Rekabentuk Faktorial.

Definisi:

RF menggunakan lebih dari satu factor atau variable untuk kita mendapatkan
kesemua kombinasi bagi nilai kajian kita bagi semua variable yang digunakan.
RF operasi serentak ke atas variable kajian.

Konsep hala dalam ANOVA.

Kita selalu terbaca tentang ANOVA sehala, ANOVA-dua hala, ANOVA tiga hala
dan sebagainya. ANOVA sehala bermaksud kajian kita menggunakan satu faktor
sahaja atau satu independent variable sahaja. Begitu juga seterusnya, ANOVA
dua hala kita menggunakan 2 faktor (independent variable) dalam kajian dan
ANOVA tiga hala, kita menggunakan 3 faktor (independent variable) dan
begitulah seterusnya. Seperti contoh di atas, di mana kita menggunakan 3
kaedah mengajar sains. Kita menggunakan ANOVA sehala tetapi mempunyai 3
rawatan (treatment) atau aras (level). Tiga rawatan itu ialah: Kaedah A, Kaedah
B dan Kaedah C.

ANOVA dua hala bermakna kita menggunakan dua faktor (independent variable)
dalam kajian kita. Seperti contoh di atas kini kita tambah lagi satu faktor di mana
kita ingin melihat bagaimana pula prestasi lelaki dan perempuan dalam setiap
kaedah berkenaan. Adakah lelaki atau perempuan lebih baik dalam setiap
kaedah berkenaan ?. Ini bermakna, dalam kajian ini kita telah menambah Jantina
sebagai satu lagi faktor tambahan dalam kajian. Sudah ada dua faktor
(independent variable) dalam kajian ini. Di sini kita ingin melihat kaedah mana
yang lebih baik tetapi kita juga ingin melihat jantina mana mempunyai skor yang
tinggi dalam setiap kaedah tadi. Dalam hal ini kita akan melihat: (i) prestasi
pelajar secara keseluruhannya dalam setiap kaedah pengajaran, (ii) prestasi
jantina lelaki dan perempuan dan setiap kaedah tadi dan (iii) apakah interaksi
yang mungkin wujud antara kaedah dengan jantina. Kajian ini kerapkali disebut
sebagai rekabentuk dua faktorial atau ditulis sebagai Rekabentuk Faktorial 2 x 3.
( 2 untuk jantina lelaki dan perempuan dan 3 untuk kaedah mengajar Kaedah
A, Kaedah B dan Kaedah C).

Begitu pula seterusnya bagi ANOVA tiga hala akan mempunyai tiga faktor untuk
dikaji untuk dicari perbezaan minnya. Seperti contoh di atas: ANOVA satu hala,
kita mengkaji hanya kaedah pengajaran sahaja, ANOVA dua hala kita mengkaji
kaedah pengajaran dengan jantina. Kini kita tambah satu lagi faktor
(independent variable) untuk kajian ialah untuk melihat peranan bangsa (Melayu,
Cina dan India) dalam kajian kita. Dalam hal bangsa tadi, kita ada 3 rawatan
iaitu; Melayu, Cina dan India. Kajian yang seumpama ini kita katakan kajian

1
dengan tiga faktorial: kaedah (3 aras), jantina (2 aras) dan bangsa (3 aras) dan
kita panggil kajian ini sebagai rekabentuk tiga faktorial atau ditulis sebagai
Rekabentuk Faktorial 3 x 2 x 3. Jika diterjemahkan ia akan membawa makna,
kajian rekabentuk faktorial yang mempunyai 3 faktor (independent variable),
faktor kaedah pengajaran mempunyai 3 aras (Kaedah A, Kaedah B dan Kaedah
C), faktor jantina mempunyai 2 aras (lelaki dan perempuan) dan faktor bangsa
mempunyai 3 aras (Melayu, Cina dan India). Di sini kita akan melihat bagaimana
Kaedah pengajaran, jantina dan bangsa akan berperanan dalam meningkatkan
skor pelajar. Kita ingin melihat, kaedah yang mana terbaik untuk lelaki dan
kaedah mana yang paling sesuai untuk bangsa Melayu, Cina dan India. Mungkin
perempuan lebih sesuai dengan kaedah C dalam pengajaran bagi bangsa
Melayu umpamanya. Jadi di sini kita boleh tentukan kaedah mana paling sesuai
untuk perempuan dan subjek yang mana. Di sini kita akan melihat prestasi
pelajar berdasarkan: (i) kaedah pengajaran, (ii) jantina, (iii) bangsa (iv) interaksi
antara kaedah pengajaran dan jantina (v) interaksi antara kaedah pengajaran
dengan bangsa (vi) interaksi antara jantina dengan bangsa dan (vii) interaksi
antara kaedah pengajaran dengan jantina dengan bangsa.

