Acara 6.

Perancangan Perlakuan:
Percobaan Faktorial Lengkap

Tujuan : Mahasiswa dapat melakukan perancangan perlakuan dan mengerjakan analisis varians
yang sesuai dengan rancangan tersebut
Mahasiswa dapat mengerjakan rancangan percobaan faktorial, melakukan analisis, serta
menafsirkan hasilnya sesuai dengan model rancangan tersebut

Acara 5 mempelajari bagaimana grup-grup perlakuan dapat dibuat terstruktur ataupun

tidak. Dalam percobaan, struktur grup-grup perlakuan dibuat untukk membantu menjawab
hipotesis-hipotesis ikutan secara sistematis. Strukturisasi perlakuan dikenal sebagai
rancangan perlakuan (untuk membedakan dari rancangan lingkungan yang fungsinya adalah
mengendalikan sesatan).

Salah satu golongan rancangan perlakuan yang paling sering digunakan adalah apa yang
dikenal sebagai keluarga rancangan faktorial, yang mengombinasi dua atau lebih faktor.
Dalam percobaan, faktor adalah peubah terkendali berupa sekumpulan perlakuan yang
memiliki ciri (kategori) yang sama. Acara-acara kita terdahulu membicarakan percobaan satu
faktor.

Dalam struktur faktorial, suatu faktor memiliki sejumlah perlakuan yang masing-masing
disebut aras (Bhs. Inggris: level). Percobaan faktorial dengan dua faktor berarti
mengombinasi/memasangkan satu aras faktor pertama dengan satu aras dari faktor kedua.
Apabila semua aras pada satu faktor berpasangan dengan semua aras dari faktor yang
lainnya, kita menyebutnya faktorial lengkap. Dilihat dari bagaimana kombinasi pasangan aras
dibuat, ada dua kelompok percobaan faktorial lengkap, yaitu (1) berstruktur tersarang dan
(2) berstruktur tersilang. Rancangan berstruktur Tersarang tidak akan dibahas dalam
praktikum.
Rancangan Perlakuan dengan Struktur Tersilang (Crossed)

Pada acara ini, akan dibahas ketika rancangan perlakuannya lebih dari satu faktor
(faktorial), yang memiliki dua variasi: struktur tersarang (nested) dan struktur tersilang (cross)
Walaupun rancangan tersarang tidak dibahas dalam praktikum ini, ada baiknya untuk
mengetahui perbedaan mendasar struktur tersarang dan struktur tersilang karena sekilas
nampak sama. Perhatikan skema 1 dan Skema 2.

Gunungkidul Sleman Bantul

(A1) (A2) (A3)

Patuk Pakem Srandakan

(B1|A1) (B4|A2) (B7|A3)

Playen Kalasan Banguntapan

(B2|A1) (B5|A2) (B8|A3)

Tepus Turi Sedayu

(B3|A1) (B6|A2) (B9|A3)

Skema 1: Rancangan tersarang

Skema rancangan di atas merupakan skema rancangan tersarang. Pada rancangan

tersebut terdapat dua faktor, yaitu Kabupaten (tiga aras) dan Kecamatan (tiga aras). Namun,
rancangan tersebut bukanlah struktur tersilang (crossed) karena faktor kecamatan tersarang
dalam kabupaten. Kabupaten dan kecamatan tidak saling independen karena aras
kecamatan tergantung pada setiap kabupaten.

Rancangan faktorial dengan dua faktor tersilang dapat dilihat Skema 2.

Mentik Wangi IR-64

(A1) (A2)

Urea Organik Urea Organik

(B1) (B2) (B1) (B2)

Skema 2: Rancangan faktorial tersilang.

Skema 2 merupakan skema rancangan tersilang 22 karena faktor A, yaitu kultivar, memiliki
dua level/aras (Mentik Wangi dan IR-64), dan faktor B, yaitu jenis pupuk, memiliki dua aras
juga (Urea dan Organik). Perhatikan bahwa faktor A dan faktor B saling independen. Artinya,
aras untuk faktor pupuk tidak tergantung pada faktor kultivar. Singkatnya, dalam rancangan
faktorial tersilang semua aras pada suatu faktor akan bertemu dengan aras pada faktor yang
lain. Aras urea akan bertemu dengan Mentik Wangi dan IR-64. Berbeda dengan tersarang,
aras seperti Kecamatan Playen tidak mungkin bertemu dengan Kabupaten Sleman.

