,...., y
J 2
) y ,....., y
IJ I1
.
X
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
]
1
: ... ...
... ...
... ...
: : : : : : : : :
... ...
: : : : : : : : :
... ...
... ...
... ...
: : : : : : : : :
... ...
... ...
1 0 0 1 0 0 1
0 1 0 1 0 0 1
0 0 1 1 0 0 1
1 0 0 0 1 0 1
0 0 1 0 1 0 1
0 0 1 0 1 0 1
1 0 0 0 0 1 1
0 1 0 0 0 1 1
0 0 1 0 0 1 1
,
1
1
1
1
1
1
1
1
1
]
1
J
I
1
1
:
, dan
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
]
1
IJ
I
I
J
J
2
1
2
22
21
1
12
11
.
Jika kita perhatikan matriks X di atas, ma-
ka terlihat bahwa kolom matrik X tidak
bebas satu sama lain. Karena
X
T
X
singu-lar, sehingga persamaan normal
tidak memberikan jawaban yang tunggal
untuk parameter yang ingin ditaksir. Agar
persa-maan normal mempunyai jawab
yang tunggal, maka syarat kendala perlu
ditam-bahkan. Kendala yang memberikan
jawa-ban seperti itu adalah
I
i
J
j
j i
1 1
0
. (2.2)
Dengan kendala tersebut, maka persamaan
normalnya Y X b X X
T T
) ( mempunyai
jawab tunggal, yaitu
16
Dwi Ispriyanti (Pendekatan Regresi Untuk Analisis Ragam Klasifikasi Dua-Arah)
.
I ... ... I
: ... : : : ... : : :
... I ... I
... J ... J
: : : : ... : : :
... ... J J
... ... J J
I ... I I J ... J J IJ
X X
T
1
1
1
1
1
1
1
1
1
1
1
]
1
0 0 1 1 1
0 0 1 1 1
1 1 1 0 0
1 1 1 0 0
1 1 1 0 0
Bila b
0
, a
1
dan b
j
merupakan penaksir dari
, dan
I
i
i
a
1
+
i j
ij
J
j
j
y b I
1
.
J b
0
+ Ja
1
+
j
j
j
j
y b
1
.
J b
0
+ Ja
2
+
j
j
j
j
y b
2
.
J b
0
+ Ja
I
+
j
IJ
j
j
y b
.
I b
0
+
+
i
i
i
i
y Ib a
1 1
.
I b
0
+
+
i
iJ J
i
i
y Ib a
.
Akibat dari kendala (2.2) , maka persama-
an di atas dapat disederhanakan menjadi
IJ b
0
=
i j
ij
y
,
b
0
=
i j
ij
y
/ IJ =
y
.
Karena
j
j
b 0
, maka persamaan baris
kedua menjadi
a
1
=
y y J / ) Jb y (
j
j
1 0 1
.
a
2
=
y y
1 .
a
I
=
y y
1
.
Karena
i
i
a 0
, maka
b
1
=
y y I / ) Jb y (
i
i
1 0 1
.
b
j
=
y
J
y
.
Jadi persamaan normal di atas menjadi
y b
0
,
.. . i
y y a
1 1
, i=1,2,...,I,
y y
b
J . j j
, j=1,2,..,I.
Persamaan (2.1) dengan mengganti para-
meternya menjadi j i ij
b a y y + +
..
.
JK
regresi
+
i j
j i
i j
.. ij
) b a ( ) y y (
2 2
, ) y y ( ) y y (
i j i j
.. j . i
+
2 2
1
JK
regresi
JKB
i
.. j .
JKA
i
.. . i
) y y ( I ) y y ( J +
2 2
JKA = jumlah kuadrat karena baris,
JKB = Jumlah kuadrat karena kolom.
JK
sisa
i j
ij ij
) y y (
2
,
dk
) J ( ) I ( ) n ( 1 1 1
) J )( I ( ) J ( ) I IJ ( 1 1 1
.
Sehingga diperoleh Tabel 2.
Tabel 2. Analisis Ragam klasifikasi 2 arah tanpa interaksi
Sumber
Keragaman
DB Jumlah Kuadrat Kuadrat Tangah
A(Baris)
B (Kolom)
Sisa
I-1
J-1
(I-1)(J-1)
i
.. . i
) y y ( J
2
j
j
y y I
2
..
