Anda di halaman 1dari 28

Repeated Measures

Tugas Rancangan Percobaan RANCANGAN PERCOBAAN DENGAN PENGAMATAN BERULANG

INDAH RAHMIYANTI SRIPEBRI C. SANGGANNA

H121 09 260 H121 09 262

PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS HASANUDDIN 2012

Repeated Measures

TUGAS I

DATA REPEATED MEASURE

Repeated Measures

Suatu percobaan dilakukan dengan pemberian sejenis obat yang dianggap ampuh untuk menurunkan berat badan dan kadar trigliserida dalam darah dan melihat respon dari pemberian obat tersebut terhadap dua kelompok jenis kelamin yang berbeda, yaitu pria dan wanita. 16 orang pria dan wanita diamati selama jangka waktu tertentu untuk melihat respon dari perlakuan yang diberikan. Datanya diberikan pada tabel berikut :

Tabel 1. Penurunan Kadar Trigliserida (tg) dan Berat Badan (wgt) Pasien Umur Jenis Kelamin
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 45 56 50 46 64 49 63 63 52 45 61 49 61 59 52 60 0 0 0 1 0 1 0 1 0 0 1 1 1 0 0 1

tg0
180 139 152 112 156 167 138 160 107 156 94 107 145 186 112 104

tg1
148 94 185 145 104 138 132 128 120 103 144 93 107 142 107 103

tg2
106 119 86 136 157 88 146 150 129 126 114 156 129 128 103 117

tg3
113 75 149 149 79 107 143 118 195 135 114 148 86 122 89 79

tg4
100 92 118 82 97 171 132 123 174 92 121 150 159 101 148 130

wgt0
198 237 233 179 219 169 222 167 199 233 179 158 157 216 257 151

wgt1
196 233 231 181 217 166 219 167 200 229 181 153 151 213 255 146

wgt2
193 232 229 177 215 165 215 166 196 229 176 155 150 210 254 144

wgt3
188 228 228 174 213 162 215 162 196 229 173 155 145 210 252 144

wgt4
192 225 226 172 214 161 210 161 193 226 173 154 143 206 249 140

HASIL DAN PEMBAHASAN

Repeated Measures

Data repeated measures diolah dengan software SPSS 16.0 dengan langkah sebagai berikut: Input data ke dalam program SPSS 16.0. Notasi tg menunjukkan kadar trigliserida dan wgt menunjukkan berat badan objek yang diamati. Pilih menu Analyze kemudian General Linear Model. Setelah itu, pilih Repeated Measures. Pilih number of levels, isikan angka 5. Hal ini dikarenakan terdapat 5 ukuran level setelah itu pilih add. Pada menu measures name, dilakukan dua macam pengukuran yakni mengukur trigliserida (tg) dan berat badan (wgt). Setelah itu, pilih add dan define. Blok pengukuran tg0 hingga tg4, dan wgt0 hingga wgt4 yang didefiniskan sebagai within-subjects variables, jenis kelamin sebagai between-subjects factors, serta umur sebagai covariate. Setelah itu, pilih OK. Pada kotak dialog model, pada sum of squares pilih Tipe III. Setelah itu, pilih continue. Pada kotak dialog contracts, ganti polynomial menjadi repeated kemudian pilih change >> continue. Pada kotak Plots, pilih factor 1 sebagai Horizontal Axiz dan jenis kelamin sebagai Separate Lines. Pilih add. Pada kotak dialog Option, pilih estimate of effect size, SCCP matriks, Homogeneity Test. Pilih continue. Klik OK.

Repeated Measures

Adapun hasil pengelolaan data dengan SPSS 16.0 beserta intepretasi dari data kadar trigliserida dan berat badan pada 16 orang pria dan wanita diberikan sebagai berikut:

1. Plot Profil tg

Keterangan: 0 Pria 1 Wanita

Gambar 1. Plot Profil Kadar Trigliserida (tg)

Untuk plot profil kadar trigliserida (tg) terlihat bahwa kadarnya menurun setelah beberapa minggu pengamatan pada pria dibandingkan wanita.