Percobaan faktorial pada Skema 2 adalah percobaan faktorial tersilang dua faktor
(Kultivardan Pupuk) 22 yang merupakan bentuk paling sederhana rancangan faktorial.
Rancangan faktorial tidak terbatas hanya dua faktor, tetapi bisa lebih. Sebagai misal,
kombinasi Kultivar, Jenis Pupuk, dan Tipe Tanah merupakan jenis rancangan perlakuan
faktorial tiga faktor. Namun, semakin banyak faktor yang digunakan, akan semakin kompleks
pula pengambil kseimpulannya.

Simple effects, Interaction effects, dan Main effects

Pada perlakuan faktorial terdapat tiga macam efek perlakuan faktor, yaitu, simple effects
(efek sederhana), interaction effects (efek interaksi), dan main effects (efek utama). Untuk
memahami ketiga istilah di atas, akan lebih mudah dijelaskan dengan suatu teladan. Data
berikut adalah data dengan rancangan lingkungan CRD dan rancangan faktorial 22
sehingga disebut CRD faktorial dua faktor. Ini adalah data perubahan/selisih bobot (dalam
gram) akibat pemberian pakan tambahan yang merupakan kombinasi protein dan
karbohidrat (sumber kalori).

Tabel 1. Data perubahan/delta bobot

Pakan tambahan Ulangan

1 2 3
Protein tinggi dan kalori tinggi 3 11 10
Protein rendah dan kalori rendah 13 16 13
Protein tinggi dan kalori rendah 19 21 20
Protein rendah dan kalori tinggi 17 16 21

Dari tabel tersebut, dapat dibuat tabel 2.

 Tabel 2. Perhitungan simple effects dan interaction effects data Tabel 1.

Kalori B Simple effect Kalori

Protein (A) Tinggi (B1) Rendah (B2) [ ]
Simple effect kalori
Tinggi (A1) 8 20 [1 ] = 12 11 12
pada protein tinggi
Simple effect kalori
Rendah (A2) 18 14 [2 ] = 22 21 -4
pada protein rendah
Simple effect Simple effect
1
protein pada protein pada ([1 ] [2 ]) 8
Simple effect Efek interaksi [] 2
kalori tinggi kalori rendah
Protein
[ ] [1 ] [2 ]
1 8
= 21 11 = 22 12 ([1 ] [2 ])
2
10 -6

Tabel 2 menunjukkan rerata tiap pasangan perlakuan A1B1, A1B2, A2B1, dan A2B2, secara
berturut-turut 8, 20, 18, dan 14. Simple effect faktor A pada level/aras B ke j dinotasikan
dalam bentuk [ ]. Dengan demikian, sebagai contoh, [1 ] merupakan besarnya simple

effect protein pada kalori tinggi dengan nilai 10. Simple effect ini mengukur perbedaan
selisih bobot antara protein tinggi dan protein rendah ketika yang digunakan kalori
tinggi dan rerata selisih bobot dengan protein rendah lebih tinggi daripada protein
tinggi ketika yang digunakan kalori tinggi. Begitu pula besarnya simple effect protein
pada kalori rendah adalah -6. Artinya, dan rerata selisih bobot dengan protein tinggi lebih
tinggi daripada protein rendah ketika yang digunakan kalori rendah. Coba simpulkan
simple effect untuk kalori.
Efek interaksi dihitung dari selisih dua simple effects (simple effects protein atau simple
effects kalori). Ketika efek interaksi bernilai nol, maka tidak ada interaksi pada faktor-faktor
yang digunakan. Pada contoh di atas efek interaksi bisa dihitung dengan menghitung selisih
simple effects protein ataupun simple effects kalori. Dengan perhitungan tersebut, maka
terdapat interaksi antara protein dan kalori karena selisih dua simple effects, dalam hal ini
1
simple effects protein yang dihitung dengan 2 ([1 ] [2 ]) bernilai 8.

Main effects atau efek utama adalah rerata dari dua simple effects. Sebagai contoh, main
1
effects protein adalah rerata dari dua simple effects protein, yaitu (12 + (4)) = 4. Artinya,
2

besarnya perubahan rerata selisih bobot ketika level/aras protein berubah dari tinggi
rendah adalah sebesar 4. Begitu pula dengan kalori, besarnya perubahan rerata selisih
bobot ketika level/aras kalori berubah dari tinggi rendah adalah sebesar 2. Untuk lebih
memahami simple, interaction, dan main effects, perhatikan grafik interaksi di bawah ini.

Grafik 1. Empat skenario pada rancangan perlakuan faktorial 22

Berikut tabel rerata untuk masing-masing skenario grafik di atas.