) (
i j
ij ij
y y
2
) (
i
.. . i
I / ) y y ( J 1
2
j
.. j
J / ) y y ( I 1
2
) J )( I /( ) y y (
i j
ij ij
1 1
2
Total IJ-1
i j
ij
y y ) (
..
Dalam pengujian hipotesis:
1. H
0
:
1
2
0,
H
1
= minimal ada satu
I ,.., , i , i 2 1 0
.
2. H
0
:
1
2
=
0,
H
1
= minimal ada satu
17
Jurnal Matematika Vol. 10, No.1, April 2007:15-21
) J ,.., , j ( i 2 1 0
.
Untuk pengujian 1,
) J )( I /( JKS
I / JKA
F
1 1
1
.
Bila F
((I-1,(I-1)(J-1),
)
<
F untuk suatu
tertentu, maka H
0
ditolak, sebaliknya
H
1
diterima.
Untuk pengujian 2,
) J )( I /( JKS
J / JKB
F
1 1
1
.
Bila F
((J-1,(I-1)(J-1),
)
<
F untuk suatu
tertentu, maka H
0
ditolak, sebaliknya H
1
diterima.
3. ANALISIS RAGAM
KLASIFIKASI 2 ARAH DENGAN
INTERAKSI
Bila kedua faktor ada interaksi,
maka banyaknya pengamatan per sel ha-
ruslah lebih besar dari satu agar interaksi
dan sisa dapat dipisah. Dengan adanya in-
teraksi maka persamaan (1) menjadi
y
ij
= ijk ij i i
+ + + +
,
i= 1,2,,I; j= 1,2,,J; k=1,2,...,K.
K = adalah banyaknya dalam pengamatan
dalam tiap sel.
Agar persamaan normal mempunyai jawab
tunggal, maka diperlukan kendala
I
i
J
j
j i
1 1
0
,
,
ij
1 1
0
untuk setiap i,
,
j
ij
1
0
untuk setiap j.
Rata-rata keseluruhan
i j k
ijk
IJK n n y y ; /
...
Rata-rata taraf ke I faktor A
I i JK y y
i k
ijk i
,..., 2 , 1 ; /
..
j i , y y y y g
, J ,.., , j , y y b
... . j . .. i . ij ij ij
... . j . j j
dan
2 1
+
ijk
y ) y y ( ) y y ( y
... . j . ... .. i ...
+ +
) y y y y (
... . j . .. i . ij
+ +
. ij
y
JK
Regresi
=
i j k
... ijk
) y y (
2
i j k
... . ij
) y y (
2
JKA
i
... .. i
) y y ( JK
2
JKB
j
... . j .
) y y ( IK +
2
) AB ( JK
i j
... . j . .. i . ij
) y y y y ( K + +
2
JK
sisa
=
i j k
ij ijk
y y
2
.
) (
Sehingga analisis ragamnya dapat ditulis-
kan seperti pada Tabel 3.
Dalam pengujian hipotesis:
1. H
0
:
1
2
0
I
,
H
1
= minimal ada satu 0 i .
2. H
0
:
1
2
J
0,
H
1
= minimal ada satu
0
J
.
3. H
0
:
2 1
K
0,
H
1
= minimal ada satu
0
K
.
Tabel 3. Tabel Analisis Ragam Klasifikasi 2 arah dengan Interaksi
Sumber
Keragaman
DB Juml.Kuadrat Kuadrat Tangah
A(Baris)
B (Kolom)
AB(Interaksi)
Sisa
I-1
J-1
(I-1)(J-1)
IJ(K-1)
JKA
JKB
JK(AB)
JKS
s
2
A
=JKA/I-1
s
2
B
= JKB/J-1
s
2
AB
= JK(AB)/(I-1)(J-1)
s
2
= JKS/IJ(K-1)
18
Dwi Ispriyanti (Pendekatan Regresi Untuk Analisis Ragam Klasifikasi Dua-Arah)
Total IJK-1 JKT
Untuk pengujian 1,
) K ( IJ / JKS
I / JKA
F
1
1
.
Bila F
((I-1,IJ(K-1),
)
<
F untuk suatu
ter-
tentu, maka tolak H
0
, sebaliknya H
1
diteri-
ma.
Untuk pengujian 2,
) K ( IJ / JKS
J / JKB
F
1
1
.
Bila F
((J-1)IJ(K-1),
)
<
F untuk suatu
ter-
tentu, maka tolak H
0
, sebaliknya H
1
diteri-
ma.