Repeated Measures

Keterangan: 0 Pria 1 Wanita

Gambar 2. Plot Profil Berat Badan (wgt)

Untuk plot profil berat badan terlihat bahwa baik pria maupun wanita menunjukkan penurunan berat badan yang sama setelah beberapa minggu pemberian obat diberikan.

2. Deskripsi Between and Within Subjects Within-subject atau pengaruh dari individu atau objek yang sama untuk memberikan kontribusi pada skor setiap kelompok adalah Trigliserida (tg) dan berat badan (wgt), yang menunjukkan nilai dari data setiap individu. Sementara between-subjects factors merupakan ukuran pengaruh dari subjek yang berbeda terhadap setiap kelompok yakni dari jenis kelamin. Output yang diberikan yakni:

Repeated Measures

Tabel 2. Within-Subjects Factors Trigliserida dan Berat Badan


Within-Subjects Factors Dependent Measue factor1 tg 1 2 3 4 5 wgt 1 2 3 4 5 tg0 tg1 tg2 tg3 tg4 wg0 wg1 wg2 wg3 wg4 Variable

Tabel 3. Between-Subjects Factors Jenis Kelamin


Value Label Jenis Kelamin 0 1 Male Female N 9 7

Repeated Measures

3. Pengujian Between-Subjects Effect Univariate Tabel 4. Levene's Test of Equality of Error Variancesa
Levene's Test of Equality of Error Variances F tg0 tg1 tg2 tg3 tg4 wgt0 wgt1 wgt2 wgt3 wgt4 .614 .658 2.171 2.264 .000 1.230 .147 .685 .836 .549 df1 1 1 1 1 1 1 1 1 1 1 df2 14 14 14 14 14 14 14 14 14 14
a

Sig. .446 .431 .163 .155 .992 .286 .707 .422 .376 .471

Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + Umur + JK Within Subjects Design: Pengukuran

Hipotesis: H0 H1 : ada pengaruh jenis kelamin dan umur terhadap penurunan berat badan dan kadar kolesterol. : tidak ada pengaruh jenis kelamin dan umur terhadap penurunan berat badan dan kadar kolesterol. Berdasarkan output dari software SPSS 16.0 didapatkan nilai sebagai berikut: tg0 = 0.446 tg1 = 0.431 tg2 = 0.163 tg3 = 0.155 tg4 = 0.992 wgt0 = 0.286 wgt1 = 0.707 wgt2 = 0.422 wgt3 = 0.376 wgt4 = 0.471

Repeated Measures

Dapat dilihat bahwa semua nilai hasil pengujian memperlihatkan nilai hasil uji dengan nilai sig dari triglesirida dan berat badan > 0.05 sehingga H0 ditolak berarti tidak ada pengaruh antara jenis kelamin dan umur terhadap penurunan berat badan dan kadar kolesterol.

4. Pengujian Between- Subjects Effect Multivariate Tabel 5. Tests of Between-Subjects Effects


Tests of Between-Subjects Effects Transformed Variable:Average Measur Source Intercept e Tg Wgt Umur Tg Wgt JK Tg Wgt Error Tg Wgt Type III Sum of Squares 22078.158 47882.231 166.436 182.482 55.321 64366.349 10563.335 18334.000 df 1 1 1 1 1 1 13 13 Mean Square 22078.158 47882.231 166.436 182.482 55.321 64366.349 812.564 1410.308 F 27.171 33.952 .205 .129 .068 45.640 Sig. .000 .000 .658 .725 .798 .000 Partial Eta Squared .676 .723 .016 .010 .005 .778

Dari tabel dapat dilihat bahwa : Untuk jenis kelamin, nilai sig. tg > 0.05 dan nilai sig. wgt < 0.05, dengan demikian dapat disimpulkan: 1. jenis kelamin tidak memiliki pengaruh atau tidak memiliki keterkaitan dengan perubahan trigliserida. 2. jenis kelamin memiliki pengaruh atau memiliki keterkaitan dengan perubahan berat badan. Untuk umur, nilai sig. tg > 0.05 dan nilai sig. wgt > 0.05, dengan demikian dapat disimpulkan: 1. Umur tidak memiliki pengaruh atau tidak memiliki keterkaitan dengan perubahan trigliserida.

