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
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.
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.
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 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.
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.
Yijk = ijk
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
> 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.