Anda di halaman 1dari 7

Nilai Harapan Kuadrat Tengah

1. Pendahuluan
Nilai harapan kuadrat tengah memegang peranan yang sangat penting dalam menentukan bentuk uji yang harus digunakan dalam pengujian hipotesis berdasarkan model-model statistika seperti RAL (Rancangan Acak Lengkap), RK (Rancangan Kelompok), PB (Percobaan Berfaktor) yang hasil analisisnnya biasa disajikan dalam TSR (Tabel Sidik Ragam/ Table of Analysis of Variance). Untuk itu, dalam tulisan ini disajikan nilai harapan kuadrat tengah untuk berbagai model berikut contoh penggunaannya.

2. Nilai Harapan Kuadrat Tengah


Berikut ini diusajikan nilai harapan kuadrat tengah untuk beberapa table sidik ragam yang hasil analisisnya didasarkan atas beberapa tipe model, yaitu Model I (Model Tetap/Fixed Model) jika seluruh factor yang ingin diperiksa bersifat tetap, Model II (Model Acak/Random Model) jika seluruh factor yang ingin diperiksa bersifat acak dan Model III (Model Campuran/Mix Model) jika factor-faktor yang ingin diperiksa ada yang bersifat tedtap dan ada juga yang bersifat acak.

2.1. RAL (Rancangan Acak Lengkap/Completely Randomize Design)


A. Ulangan Sama dan Tanpa Pengambilan Contoh Model observasi bagi RAL dengan ulangan yang sama dan tanpa pengambilan contoh umumnya ditulis sebagai Yij = + i + ij (i = 1, 2, , p; j = 1, 2, , n) . Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 1. Tabel 1. Nilai Harapan Kuadrat Tengah RAL dengan Ulangan Sama dan Tanpa Pengambilan Contoh, Yij = + i + ij (i = 1, 2, , p; j = 1, 2, , n) , Model I dan Model II. Sumber Keragaman Derajat Jumlah Kuadrat Nilai Harapan Kuadrat Tengah Bebas Kuadrat Tengah Model I Model II
p 1

Perlakuan/Atribut

JKP

KTP

2 +
2

n p 2 i p 1 i =1

2 + n 2
2

Galat Percobaan (Experimental Error) p(n 1) pn 1 Total

JKS JKT

KTS

Asumsi yang harus dipenuhi untuk memperoleh nilai harapan kuadrat tengah sesuai dengan sifat modelnya (Model I atau Model II) adalah sebagai berikut: 1. ij N ( 0, 2 ) sehingga E ( ij ) = 0 dan E ij E ( ij ) 2. a. Model I (Model Tetap):

2 = E ( ij ) = 2

i =1

= 0 sehingga E ( i ) = i dan E ( i2 ) = i2
2

b.

i N ( 0, 2 ) sehingga E ( i ) = 0 dan E ( i E ( i ) ) = E ( i2 ) = 2
= p = 0 melawan H1 : sedikitnya ada satu i 0 atau

Model II (Model Acak):

Dengan demikian, untuk menguji H 0 : 1 = 2 =

H1 : sedikitnya ada sepasang i j digunakan statistic uji Fhit =


2 2

KTP yaitu ratio antara KTS

2 +

n p 2 i p 1 i =1

2
= p = 0 identik

untuk Model I atau


p

+ n untuk Model II. Ini berrati pengujian H 0 : 1 = 2 = 2


p i =1

dengan H 0 : i2 = 0 melawan H1 : i2 0 untuk Model I dan dengan H 0 : 2 = 0 melawan H1 : 2 0


i =1

untuk Model II. Ringkasan statistic uji yang harus digunakan untuk RAL disajikan pada Tabel 2.
Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi Jurusan MSP, FPIK IPB

2/7

Mennofatria Boer

Tabel 2. Statistik Uji yang Harus Digunakan untuk RAL dengan Ulangan Sama dan Tanpa Pengambilan Contoh, Yij = + i + ij (i = 1, 2, , p; j = 1, 2, , n) bagi Model I dan Model II. Sumber Keragaman Derajat Jumlah Kuadrat Statsitik Uji atau Fhit Bebas Kuadrat Tengah Model I Model II KTP KTP p 1 JKP KTP KTS KTS p(n 1) JKS KTS pn 1 JKT