Repeated Measures

2. Umur tidak memiliki pengaruh atau tidak memiliki keterkaitan dengan perubahan berat badan.

3. Pengujian Within- Subjects Effect Univariate Tabel 6. Mauchly's Test of Sphericityb


Mauchly's Test of Sphericity Within Subjects Effect Pengukuran Measure tg wgt Mauchly's W .381 .431 Approx. ChiSquare 11.019 9.611 df 9 9 Sig. .279 .388 GreenhouseGeisser .783 .788 Huynh-Feldt 1.000 1.000 Lower-bound .250 .250
b

Epsilon

Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept + Umur + JK Within Subjects Design: Pengukuran

Berdasarkan tabel pengujian Mauchlys Test of Sphericityb terlihat bahwa nilai sig. untuk tg (trigliserida) = 0.279 dan nilai sig. untuk wgt (berat badan) = 0.388. Nilai keduanya lebih besar dari 0.05, sehingga terdapat perbedaan yang signifikan terhadap perbedaan nilainya. Dengan demikian, dapat disimpulkan bahwa tidak ada pengaruh antara jenis kelamin terhadap kecepatan pengurangan berat badan serta penurunan kadar kolesterol.

10

Repeated Measures

KESIMPULAN

Berdasarkan hasil yang didapatkan pada pembahasan dapat disimpulkan bahwa: Melalui plot profil trigliserida (tg) didapatkan bahwa kadarnya menurun setelah beberapa minggu pengamatan pada pria dibandingkan wanita. Sedangkan melalui plot profil berat badan (wgt) didapatkan bahwa baik pria maupun wanita menunjukkan penurunan berat badan yang sama setelah beberapa minggu pemberian obat diberikan. Melalui pengujian between-subjects effect univariate, pengujian Betweensubjects effect multivariate, dan pengujian within-subject univariate masing- masing didaptkan nilai uji dan nilai signifikansinya berada di atas 0.05, dengan kata lain tidak ada pengaruh umur dan jenis kelamin terhadap pengurangan berat badan dan penurunan kadar trigliserida.

11

Repeated Measures

TUGAS II

12

Repeated Measures

BAB I PENDAHULUAN

I. Latar Belakang Percobaan pada umumnya dilakukan untuk menemukan sesuatu. Oleh karena itu, secara teoritis, percobaan diartikan sebagai tes (Montgomery, 1991) atau penyelidikan terencana untuk mendapatkan fakta baru (Steel dan Torrie, 1995). Dan rancangan percobaan dapat diartikan sebagai tes atau serangkaian tes dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga kita dapat mengamati dan

mengidentifikasi alasan-alasan perubahan pada respon output (Montgomery, 1991). Sedangkan menurut Milliken dan Johnson (1992) rancangan percobaan merupakan hal yang sangat berhubungan dengan perencanaan penelitian untuk mendapatkan informasi maksimum dari bahan-bahan yang tersedia. Dan dapat juga diartikan sebagai seperangkat aturan/cara/prosedur untuk menerapkan perlakuan kepada satuan percobaan (Steel dan Torrie, 1995). Dalam rancangan percobaan dikenal tiga prinsip utama yakni: 1. Ulangan Ulangan adalah diterapkannya satu perlakuan kepada lebih dari satu satuan percobaan. Ulangan merupakan hal yang penting dalam suatu penelitian dan mempunyai fungsi untuk (1) Menyediakan galat percobaan; (2) Meningkatkan presisi dengan menurunkan simpangan baku); (3) Meningkatkan generalisasi (jika ulangan dilakukan a.l. pada tempat, waktu, bahan yang berbeda). Besarnya ulangan ditentukan oleh: (1) besarnya perbedaan yang ingin dideteksi; dan (2) keragaman data dan jumlah perlakuan. 2. Pengacakan Pengacakan adalah yang mendasari metode statistika dalam rancangan percobaan. Pengacakan adalah penerapan perlakuan kepada satuan percobaan sehingga semua atau setiap satuan