Tabel 3. Rerata faktor per skenario

Skenario (1) B1 B2 Rerata A Skenario (2) B1 B2 Rerata A

A1 10 18 14 A1 14 10 12
A2 12 20 16 A2 10 14 12
Rerata B 11 19 Rerata B 12 12

Skenario (3) B1 B2 Rerata A Skenario (4) B1 B2 Rerata A

A1 10 16 13 A1 13 14 13.5
A2 11 15 13 A2 18 12 15
Rerata B 10,5 15,5 Rerata B 15,5 13
 Pada Skenario (1), tidak terdapat interaksi karena rerata selisih simple effects adalah 0,
yaitu [(10 12) (18 20)] = 2 (2) = 0. Selain itu, kedua garis tersebut paralel
yang jelas mengindikasikan tidak ada interaksi. Namun, terdapat signifikansi pada efek
utama B karena selisih rerata antar aras faktor B cukup besar yaitu 8. Efek utama A tidak
signifikan karena selisih reratanya cukup kecil, yaitu 2.
Pada Skenario (2), terdapat interaksi karena rerata selisih simple effects tidak 0, melainkan
4. Namun, tidak ada efek utama yang signifikan karena baik rerata faktor dan faktor B yang
mengakibatkan selisihnya 0.
Pada Skenario (3), terdapat interaksi karena rerata selisih simple effects bernilai 1. Efek
utama yang signifikan hanyalah faktor B karena selisih rerata antar aras faktor B adalah 5.
Sedangkan, selisih antar aras faktor A adalah 0.
Pada Skenario (4), terdapat interaksi dan kedua efek utama yang signifikan. Efek interaksi
bernilai 3,5. Selisih antar aras faktor A adalah 2. Begitu juga untuk faktor B. Dengan demikian,
pada skenario ini baik efek interaksi dan efek utama signifikan.
Sekarang, coba perhatikan grafik interaksi antara faktor protein dan faktor kalori terhadap
perubahan bobot di bawah ini. Jelas, dari grafik maupun tabel 2 menunjukkan adanya efek
interaksi. Apakah terdapat efek utama yang signifikan? Coba perkirakan.

Grafik 2. Interaksi Protein dan Kalori

Pengujian Hipotesis
Pengujian hipotesis untuk percobaan faktorial dapat dilihat sebagai kombinasi dua faktor
yang lengkap berpasangan aras-arasnya: A1B1, A1B2, A2B1, dan A2B2. Jika empat kombinasi ini
kita pandang tanpa memperhatikan faktor-faktornya, H0 yang diuji adalah
H0: A1B1 = A1B2 = A2B1 = A2B2 =

Namun demikian, struktur faktorial yang dibuat membuat kita dapat menggali informasi
lebih jauh mengenai

i. H0: (A1B1 A1B2) = (A2B1 A2B2)= (hipotesis nol mengenai A*B, yaitu interaksi A
dengan B).
ii. H0: A1 = A2 = (hipotesis nol mengenai efek A, penyederhanaan dari
H0: (A1B1+ A1B2)= (A2B1+ A2B2)=),
iii. H0: B1 = B2 = (hipotesis nol mengenai efek B, penyederhanaan dari
H0: (A1B1 + A2B1) = (A1B2 + A2B2)= ), dan

Dalam praktik, orang jauh lebih banyak menggunakan struktur tersilang karena informasi
yang tersedia lebih banyak, sehingga inilah yang akan kita bahas.

ANOVA Faktorial Menggunakan Kontras

Analisis varians bagi struktur tersilang dapat mendeteksi keberadaan interaksi, selain
pengaruh utama. Dalam contoh kita, pengaruh utama protein, kalori dan interaksi pengaruh
protein-kalori dapat diuji dengan hipotesis-hipotesis nol berikut: Pengaruh utama protein:
H0: P1 = P2; pengaruh utama kalori: H0: K1 = K2 ; dan pengaruh interaksi protein-kalori: H0:
(P1K1+P2K2)/2= (P1K2+P2K1)/2. Perhatikan bahwa sesungguhnya P1=(P1K1+P1K2)/2, K2=
(P1K2+P2K2)/2, dst. Akibatnya, pengaruh utama protein sesungguhnya adalah Kontras1,
pengaruh utama kalori sesungguhnya adalah Kontras2, dan pengaruh interaksi adalah
Kontras3. Jadi, rancangan faktorial tersilang tidak lain adalah suatu struktur perlakuan yang
menerapkan set kontras ortogonal.
Pendekatan kontras dapat dilakukan untuk menganalisis struktur faktorial tersilang ini.
Sebagai latihan, lakukanlah analisis kontras ortogonal untuk contoh data di atas! Mulailah
dengan membuat seri kontras ortogonal (ada tiga kontras, sebut saja kontras1, kontras2, dan
kontras3) sesuai dengan tiga hipotesis formal di atas. Bukalah file R untuk acara ini.
ANOVA Faktorial Menggunakan Model Linear

Model linear rancangan faktorial apabila menggunakan rancangan lingkungan CRD

adalah

Yijk = ijk

Penduga berbagai komponennya adalah

Y... , A i Yi.. Y..., ,

B j Y. j. Y...,

( AB) ij Yij. Yi.. Y. j. Y..., dan

ijk Yijk Ai B j ( AB) ij . Untuk RCBD dan LS Design perlu tambahan komponen

mengenai blok pada model.