Perlakuan/Atribut Galat Percobaan Total

B. Ulangan Tidak Sama dan Tanpa Pengambilan Contoh

Selanjutnya, model observasi bagi RAL dengan ulangan yang tidak sama dan tanpa pengambilan contoh umumnya ditulis sebagai Yij = + i + ij (i = 1, 2, , p; j = 1, 2, , ni ) . Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 3.
Tabel 3. Nilai Harapan Kuadrat Tengah RAL dengan Ulangan Tidak Sama dan Tanpa Pengambilan Contoh, Yij = + i + ij (i = 1, 2, , p; j = 1, 2, , ni ) , Model I dan Model II. Sumber Keragaman Derajat Jumlah Kuadrat Nilai Harapan Kuadrat Tengah Bebas Kuadrat Tengah Model I Model II
p 1

Perlakuan/Atribut
p

JKP JKS JKT

KTP KTS

2 +
2

1 p ni i2 p 1 i =1

2 + n0 2
2

Galat Percobaan Total

(n 1)
i =1 i

n 1
i =1 i

p ni2 p 1 sedangkan n0 = ni i =p1 . Adapun asumsi yang harus dipenuhi untuk memperoleh nilai harapan p 1 i =1 ni i =1 kuadrat tengah sesuai dengan sifat modelnya (Model I atau Model II) sama dengan kasus ulangan yang sama seperti telah diuraikan di atas. Demikian pula ststistik uji yang harus digunakan dapat digunakan ratio Kuadrat Tengah yang telah disajikan pada Tabel 2.

C. Ulangan Sama dan Dengan Pengambilan Contoh Berukuran Sama (Klasifikasi Tersarang/Nersted Classification Hierarchical Classification)

Model observasi bagi RAL dengan ulangan yang sama dan dengan pengambilan contoh umumnya ditulis sebagai Yijk = + i + ij + ijk (i = 1, 2, , p; j = 1, 2, , n; k = 1, 2, , m) . Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 4.
Tabel 4. Nilai Harapan Kuadrat Tengah RAL dengan Ulangan Sama dan Dengan Pengambilan Contoh, Yijk = + i + ij + ijk (i = 1, 2, , p; j = 1, 2, , n; k = 1, 2, , m) , Model I dan Model II. Sumber Keragaman Derajat Jumlah Kuadrat Bebas Kuadrat Tengah
p 1

Nilai Harapan Kuadrat Tengah Model I Model II

Perlakuan/Atribut

JKP JKS1 JKS2 JKT

KTP KTS1 KTS2

2 + m 2 +
2 + m 2 2

nm p 2 2 i + m 2 + nm 2 p 1 i =1

Galat Percobaan p(n 1) (Experimental Error) Galat Penarikan Contoh pn(m 1) (Sampling Error) pnm 1 Total

2 + m 2 2

Jurusan MSP, FPIK IPB

Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi

Mennofatria Boer

3/7

Asumsi yang harus dipenuhi untuk memperoleh nilai harapan kuadrat tengah sesuai dengan sifat modelnya (Model I atau Model II) adalah sebagai berikut: 1. ij N ( 0, 2 ) sehingga E ( ij ) = 0 dan E ij E ( ij )

2 = E ( ij ) = 2

2. ijk N ( 0, 2 ) sehingga E (ijk ) = 0 dan E ijk E (ijk ) 3. a. Model I (Model Tetap):

2 = E (ijk ) = 2

i =1

= 0 sehingga E ( i ) = i dan E ( i2 ) = i2
2

b.

i N ( 0, 2 ) sehingga E ( i ) = 0 dan E ( i E ( i ) ) = E ( i2 ) = 2

Model II (Model Acak):