Untuk pengujian 3,
) K ( IJ / JKS
) J )( I /( ) AB ( JK
F
1
1 1
.
Bila F
((I-1)(J-1),IJ(K-1),
)
<
F untuk suatu
tertentu, maka tolak H
0
, sebaliknya H
1
di-
terima.
3.1. PENGGUNAAN PEUBAH
BONEKA
Cara lain untuk menangani perma-
salahan di atas adalah dengan mengguna-
kan peubah boneka. Prinsip dasar pema-
kaian peubah boneka bila mempunyai t
kelompok, maka peubah bonekanya adalah
(t-1), karena jika banyaknya peubah bo-
neka sama dengan banyaknya kelompok,
maka peubah boneka tersebut secara ke-
seluruhan tidak lagi bebas satu sama lain,
karena jumlahnya merupakan vektor yang
semua unsurnya sama dengan 1. Dalam
keadaan seperti itu maka matriks
X X
T
menjadi singular, sehingga persamaan
normal Y X b ) X X (
T T
tidak mempu-
nyai jawab yang tunggal. Banyak cara
untuk memilih peubah boneka dan kita ha-
rus hati-hati agar peubah boneka yang
dipilih tidak menjadikan matriks
X X
T
si-ngular.
Misalnya, bila ada tiga metode me-
ngajar yang ingin dibandingkan, maka di-
perlukan dua peubah boneka, peubah bo-
neka tersebut dapat dituliskan seperti be-
rikut.
X
1
=
'
'
1 0 0 0
0 0 1 0
0 0 0 1
0 0 0 0
...
3 2 1
...
: : : : :
...
...
...
X X X X
I
.
Pada kasus klasifikasi 2 arah, dalam pem-
bentukan peubah boneka, baris mempunyai
(I-1) peubah boneka, misal dinyatakan
dengan peubah X, faktor kolom mempu-
nyai (J-1) peubah boneka yang dapat di-
nyatakan dengan peubah lain, misal Z, se-
dangkan interaksinya adalah perkalian
antara XZ. Sehingga bila taraf faktor cu-
kup besar, yaitu bila I dan J besar, maka
cukup banyak peubah boneka yang harus
digunakan.
Untuk mendapatkan masing-ma-
sing jumlah kuadrat regresi yang berasal
dari satu koefisien b dapat digunakan prin-
sip jumlah kuadrat ekstra, yaitu kolom-
kolom X ortogonal terhadap kolom-kolom
Xj untuk i, j=1,2,....t (i j), dengan kata
lain
0
1
j
T
X X
, maka
) Y X ( b ) b ( JK
T T
= JK(b1) + JK(b2)
+...+JK(bt).
3.2. STUDI KASUS
Seorang pengusaha menghadapi
masalah dengan laju produksi dalam sebu-
ah pabriknya. Setelah diskusi panjang lebar
dengan bagian risetnya, diputuskan untuk
menyelidiki pengaruh dua belas kombinasi
yang berasal dari empat pereaksi dan 3
katalisator. Salah satu masalah yang diha-
dapi adalah gagalnya mencapai laju pro-
duksi yang sama dibawah kondisi yang
tampaknya identik. Untuk memperoleh ni-
lai dugaan bagi keragaman, maka dipu-
19
Jurnal Matematika Vol. 10, No.1, April 2007:15-21
tuskan untuk mengulang setiap kombinasi
perlakuan tersebut dua kali. Sehingga per-
cobaan ini terdiri dari 24 amatan, dan itu
dikerjakan secara acak. Data disajikan pa-
da Tabel 4.
Tabel 4. Data 24 amatan dari Katalisator
dan Pereaksi
Katalisator
Pereaksi 1 2 3
A 4;6 11;7 5;9
B 6;4 13;15 9.7
C 13;15 15;9 13;13
D 12;12 12;14 7;9
Sumber data : Draper N (1992)
Percobaan ini mempunyai 4 faktor baris
yaitu pereaksi yang terdiri dari 4 taraf,
sedangkan faktor kolom adalah katalisator
yang terdiri dari 3 taraf. Tiap sel mengan-
dung 2 ulangan dan ini memungkinkan
adanya interaksi antara kedua faktor, se-
hingga modelnya dapat ditulis sebagai be-
rikut.
y
ij
= ijk ij i i
+ + + +
; i = 1,2,3,4;
j= 1,2,3;
k=1,2.