Dalam rekabentuk factorial kia boleh mengkaji kesan dua atau lebih IV pada satu
masa yang sama. Ini akan memberikan kita maklumat pelabagai kombinasi
dalam keadaan yang berlainan. Kita ingin tahu bagaimana pencapaian lelaki
dalam kaedah pengajaran PBL berbanding dengan perempuan, begitu juga
seterusnya, pencapaian perempuan pulak dalam kaedah pengajaran secara
konteksual adakah ianya lebih sesuau digunakan untuk perempuan atau lelaki.

Kesan 2 IV dalam sesuatu eksperimen mengapa nak tahu ?

Untuk memastikan kecekapan (efficiency) dalam kajian.

Main Effect (Kesan Utama)

Kesan utama dalam eksperimen factorial ialah kesan bagi satu IV dipuratakan ke
atas setiap aras pada IV yang lain. Bagi 2 IV kita akan mempunyai 2 main effect.
(i) Kesan utama jantina di puratakan kepada semua aras kaedah pengajaran dan
(ii) kesan utama kaedah pengajaran dipuratakan kepada semua aras jantina.

Interaksi

Interaksi berlaku apabila kesan bagi satu IV adalah bergantungan ke atas aras
IV yang satu lagi.

2
Jenis-jenis Interaksi

a. Interaksi antagonistik

Dua IV cuba menterbalikkan kesan setiap IV antara satu sama lain.

Dalam Jadual x, kita dapati min bagi barisan dan kolum tidak terdapat kesan
utama bagi kedua-dua variable A atau B. Sekiranya kita lihat pada gambarajah,
kita akan dapati kewujudan interaksi

Jadual x: Interaksi Antagonistik

B A Min Barisan
A1 A2 (Kesan B)
B1 10 2 6
B2 2 10 6
Min kolum 6 6
(Kesan A)

b. Interaksi sinergistik

Satu bentuk interaksi dimana kedua-dua IV menguatkan kesan antara

satu sama lain.

c. Interaksi kesan-siling

Interaksi dimana satu variable mempunyai satu kesan yang kecil bila
dipasangkan dengan satu aras yang lebih tinggi dengan variable yang
satu lagi.

Contoh:

Seorang pengedar permainan ingin menentukan kedai yang manakah amat

berjaya dalam penjualan permainan yang telah dihasilkan oleh syarikat
berkenaan. Pengedar ini ingin membandingkan penjualan permainan dari
pelbagai jenis store (variety store, department store dan discount toy store) dari
pelbagai lokasi (Kawasan Bandar dan Pinggiran Bandar). Ini bermakna, disini
kita ada dua IV pertama jenis store dengan 3 aras, IV kedua kita ada lokasi
dengan 2 aras. DV nya pula ialah penghasilan jualan permainan dalam RM 1000
setiap minggu. Di sini kita mempunyai 3 x 2 faktorial dengan 6 sel data (3 x 2 =
6). Empat stor telah dipilih secara rawak bagi setiap 6 sel (n = 4); jualan bagi
kesemua 24 buah stor telah direkodkan (N = 24).

3
 Jadual x: Faktorial: 3 x 2

Variety Department Discount Toy

Store Store Store
Kawasan
Bandar
Pinggiran
Bandar

Pengedar stor permainan berkenaan ingi mendapatkan maklumat tentang:

a. Adakah jenis store mempengaruhi jualan permainan ?

b. Adakah lokasi stor mempengaruhi jualan permainan ?

c. Adakah pengaruh jenis stor ke atas penjualan permainan bergantung

kepada lokasi store ?