13

Repeated Measures

percobaan mempunyai peluang yang sama untuk menerima suatu perlakuan. Konsep pengacakan ini berlaku juga untuk pengambilan subsampel atau penentuan satuan pengamatan. Pengacakan berfungsi: (1) Menghindarkan bias yaitu menjamin penduga tidak bias untuk nilai tengah perlakuan dan galat percobaan; (2) Menjamin adanya kebebasan antarpengamatan; (3) Mengatasi sumber keragaman yang diketahui namun tidak dapat diduga pengaruhnya 3. Pengelompokan Pengelompokan adalah teknik yang digunakan untuk meningkatkan ketelitian percobaan. Pengelompokan dilakukan jika terdapat sumber keragaman yang dapat diketahui dan pengaruhnya dapat diperkirakan. Bahan percobaan disusun ke dalam kelompokkelompok satuan percobaan yang relatif seragam. Dalam rancangan percobaan dikenal rancangan percobaan

pengamatan berulang. Percobaan dengan pengamatan berulang memerlukan penanganan model analisis yang lain dari model rancangan dasar agar informasi yang diperoleh lebih luas. Percobaan rancangan percobaan banyak diaplikasikan dalam berbagai bidang, salah satunya dalam peternakan. Dalam makalah ini diberikan percobaan pengamatan berulang pada peternakan babi.

II. Rumusan Masalah Berdasarkan latar belakang, diberikan rumusan masalah: Apakah ada pengaruh perbedaan jenis kelamin terhadap perubahan berat badan babi mulai dari lahir hingga mencapai umur 20 minggu?

III. Tujuan Penulisan Adapun tujuan dari penulisan makalah ini yakni untuk mengetahui adanya pengaruh perbedaan jenis kelamin terhadap perubahan berat badan babi.

14

Repeated Measures

BAB II METODOLOGI PENELITIAN

I. Pengertian Rancangan Percobaan dengan Pengamatan Berulang Rancangan percobaan dengan pengamatan berulang (repeated measures) muncul dalam berbagai bidang kehidupan. Pengamatan berulang adalah pengamatan dari suatu respon yang dilakukan lebih dari satu kali pada waktu yang berbeda selama masa penelitian. Banyak percobaan yang dilakukan baik di lapangan maupun laboratorium, pengukuran respon dari unit-unit percobaan dilakukan berulang-ulang pada waktu yang berbeda. Misalnya percobaan melihat pengaruh pemupukan pada tanaman cabe. Perlakuan pemupukan N yang dicobakan yaitu dosis (0, 100, 200, 300kg/h). Pengamatan produksi dilakukan beberpa kali panen, misal 3 kali panen pertama. Percobaan pengamatan berulang memerlukan penanganan model analisis yang lain dari model rancangan dasar agar informasi yang peroleh lebih luas. Disamping perlakuan yang dicobakan tentunya juga diharapkan mampu melihat perkembangan/pertumbuhan respon selama penelitian berjalan. Analisis untuk rancangan semacam ini mengikuti pola rancangan split plot dengan perlakuan yang dicobakan dialokasikan sebagai petak

utama dan waktu pengamatan dipandang sebagai faktor tambahan yang dialokasikan sebagai anak petak atau satuan yang terkecil. Rancangan pengamatan berulang digunakan pada percobaan yang responnya diamati atau diukur beberapa kali dalam jangka waktu tertentu dan setiap subjek menerima perlakuan yang dialokasikan secara acak. Tujuan dari rancangan pengamatan berulang ini adalah untuk menyelidiki kecepatan perubahan dari satu periode waktu ke periode waktu berikutnya, atau dengan kata lain ingin diketahui pengaruh perlakuan terhadap pola pertumbuhan berdasarkan respons yang diamati. Selain itu juga ingin diketahui pengaruh interaksi antar perlakuan dan periode waktu pengamatan.