Prosedur pengujian atau penentuan statistic uji F dapat dilakukan dengan mengambil prinsip yang sama seperti pada 2.1A dan 2.1.B. Ringkasan statistic uji yang harus digunakan untuk RAL dengan ulangan sama dan dengan pengambilan contoh disajikan pada Tabel 5.
Tabel 5. Statistik Uji yang Harus Digunakan untuk RAL dengan Ulangan Sama dan Dengan Pengambilan Contoh Berukuran Sama, Yijk = + i + ij + ijk (i = 1, 2, , p; j = 1, 2, , n; k = 1, 2, , m) , bagi Model I dan Model II. Sumber Keragaman Derajat Jumlah Kuadrat Statistik Uji atau Fhit Bebas Kuadrat Tengah Model I Model II KTP KTP p 1 JKP KTP KTS1 KTS1
p(n 1)

Perlakuan/Atribut Galat Percobaan (Experimental Error)

JKS1 JKS2 JKT

KTS1 KTS2

KTS1 KTS 2

KTS1 KTS 2

Galat Penarikan Contoh (Sampling Error) pn(m 1) pnm 1 Total

D. Ulangan Tidak Sama dan Dengan Pengambilan Contoh (Klasifikasi Tersarang/Nersted Classification/ Hierarchical Classification)

Selanjutnya model observasi bagi RAL dengan ulangan yang tidak sama dan dengan pengambilan contoh umumnya ditulis sebagai Yijk = + i + ij + ijk (i = 1, 2, , p; j = 1, 2, , ni ; k = 1, 2, , nij ) . Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 6.
Tabel 6. Nilai Harapan Kuadrat Tengah RAL dengan Ulangan Tidak Sama dan Dengan Pengambilan Contoh Berukuran Tidak Sama, Yijk = + i + ij + ijk (i = 1, 2, , p; j = 1, 2, , ni ; k = 1, 2, , nij ) , Model I dan II. Sumber Keragaman Derajat Bebas
p 1

Jumlah Kuadrat Kuadrat Tengah

Nilai Harapan Kuadrat Tengah Model I Model II


1 p ni 2 2 2 + c2 + nij i2 + c2 + c3 p 1 i =1 j =1
2 2 2

Perlakuan/Atribut Galat Percobaan (Experimental Error) Galat Penarikan Contoh (Sampling Error) Total
p

JKP JKS1 JKS2 JKT

KTP KTS1 KTS2

(n 1)
i =1 i

2 + c1 2
2

2 + c1 2
2

( n
i =1 j =1 p ni i =1 j =1

ni

ij

1) 1

ij

Sedangkan koefisien c1, c2 dan c3 dibatasi masing-masing sebagai berikut:

Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi

Jurusan MSP, FPIK IPB

4/7

Mennofatria Boer

ni 2 n p ni p ij j =1 nij ni i =1 j =1 i =1 nij j =1 c1 = p ( ni 1)
i =1

ni 2 p nij , c = 1 j =1 2 p 1 i =1 ni nij j =1

2 p n1 p n1 2 nij nij p ni i =1 j =1 i =1 j =1 dan c = 1 nij p ni . 3 p ni p 1 i =1 j =1 nij nij i =1 j =1 i =1 j =1

Asumsi yang harus dipenuhi untuk memperoleh nilai harapan kuadrat tengah sesuai dengan sifat modelnya (Model I atau Model II) sama dengan kasus dengan ulangan yang sama seperti telah dibahas pada C. Prosedur pengujian atau penentuan statistic uji F dapat dilakukan dengan mengambil prinsip yang sama seperti pada 2.1A dan 2.1.B. Ringkasan statistic uji yang harus digunakan untuk RAL dengan ulangan tidak sama dan dengan pengambilan contoh sama dengan seperti yang telah disajikan pada Tabel 5.

2.2. RK (Rancangan Kelompok/Randomize Complete Block Design)


Model observasi RK tanpa pengambilan contoh ditulis

Yij = + i + j + ij (i = 1, 2, , p; j = 1, 2, , b) .

Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 7.
Tabel 7. Nilai Harapan Kuadrat Tengah RK, Yij = + i + j + ij (i = 1, 2, , p; j = 1, 2, , b) , Tanpa Pengambilan Contoh bagi Model I dan Model II. Sumber Keragaman Derajat Bebas Jumlah Kuadrat Nilai Harapan Kuadrat Tengah Kuadrat Tengah Model I Model II b p 2 JKK KTK + j2 2 + p 2 b 1 j =1

Kelompok

b 1
p 1

Perlakuan/Atribut Galat Percobaan Total

JKP JKS JKT

KTP KTS

2 +
2

b p 2 i p 1 i =1

2 + b 2
2

(b 1)( p 1) pb 1

Asumsi yang harus dipenuhi untuk memperoleh nilai harapan kuadrat tengah sesuai dengan sifat modelnya (Model I atau Model II) adalah sebagai berikut: 1. ij N ( 0, 2 ) sehingga E ( ij ) = 0 dan E ij E ( ij )
2. a. Model I (Model Tetap):

2 = E ( ij ) = 2

i =1 k j =1

= 0 sehingga E ( i ) = i dan E ( i2 ) = i2
j

b.

= 0 sehingga E ( j ) = j dan E ( j2 ) = j2
2

i N ( 0, 2 ) sehingga E ( i ) = 0 dan E ( i E ( i ) ) = E ( i2 ) = 2
2 2 j N ( 0, ) sehingga E ( j ) = 0 dan E j E ( j ) = E ( j2 ) = 2

Model II (Model Acak):

Statistic uji yang harus digunakan untuk menguji perbedaan antar perlakuan atau atribut dapat ditentukan dari nilai harapan kuadrat tengah perlakuan dan nilai harapan kuadrat tengah galat percobaan sedemikian KTP sehingga sama dengan . Umumnya penggunaan RK tidak untuk menguji perbedaan antar kelompok KTS melainkan membersihkan perbedaan antar perlakuan atau atribut dari pengaruh pengelompokkan. Namun, KTK . jika ingin diuji juga perbedaan antar kelompok dapat digunakan statistic uji KTS Prinsip-prinsip dalam menemukan ratio yang tepat bagi uji F berlaku secara umum untuk seluruh model yang ada sehingga untuk selanjutnya akan disajikan hanya hasil nilai harapan kuadrat tengah saja.
Jurusan MSP, FPIK IPB Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi

Mennofatria Boer

5/7

Tabel 8. Nilai Harapan Kuadrat Tengah RK Model I Dengan Pengambilan Contoh Berukuran Sama, Yijk = + i + j + ij + ijk (i = 1, 2, , p; j = 1, 2, , b; k = 1, 2, , m) . Sumber Keragaman Derajat Jumlah Kuadrat Nilai Harapan Kuadrat Tengah dan Fhit Bebas Kuadrat Tengah Model I Fhit pm b 2 2 2 b 1 JKK KTK + m + j b 1 j =1
p 1

Kelompok Perlakuan/Atribut

JKP JKS1 JKS2 JKT

KTP KTS1 KTS2

2 + m 2 +
2 + m 2

bm p 2 i p 1 i =1

KTP KTS1

Galat Percobaan p(n 1) (Experimental Error) Galat Penarikan Contoh pn(m 1) (Sampling Error) pnm 1 Total

2.3. PB (Percobaan Berfaktor/Factorial Experiment)


A. PB axb dengan RAL

Model observasi PB axb biasa ditulis Yijk = + i + j + ( )ij (i = 1, 2, , a; j = 1, 2, , b; k = 1, 2, , n) yaitu percobaan berfaktor yang dilaksanakan secara RAL. Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 9.
Tabel 9. Nilai Harapan Kuadrat Tengah PB axb dengan RAL bagi Model I, Model II dan Model III, Yijk = + i + j + ( )ij (i = 1, 2, , a; j = 1, 2, , b; k = 1, 2, , n) . Sumber Keragaman Perlakuan/Atribut A B AB
bn a 2 i a 1 i =1 an b 2 2 + j b 1 j =1

Model I

Nilai Harapan Kuadrat Tengah Model III Model II ( tetap, acak)