Untuk mempelajari pendekatan ini, lengkapi tabel berikut (buatlah di MSExcel, misalnya)
Kalori (B)
Protein (A) ..
Ai
Tinggi Rendah
Tinggi 11 12

Rendah 21 22

..


Bj

Kemudian, seperti biasa, lengkapi tabel berikut:

i j k Yijk Yij. Ai Bj ( B ij ijk
1 1 1
1 1 2
1 1 3
1 2 1
... ... ...
2 2 3
() 0 0 0 0
() 2
JKData JKPerl FK JKP JKK JKP*K JKS

Lengkapi tabel analisis varians berikut dan ujilah pengaruh perlakuan:

 Sumber Keragaman db JK RK Fhit Prob F
Perlakuan
Protein (Main effect A)
Kalori (Main effect B)
A*B (Interaction effects)
Sesatan
Total

Keuntungan menggunakan model adalah kita dapat secara langsung menggunakan

perintah aov pada perangkat lunak, misalnya R. Dengan model linear matematis seperti di
atas, baris perintah R yang bersesuaian adalah

> hasil~protein+kalori+protein:kalori atau

> hasil~protein*kalori
Tunjukkan bahwa analisis varians dengan kontras dan dengan model interaksi memberikan
hasil yang sama!
Penataan dataframe dibuat dengan membuat kolom-kolom terpisah untuk Protein dan
Kalori, tidak digabungkan dalam kolom tunggal Perlakuan. Dalam manajemen data selalu
gunakan satu kolom hanya untuk satu faktor. Jangan gunakan satu kolom untuk lebih
dari satu faktor, misalnya, pada satu kolom ditulis A1B1, A1B2, dan seterusnya. Kolom
untuk faktor A dan B harus dipisah sehingga total terdapat dua kolom.
Penyajian data yang menggunakan rancangan perlakuan faktorial adalah dengan
menggunakan grafik interaksi, bukan menggunakan tabel interaksi saja. Grafik
mempermudah kita untuk dapat melihat apakah interaksi signifikan atau tidak seperti yang
sudah ditunjukkan pada Grafik 1.

Analisis pengaruh sederhana untuk menafsirkan interaksi

Jika hipotesis nol mengenai tidak ada pengaruh interaksi (Protein*Kalori) tidak
ditolak, analisis lanjutan setelah anova dilakukan terhadap pengaruh utama (main effects),
berupa pembandingan rerata (Acara 5 & Acara 7) aras-aras faktor utama yang nyata jika
faktornya tidak berstruktur, atau kontras ortogonal aras-aras faktor utama jika faktornya ber-
struktur (Ingat: Protein maupun Kalori di sini merupakan faktor kualitatif!).
Jika interaksi bermakna, analisis dilanjutkan dengan menggabung JK pengaruh utama
dengan JK interaksi dan kemudian dipecah kembali menjadi JK pengaruh sederhana faktor
pertama (atau kedua) untuk tiap aras faktor kedua (atau pertama) jika aras faktor kedua
(pertama) tidak berstruktur. Yang mana yang dipilih mendasarkan hasil analisis dalam kaitan
dengan kemudahan dalam mengambil kesimpulan. Perhatikan uji simple effects pada
suplemen acara ini.
Hasil pengujian pengaruh utama dapat diabaikan jika interaksinya bermakna
(nyata) karena interaksi yang bermakna berarti bahwa masing-masing faktornya
berpengaruh, tetapi pengaruhnya tergantung faktor yang lainnya. Oleh sebab itu, kita
berusaha menjelaskan bagaimana kerjasama kedua faktor yang dicoba. Cara analisisnya
tergantung dari macam faktornya, apakah keduanya faktor kualitatif (dengan analisis
pengaruh sederhana), atau kuantitatif (dengan model-model regresi permukaan tanggap),
atau salah satu faktornya kualitatif dan faktor yang kedua kuantitatif (dengan analisis
pengaruh sederhana). Jika faktornya kualitatif, apakah pemilihan grup perlakuannya ter-
struktur (lanjutan dengan kontras ortogonal pada tiap aras) atau tidak (lanjutan dengan uji
pembandingan rerata pada tiap aras).