15

Repeated Measures

Berbeda halnya dengan analisis ragam biasa, pada pengamatan berulang ini akan terdapat korelasi diantara respons yang diukur. Hal ini terjadi karena pengambilan respons diukur dari subjek yang sama dari waktu ke waktu. Jika jangka waktu pengambilan respons semakin dekat maka korelasi yang terjadi juga semakin dengan pengamatan berulang terdapat besar. Dalam analisis ragam dua bagian utama total

keragaman, yaitu yang berasal dari lapis subjek dan lapis subjek waktu. Keragaman lapis subjek dibagi lagi menjadi keragaman untuk pengaruh utama dan pengaruh interaksi. Sedangkan keragaman pada lapis

subjek waktu dibagi menjadi pengaruh utama dari waktu ke waktu itu sendiri dan pengaruh interaksi antara waktu dengan faktor-faktor percobaan. Respon yang diamati dalam suatu percobaan kadang kadang tidak tunggal, melainkan sebanyak p buah (p2), sehingga diperlukan analisis dalam bentuk multivariat. Bila dalam suatu penelitian percobaan dikaji pengaruh dari berbagai perlakuan terhadap lebih dari satu respon, maka metode analisis yang tepat adalah analisis ragam multivariat. Analisis ragam multivariat ini dapat diterapkan pada rancangan faktor tunggal maupun rancangan multifaktor. Setiap bentuk rancangan akan mempunyai

analisis ragam multivariat yang bersesuaian. Manova untuk RAL in Time dapat dipandang sebagai manova split-plot. Asumsi pengamatan berulang (repeated measure), diantaranya adalah : 1. 2. 3. Variable berskala interval atau ratio (continuous). Dependent variable memiliki normally distributed. Asumsi Sphericity (mirip uji homokedastisitas). Sphericity adalah kondisi dimana varians dari perbedaan antara semua grup terkait kombinasi (tingkat) adalah sama. Pelanggaran Sphericity adalah ketika varians dari perbedaan antara semua grup terkait kombinasi tidak sama. Sphericity dapat disamakan dengan homogenitas varians di antara subjek Anova. 4. Pengukuran dilakukan lebih dari dua kali.

16

Repeated Measures

Suatu percobaan faktor tunggal (misalnya A) dengan a buah taraf faktor, waktu pengamatan dilakukan b kali, satuan percobaan relatif homogen masing masing perlakuan diulang n kali, respon yang diamati sebanyak p buah (p2), mempunyai model linier setiap pengamatan:

di mana : : pengamatan respon ke dari satuan percobaan ke yang

memperoleh taraf ke faktor A dan waktu pengamatan ke . : rata-rata dari respon ke . : pengaruh taraf ke faktor A terhadap respon ke . : komponen galat(a) : pengaruh waktu pengamatan ke terhadap respon ke . : pengaruh interaksi taraf ke faktor A dan waktu pengamatan ke terhadap respon ke . : komponen galat(b)

II. Data Repeated Measures Data di bawah ini merupakan data yang terdiri dari berat badan (kg) dari babi jantan dan babi betina dari peternakan Jabalpur. Data dikumpulkan dengan interval 4 minggu, dimulai sejak lahir hingga mencapai usia 20 minggu untuk melihat adanya pengaruh perbedaan jenis kelamin jantan dan betina terhadap penambahan berat badan. Data tersebut diberikan sebagai berikut:

17

Repeated Measures

Tabel 1. Berat Badan Babi Peternakan Jabalpur Animal Number 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Sex Male Male Male Male Male Male Male Male Female Female Female Female Female Female Female Female 0 1 1 0.8 0.8 0.8 0.8 0.8 0.8 1 1.2 1 0.8 0.8 1 1 1 4 4.8 4.2 4 4 5 3.2 3.2 3.4 5.4 4.8 4.6 4.2 3.8 5.4 6 3.4 Week 8 12 12.6 16 7 10 6 6.4 6 9 9.4 11 7 10 5.5 7.4 7 8.7 10 13 12.6 16 13 18 8 11 7 7.2 11 14 5.4 10 7.8 10

16 21 14 10 13 14 15 12 12.4 17.4 20 22 13 12 19 17 13

20 1.6 22 15 21 23 22 17 19.2 26.4 21 24 18 19 22 26.8 17.8

18

Repeated Measures

BAB III PEMBAHASAN

Data repeated measures diolah dengan software SPSS 16.0 dengan langkah sebagai berikut: Input data ke dalam program SPSS 16.0. Notasi wgt menunjukkan berat badan objek yang diamati (dalam hal ini babi jantan dan babi betina). Pilih menu Analyze kemudian General Linear Model. Setelah itu, pilih Repeated Measures. Pilih number of levels, isikan angka 6. Hal ini dikarenakan terdapat 6 ukuran level setelah itu pilih add. Pada menu measures name, dilakukan satu macam pengukuran yakni mengukur berat badan. Setelah itu, pilih add dan define. Blok pengukuran B0 hingga B20 yang didefiniskan sebagai withinsubjects variables dan gender sebagai between-subjects factors. Setelah itu, pilih OK. Pada kotak dialog model, pada sum of squares pilih Tipe III. Setelah itu, pilih continue. Pada kotak dialog contracts, ganti polynomial menjadi repeated kemudian pilih change >> continue. Pada kotak Plots, pilih factor 1 sebagai Horizontal Axiz dan gender sebagai Separate Lines. Pilih add. Pada kotak dialog Option, pilih estimate of effect size, SCCP matriks, Homogeneity Test. Pilih continue. Klik OK.

Adapun hasil pengelolaan data dengan SPSS 16.0 beserta intepretasi dari data berat badan babi pada peternakan Jabalpur diberikan sebagai berikut:

19

Repeated Measures

5. Plot Profil

Keterangan: 0 Babi Jantan 1 Babi Betina

Gambar 1. Plot Profil Berat Badan Babi

Untuk plot profil berat badan babi terlihat bahwa baik untuk babi jantan dan babi betina menunjukkan perubahan berupa penambahan berat badan yang sama setelah beberapa minggu pengamatan.

6. Deskripsi Between and Within Subjects Within-subject atau pengaruh dari individu atau objek yang sama untuk memberikan kontribusi pada skor setiap kelompok adalah Berat Badan Babi, yang menunjukkan nilai dari data setiap babi. Sementara between-subjects factors merupakan ukuran pengaruh dari subjek (dalam hal ini babi) yang berbeda terhadap setiap kelompok yakni dari jenis kelamin (jantan dan betina). Output yang diberikan yakni:

20

Repeated Measures

Tabel 2. Within-Subjects Factors Berat Badan Babi


factor1 1 2 3 4 5 6 Dependent Variable B0 B4 B8 B12 B16 B20

Tabel 3. Between-Subjects Factors Berat Badan Babi


Value Label Jenis Kelamin 0 1 Jantan Betina N 8 8

7. Pengujian Between-Subjects Effect Univariate Tabel 4. Levene's Test of Equality of Error Variancesa
F Berat Badan Minggu ke-0 Berat Badan Minggu ke-4 Berat Badan Minggu ke-8 Berat Badan Minggu ke-12 Berat Badan Minggu ke-16 Berat Badan Minggu ke-20 .127 .619 .749 .899 .795 1.080 df1 1 1 1 1 1 1 df2 14 14 14 14 14 14 Sig. .727 .445 .401 .359 .388 .316

Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + Gender Within Subjects Design: factor1