2 2 2 2 + n + bn 2 + n +

Model III ( acak, tetap)

2 +

bn a 2 i 2 + bn 2 a 1 i =1
2 2 + n +

2 2 2 2 + n + an 2 + an

an b 2 j b 1 j =1

2 +

a b n 2 2 ( )ij 2 + n (a 1)(b 1) i =1 j =1

2 2 + n

2 2 + n

Galat Percobaan 2 Total

Asumsi yang harus dipenuhi untuk memperoleh nilai harapan kuadrat tengah sesuai dengan sifat modelnya (Model I, Model II dan Model III) adalah sebagai berikut: 1. ij N ( 0, 2 ) sehingga E ( ij ) = 0 dan E ij E ( ij ) 2. a. Model I (Model Tetap): b. c. d.

2 = E ( ij ) = 2
b

=
i =1 i j =1 a

= ( )ij = ( )ij = 0
i =1 j =1

2 2 Model II (Model Acak): i N ( 0, ) , j N ( 0, ) dan ( )ij N ( 0, ) 2

Model III ( tetap, acak):

= ( )
i =1 i i =1

ij

2 = 0 dan j N ( 0, )

2 Model III ( acak, tetap): i N ( 0, ) dan

j =1

= ( )ij = 0
j =1

Dengan demikian, prosedur penentuan uji F harus didasarkan atas hasil nilai harapan kuadrat tengah pada Tabel 9 yaitu seperti disajikan pada Tabel 10.

Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi

Jurusan MSP, FPIK IPB

6/7

Mennofatria Boer

Tabel 10.

Statistik Uji pada PB axb dengan RAL bagi Model I, Model II dan Model III, Yijk = + i + j + ( )ij (i = 1, 2, , a; j = 1, 2, , b; k = 1, 2, , n) . Derajat Bebas Jumlah Kuadrat Kuadrat Tengah Model I Model II Fhit Model III Model III ( tetap, acak) ( acak, tetap)
KTA KTAB KTB KTS KTAB KTS

Sumber Keragaman

Perlakuan/Atribut A B AB Galat Percobaan Total


a 1

JKA JKB JKAB JKS JKT

KTA KTB KTAB KTS

b 1

( a 1)( b 1)
ab(n 1)

KTA KTS KTB KTS KTAB KTS

KTA KTAB KTB KTAB KTAB KTS

KTA KTS KTB KTAB KTAB KTS

abn 1

B. PB axbxc dengan RAL Model observasi PB axbxc dengan RAL ditulis Yijkl = + i + j + ( )ij + k + ( )ik + ( ) jk + ( )ijk + ijkl
(i = 1, 2, , a; j = 1, 2, , b; k = 1, 2, , c; l = 1, 2, , n) . Tabel Sidik Ragam (TSR) lengkap dengan Nilai Harapan Kuadrat Tengah, E(KT) disajikan pada Tabel 11.

Tabel 11. Nilai Harapan Kuadrat Tengah PB axbxc yang Dilaksanakan dengan RAL bagi Model I dan II, Yijkl = + i + j + ( )ij + k + ( )ik + ( ) jk + ( )ijk + ijkl (i = 1, 2, , a; j = 1, 2, , b;
k = 1, 2, , c; l = 1, 2, , n) .

Sumber Keragaman

Nilai Harapan Kuadrat Tengah Model I Model II


bcn a 2 i a 1 i =1 acn b 2 2 + j b 1 j =1

Perlakuan/Atribut A B C AB AC BC ABC Galat Percobaan Total

2 +

2 2 2 2 2 + n + cn + bn + bcn

2 2 2 2 2 + n + cn + an + acn

abn c 2 k c 1 k =1 a b cn 2 2 + ( )ij (a 1)(b 1) i =1 j =1 a c bn 2 2 + ( )ik (a 1)(c 1) i =1 k =1 b c an 2 + ( )2jk (b 1)(c 1) j =1 k =1 a b c n 2 2 + ( )ijk (a 1)(b 1)(c 1) i =1 j =1 k =1

2 +

2 2 2 2 + n + bn + an + abn 2

2 2 2 + n + cn 2 2 2 + n + bn 2 2 2 + n + an 2 2 + n

Asumsi yang harus dipenuhi untuk memperoleh nilai harapan kuadrat tengah sesuai dengan sifat modelnya dapat disesuaikan berdasarkan teladan-teladan terdahulu. Sedangkan untuk Model III ( dan tetap, acak) serta Model III ( tetap, dan acak), nilai harapan kuadrat tengah yang sesuai disajikan pada Tabel 12.

