

=1

2
2

+ 2 ( 1)
+ 2 ( 1)

. . + ..

1
, . =

=1

+ 2 ( 1)( 1)

1
, .. =

=1

=1

=1

Perkiraan Distribusi , , dan

a)

1
~
2

1
2
.

1 , dimana 1 =

=1

. ..

b)

1
~
2

1
2
.

2 , dimana 2 =

=1

. ..

c)

1
~
2

(1)(1)
2
.

3 = 2

=1

=1

3 , dimana

. . + ..

2
2

Pengujian Hipotesis :

a) Statistik Uji (Rasio F) :

= (1)
, untuk menguji hipotesis : 1. = 2. = . = . .

mendekati distribusi F dengan db (a 1) dan (n.. ab)

= (1)
, untuk menguji hipotesis : .1 = .2 = . = . .

mendekati distribusi F dengan db (b 1) dan (n.. ab)

= (1)(1)
,