21

Repeated Measures

Hipotesis: H0 H1 : ada pengaruh jenis kelamin terhadap perubahan berat badan babi. : tidak ada pengaruh jenis kelamin terhadap perubahan berat badan babi. Berdasarkan output dari software SPSS 16.0 didapatkan nilai sebagai berikut: B0 = 0.727 B4 = 0.445 B8 = 0.401 B12 B16 B20 = 0.359 = 0.388 = 0.316

Dapat dilihat bahwa semua nilai hasil pengujian memperlihatkan nilai hasil uji dengan nilai sig > 0.05 sehingga H0 ditolak berarti tidak ada pengaruh antara jenis kelamin babi terhadap perubahan berat badan babi.

8. Pengujian Between- Subjects Effect Multivariate

Tabel 5. Tests of Between-Subjects Effects


Measure:wgt Transformed Variable:Average Type III Sum of Source Squares df 1 1 14 Mean Square F 1592.010 16.674 2.680 593.994 6.221 Sig. .000 .026 Partial Squared .977 .308 Eta

Intercept 1592.010 Gender Error 16.674 37.522

Dari tabel dapat dilihat bahwa nilai sig. wgt < 0.05, dengan demikian dapat disimpulkan jenis kelamin memiliki pengaruh atau memiliki keterhubungan dengan perubahan berat badan.

22

Repeated Measures

9. Pengujian Within- Subjects Effect Univariate Tabel 6. Mauchly's Test of Sphericityb


Measure:wgt Within Subjects Effect Mauchly's W Approx. Square 99.613 Chidf 14 Sig. .000 Epsilona GreenhouseGeisser .295 LowerHuynh-Feldt bound .345 .200

factor1 .000

Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept + Gender Within Subjects Design: factor1

Berdasarkan tabel pengujian Mauchlys Test of Sphericityb terlihat bahwa nilai sig. untuk wgt (berat badan) = 0.000. Nilai ini lebih kecil dari 0.05, sehingga tidak terdapat perbedaan yang signifikan terhadap perbedaan nilainya. Dengan demikian, dapat disimpulkan bahwa terdapat pengaruh antara jenis kelamin terhadap perubahan berat badan babi.

23

Repeated Measures

BAB IV PENUTUP

Berdasarkan hasil yang didapatkan pada pembahasan dapat disimpulkan bahwa: Melalui plot profil didapatkan bahwa baik babi jantan maupun babi betina menunjukkan perubahan berupa penambahan berat badan. Melalui pengujian between-subjects effect univariate didapatkan nilai uji dan nilai signifikansinya berada di atas 0.05, dengan kata lain tidak ada pengaruh jenis kelamin terhadap perubahan berat badan babi. Melalui pengujian Between-subjects effect multivariate, dan pengujian within-subject univariate masing- masing didapatkan nilai uji dan nilai signifikansinya berada di bawah 0.05, dengan kata lain ada pengaruh jenis kelamin terhadap perubahan berat badan babi.

24

Repeated Measures

TUGAS III

25

Repeated Measures

Bagaimanakah ketidakhomogenan? Jawaban:

solusi

jika

data

terjadi

ketidaknormalan

maupun

Asumsi Normalitas Normalitas berarti nilai residual terkait dengan nilai pengamatan dalam setiap perlakuan (grup) yang

harus terdistribusi secara normal. Jika nilai pun akan berdistribusi normal.