Jurusan MSP, FPIK IPB

Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi

Mennofatria Boer

7/7

Tabel 12. Nilai Harapan Kuadrat Tengah PB axbxc yang Dilaksanakan dengan RAL bagi Model III ( dan tetap, acak) dan Model III ( tetap, dan acak) Yijkl = + i + j + ( )ij + k

+ ( )ik + ( ) jk + ( )ijk + ijkl (i = 1, 2, , a; j = 1, 2, , b; k = 1, 2, , c; l = 1, 2, , n) .


Sumber Keragaman Nilai Harapan Kuadrat Tengah Model III ( dan tetap, acak) Model III ( tetap, dan acak)
2 2 + bn +

Perlakuan/Atribut A B C AB AC BC ABC Galat Percobaan Total


bcn a 2 i a 1 i =1 acn b 2 + j b 1 j =1
a b cn 2 ( )ij (a 1)(b 1) i =1 j =1

2 2 2 2 + n + bn + cn +

bcn a 2 i a 1 i =1

2 2 + an 2 2 + n
2 2 + n +

2 2 2 + an + acn

2 2 + an + abn 2 2 2 2 + n + cn 2 2 2 + n + bn
2 2 + an

2 2 + bn 2 2 + an 2 2 + n

2 2 + n

Dengan demikian, prosedur penentuan uji F harus didasarkan atas hasil nilai harapan kuadrat tengah pada Tabel 11 dan 12 yaitu seperti disajikan pada Tabel 13.
Tabel 13. Statistik Uji pada PB axbxc dengan RAL bagi Model I, Model II dan Model III, Yijkl = + i + j + ( )ij + k + ( )ik + ( ) jk + ( )ijk + ijkl (i = 1, 2, , a; j = 1, 2, , b;
k = 1, 2, , c; l = 1, 2, , n) .

Sumber Keragaman

Derajat Bebas

Jumlah Kuadrat Kuadrat Tengah Model I

Model II

Fhit Model III ( dan tetap, acak)


KTA KTAC KTB KTBC KTC KTS KTAB KTABC KTAC KTS KTBC KTS KTABC KTS

Model III ( tetap, dan acak)

Perlakuan/Atribut A B C AB AC BC ABC Galat Percobaan Total


a 1 KTA KTS KTB JKB KTB KTS KTC JKC KTC KTS KTAB JKAB KTAB KTS KTAC JKAC KTAC KTS KTBC JKBC KTBC KTS KTABC JKABC KTABC KTS

JKA

KTA

Tidak ada uji yang tepat Tidak ada uji yang tepat Tidak ada uji yang tepat
KTAB KTABC KTAC KTABC KTBC KTABC KTABC KTS

Tidak ada uji yang tepat

b 1
c 1

( a 1)( b 1) ( a 1)( c 1) ( b 1)( c 1) ( a 1)( b 1)( c 1)


abc(n 1) abcn 1

KTB KTBC KTC KTBC KTAB KTABC KTAC KTABC KTBC KTS KTABC KTS

JKS JKT

KTS

Pustaka: Ostle, B. 1966. Statistics in Research. 2nd edition. Oxford & IBH Pub., Co., Calcutta. 585p.
Jakarta, 28 Mei 2005 Mennofatria Boer (Catatan: Mohon maaf, ada kemungkinan salah ketik, harap diperiksa ulang).

Bidang Kajian Biomatematika, Bioinformatika dan Biostatistika, Labo MSPi

Jurusan MSP, FPIK IPB