Dengan menggunakan rumusrumus di-
atas dengan mudah dapat dihitung:
10,
1
-3,
2
-1,
3
3,
4
1
1
-1,
2
2,
3
-1,
11
1;
12
0;
13
1,
21
1;
22
6,
23
0,
31
32
-3;
33
1,
41
2;
42
0 ;
43
3 3 2 2 1 1 0 0
X X X X + + +
2 1 7 1 6 2 5 1 4
Z X Z X Z Z
!
+ + + +
2 3 11 1 3 10 2 2 9
Z X Z X Z X + + +
1 2 8
Z X +
.
Suku
3 3 2 2 1 1
X X X + +
untuk
pereaksi, suku
2 5 1 4
Z Z +
untuk
katalisator, suku
2 2 9 1 2 8 2 1 7 1 6
Z X Z X Z X Z X
!
+ + +
2 3 11 1 3 10
Z X Z X +
untuk interaksi
pere-aksi dan katalisator
Untuk mendapatkan kolom-kolom X orto-
gonal terhadap kolom-kolom Xj, maka di-
buat peubah boneka sebagai berikut.
Tabel 6. Data peubah boneka X
1
, X
2
, X
3
.
X1 X2 X3 Pereaksi
-1 0 -1 A
1 0 - 1 B
0 -1 1 C
0 1 1 D
Tabel 7. Data peubah boneka Z
1
, Z
2
.
Z1 Z2 Katalisator
-1 1 1
0 - 2 2
1 1 1
Dengan peubah boneka di atas dapat dibuat
matriks X yang berukuran 2412,
X X
T
suatu matrik diagonal berukuran 1212,
yaitu:
X X
T
} , , , , , , , , , { diag 48 16 24 8 48 16 24 12 12 24
,
20
Dwi Ispriyanti (Pendekatan Regresi Untuk Analisis Ragam Klasifikasi Dua-Arah)
Y X
T
, , , , , , , , { 1 8 2 4 8 0 4 8 1 2 1 2 2 4 0
18 6 ,
T
} , , , 3 6 2 0 1 8 6
.
Dengan demikian Y X ) X X ( b
T T 1
mempunyai nilai:
4 3 4 3 4 3 4 1 1 0 2 1 1 1 0 / , / , / , / , , , , , , { b
T
} / , / 4 3 4 5
,
2652 ) Y X ( b JKR
T T
,
) Y X ( b Y Y JKS
T T T
.
Tabel 8. Analisis ragam klasifikasi 2 arah
dengan Pendekatan regresi
Sumber DB JK RK F
Pereaksi
Katalisator
Katalis*Pereaksi
Galat
3
2
6
12
120
48
84
48
40
24
14
4
10.00
6.0
3.5
Total 23 300
Hasil yang diperoleh dengan menggunakan
peubah boneka sama dengan Tabel 8 di
atas, sehingga kesimpulannya sama, yaitu
ada pengaruh yang nyata pada interaksi
katalisator dan pereaksi dan sumbangan
yang paling nyata diberikan oleh b
10
dan
b
11
. Hal ini menandakan adanya interaksi
yang sesungguhnya antara X
3
dan Z
1
dengan X
3
dan Z
2
.
4. KESIMPULAN
1. Dalam analisis ragam semua
peubah bebas atau faktor bersifat
katagori, se-dangkan dalam analisis
regresi bersifat kuantitatif
2. Matrik
X X
T
pada analisis ragam
ber-sifat singular, sehingga perlu syarat
tam-bahan, sedangkan pada analisis
regresi jarang sekali hal itu terjadi.
3. Pemilihan peubah boneka adalah
hal penting dan mendapatkan jumlah
kua-drat masing-masing parameter
diguna-kan prinsip jumlah kuadrat
ekstra.
4. Semakin rumit rancangannya,
semakin rumit konversi bentuk
regresinya, dan semakin besar ukuran
matriks X nya.
5. DAFTAR PUSTAKA
[1]. Drapper, NR and Harry Smith, S.
(1992), Analisis Regresi Terapan, Edi-
si kedua, Gramedia Pustaka Utama ,
Jakarta.
[2]. R.K Sembiring. (1995), Analisis
Re-gresi, Edisi ke 2, Penerbit ITB Ban-
dung.
[3]. Kutner, Nachtsheim, Neter. (2004),
Applied Linier Regression Models, Mc
Graw-Hill, New York.
21