residual terdistribusi secara normal, maka nilai

Apabila ukuran sampel dan varians sama, maka uji ANOVA sangat tangguh terhadap asumsi normalitas. Dampak dari ketidaknormalan tidak terlalu serius, namun apabila ketidaknormalan tersebut disertai dengan ragam yang heterogen (terjadi heteroskedastisitas), masalahnya dapat menjadi serius. Dalam praktiknya, jarang ditemukan sebaran nilai pengamatan yang mempunyai bentuk ideal, seperti distribusi normal, maupun sebaliknya. Terkadang, sebaran nilai pengamatan memiliki bentu skewned atau multimodal yang disebabkan keragaman dari sampling. Keragaman ini terjadi apabila ukuran sampel yang terlalu sedikit, misalnya kurang dari 8 12 (Keppel dan Wickens, 2004; Tabachnick dan Fidell, 2007), atau apabila terdapat outliers. Outlier biasanya terjadi karena adanya kesalahan, terutama kesalahan dalam entri data, salah dalam pemberian kode, kesalahan partisipan dalam mengikuti instruksi, dan lain sebagainya. Hal lain yang bisa merusak asumsi kenormalan adalah apabila dalam melakukan pengacakan (randomization) tidak sesuai dengan prinsip pengacakan suatu rancangan percobaan. Konsekuensi akibat data yang tidak menyebar normal adalah menyebabkan keputusan yang berada di bawah dugaan (under estimate) atau di atas dugaan (over estimate) terhadap taraf nyata percobaan yang sudah ditentukan. Meskipun demikian, perlu diingat bahwa dalam asumsi analisis ragam (syarat kecukupan model), uji kenormalan merupakan hal yang tidak terlalu penting dibandingkan dengan uji lainnya. Jika terjadi ketidaknormalan, maka beberapa solusi yang perlu dilakukan adalah:

26

Repeated Measures

Usahakan banyaknya ulangan sama untuk setiap perlakuan karena ukuran sampel yang seragam sangat handal terhadap ketidaknormalan. Periksa outlier, kemudian hilangkan apabila point data tersebut tidak representatif. Cek kembali kebenaan data tersebut. Pendekatan selanjutnya untuk mengurangi ketidaknormalan adalah memangkas nilai- nilai data pengamatan yang paling ekstrim, dengan tujuan untuk mengurangi pengaruh skewness dan kurtosis. Sebagai contoh, membuang 5% bagian atas dan bawah dari suatu distribusi (Anderson, 2001). Transformasikan data. Uji non parametrik.

Asumsi Homoskedastisitas Homoskedastisitas berarti bahwa ragam dari nilai residual bersifat konstan. Asumsi homogenitas mansyaratkan bahwa dalam distribusi residu untuk masingmasing perlakuan atau kelompok harus memiliki ragam yang sama. Dala prakteknya, homogenitas berarti bahwa nilai pada setiap level variabel

independen masing- masing beragam di sekitar nilai rata- ratanya. Ketidakhomogenan ragam lebih serius dibandingkan dengan

ketidaknormalan data karena dapat mempengaruhi Uji- F. Hal ini akan meningkatkan kesalahan tipe I. Ragam yang heterogen merupakan penyimpangan asumsi dasar pada analisis ragam. Data yang seperti ini tidak layak untuk dianalisis ragam, artinya untuk bisa dianalisis ragam, data harus memiliki ragam yang homogen. Penyebab heteroskedastisitas terjadi ketika penentuan taraf atau klasifikasi dari faktor (variabel independent) misalnya jenis kelamin, varietas, mempunyai keragaman alami yang unik dan berbeda. Selain itu, heteroskedastisitas terjadi ketika manipulasi faktor perlakuan yang menyebabkan suatu objek (tanaman, peserta, dan sebagainya) mempunyai karakteristik atau perilaku yang cenderung lebih sama atau berbeda dibandingkan dengan kontrol. Terakhir,

27

Repeated Measures

heteroskedastisitas terjadi ketika keragaman dari respon (variabel dependent) berhubungan dengan ukuran sampel yang diambil. Keragaman bisa menjadi serius apabila sampel tidak seimbang. Jika terjadi heteroskedastisitas, maka solusi yang perlu dilakukan antara lain: Menggunakan nilai taraf nyata yang lebih kecil atau lebih ketat, misalnya 0,025 sehingga kesalahan jenis I diharapkan akan tetap berada di bawah 0,05. Mentransformasikan data. Menggunakan model pendugaan lain yang lebih sesuai.

28