Soalan 1 dan 2 adalah berkisar di sekitar kesan utama (main effects), mana kala
Soalan 3 pula memerhatikan interaksti bagi kedua-dua IV

Data

4
Untuk melaksanakan ANOVA dua hala, Langkah berikut haruslah dipatuhi:

5
Between-Subjects Factors

Value Label N
Tempat 1 Kawasan
12
Bandar
2 Pusat
Membeli
12
Belah
Pinggiran
Jenis 1
Perniagaan Variety Store 8
2 Department
8
Store
3 Discount Toy
8
Store

Descriptive Statistics

Dependent Variable: Hasil Jualan

Tempat Jenis Perniagaan Mean Std. Deviation N
Kawasan Bandar Variety Store 3.00 3.162 4
Department Store 10.00 4.761 4
Discount Toy Store 14.00 3.916 4
Total 9.00 5.970 12
Pusat Membeli Variety Store 11.00 3.916 4
Belah Pinggiran Department Store 12.00 5.477 4
Discount Toy Store 10.00 4.082 4
Total 11.00 4.200 12
Variety Store 7.00 5.398 8
Department Store 11.00 4.870 8
Discount Toy Store 12.00 4.276 8
Total 10.00 5.150 24

Levene's Test of Equality of Error Variances(a)

Dependent Variable: Hasil Jualan

F df1 df2 Sig.

1.000 5 18 .446
Tests the null hypothesis that the error variance of the dependent variable is equal across groups.
a Design: Intercept+LOCATION+TYPE+LOCATION * TYPE

Ujian Levene menunjukkan andaian homogeneity of variance tidak di violate.

tidak mempengaruhi secara signifikan ke atas jualan permainan.

Tests of Between-Subjects Effects

6
Dependent Variable: Hasil Jualan
Type III Sum Mean Partial Eta Noncent. Observed
Source of Squares df Square F Sig. Squared Parameter Power(a)
Corrected Model 280.000(b) 5 56.000 3.055 .036 .459 15.273 .742
Intercept 2400.00
2400.000 1 130.909 .000 .879 130.909 1.000
0
LOCATION 24.000 1 24.000 1.309 .268 .068 1.309 .192
TYPE 112.000 2 56.000 3.055 .072 .253 6.109 .517
LOCATION * TYPE 144.000 2 72.000 3.927 .038 .304 7.855 .630
Error 330.000 18 18.333
Total 3010.000 24
Corrected Total 610.000 23
a Computed using alpha = .05
b R Squared = .459 (Adjusted R Squared = .309)

Jadual ini menunjukkan, kedua-dua kesan utama tidak signifikan, Oleh itu,
analisis post-hoc tidak diperlukan. Namun demikian, kita dapati bahawa kesan
interaksinya adalah signifikan (p < 0.05) untuk lokasi * jenis stor. Ini bermakna,
pengaruh jenis stor ke atas jualan adalah bergantung kepada lokasi, F(2,18) =
3.927, p < 0.05. Apabila kita dapati kesan interaksinya signifikan, kita perlu buat
analisis ke atas kesan mudah dan perbandingan mudah sekiranya kesan
mudahnya adalah signifikan. Ini dapat dijelaskan secara mudah dengan
membuat plot terhadap min sel.

Plot profil boleh didapati sebagai sebahagian dari analisis untuk mendapatkan
gambaran interaksi yang jelas.

7
 Kaedah Mendapatkan Interaksi
Interaksi
16

14

12

10
Mean Hasil Jualan

8 Tempat
6
Kaw asan Bandar

4
Pusat Membeli Belah
2 Pinggiran
Variety Store Department Store Discount Toy Store

Jenis Perniagaan

Daripada graf di atas, kita dapati pusat membeli belah pinggiran dan jenis stor
tidak mempunyai pengaruh ke atas bilangan permainan yang dijual.
Walaubagaimana pun pusat Bandar, jenis stor mempunyai impak yang
berpatutan dimana discount toy store mmempunyai hasil jualan yang tinggi.

Descriptives

Hasil Jualan
Std. 95% Confidence Interval for
N Mean Deviation Std. Error Mean Minimum

Lower Bound Upper Bound

Variety Store 8 7.00 5.398 1.909 2.49 11.51 0
Department Store 8 11.00 4.870 1.722 6.93 15.07 5
Discount Toy Store 8 12.00 4.276 1.512 8.43 15.57 6
Total 24 10.00 5.150 1.051 7.83 12.17 0
Model Fixed Effects 4.870 .994 7.93 12.07
Random
1.528 3.43 16.57
Effects

8
 Test of Homogeneity of Variances

Hasil Jualan
Levene
Statistic df1 df2 Sig.
.284 2 21 .756

ANOVA

Hasil Jualan
Sum of
Squares df Mean Square F Sig.
Between Groups 112.000 2 56.000 2.361 .119
Within Groups 498.000 21 23.714
Total 610.000 23

9
10
11
12
13