CHAPTER 19.

PENGARUH DUA FAKTO OBSERVASIONAL DAN EKSPERIMENTAL

(APPLIED LINIER STATISTICAL MODELS BY MIVHAEL KUTNER ET AL. 2005 )

Contoh 1 : Dua Faktor Eksperimen dan Observasional

Sebuah perusahaan yang meniliti tentang pengaruh harga penjualan (Faktor A)dan jenis promosi
(Faktor B) dalam penjualan suatu produk. Terdapat 3 macam harga dari product yang merupakan faktor
observasional dan 2 jenis metode promosi yaitu melalui radio dan koran. Dapat disebutkan bahwa notas
(a=3 dan b=2) merupakan notasi dari level dari faktor A dan B. Secara umu kombinasi dari masing-
masing level perlakuan adalah (a x b). Berikut merupakan kkombinasi level perlakuan :

Perlakuan Deskripsi
1 a1 b1
2 a2 b1
3 a3 b1
4 a1 b2
5 a2 b2
6 a3 b2

Terdapat 12 komunitas dan di perhitungkan mempunyai jumlah sampel sama da mempunyai karakteristik
sosial ekonomi yang cenderung sama, kemudian dipilih dan dicobakan kepada komunitas tersebut secarfa
acak seperti kombinasi perlakuan yang telah dibuat. Berikut merupakan kombinasi perlakuan yang
dtampilkan dalam grafik:

Contoh 2:

Suatu analisis pengaruh dari pendapatan keluarga dengan 4 kategori yaitu (< 15.000, 15.000-29.999,
20.000-49.999, dan >50.000) dan gaya hidup yang dikategorikan pada 4 kelompok (1, 2, 3, 40). Berikut
kombinasi level perlakuan :
Penelitian ini dilakukan pada 320 keluarga dan dipilih secara acak sebanyak 20 keluarga. Penelitian ini
merupakan observasional karena yang diteliti tanpa mengukur pendapatan keluarga dan kelompok gaya
hidup tetapi keluarga yang terpilih mempunyai karakterisitik masing-masing.

Contoh 3:

Seorang peneliti dari bidang kesehatan yang berperan sebagai investigator meniliti tentang hubungan
antara dari pemberian obat tekanan darah bagi penderita hipertensi laki-laki dan perempuan. Berikut
merupaka kombinasi level perlakuan :

Peneliti memilih penderita sebanya 30 laki dan 30 perempuan secara acak dimana pada masing0masing
level perlakuan di ambil masing-masing 10 penderita. Penelitian ini memiliki faktor observasional yaitu
laki-laki dan perempuan dan faktor eksperimental yaitu drug type.

Sub bab ini membahas tentang faktor tetap pada dua faktor yang diteliti dengan ulangan sama
pada setiap perlakuan. Berikut model linier :

𝑌𝑖𝑗𝑘 = µ𝑖𝑗 + ɛ𝑖𝑗𝑘

Dengan :

µ𝑖𝑗 : parameter

ɛ𝑖𝑗𝑘 : berdistribusi N(0, 𝜎 2 )

𝑖 = 1, … . , 𝑎; 𝑗 = 1, … . , 𝑏; 𝑘 = 1, … . , 𝑛
 𝑌111 1 0 0 0 ɛ111
𝑌112 1 0 0 0 ɛ112
𝑌121 0 1 0 0 µ11 ɛ121
𝑌122 0 1 0 0 µ12 ɛ122
𝒀= 𝑿= 𝜷 = [µ ] ɛ = ɛ
𝑌211 0 0 1 0 21 211
𝑌212 0 0 1 0 µ22 ɛ212
𝑌221 0 0 0 1 ɛ221
[𝑌222 ] [0 0 0 1 ] [ɛ222 ]

Dengan nilai harapan E[Y] :

1 0 0 0 µ11
1 0 0 0 µ11
0 1 0 0 11µ µ12
0 1 0 0 µ12 µ12
𝑬[𝒀] = 𝑿𝜷 = [ ]= µ \
0 0 1 0 µ21 21
0 0 1 0 22µ µ21
0 0 0 1 µ22
[0 0 0 1] [µ22 ]

Oleh karena 𝑬{𝒀𝒊𝒋𝒌 } = µ𝑖𝑗 , maka didapatkan matriks representasikan untuk ANOVA model 2 faktor :

𝑌111 µ11 ɛ111

𝑌112 µ11 ɛ112
𝑌121 µ12 ɛ121
𝑌122 µ12 ɛ122
𝒀= = 𝑿𝜷 + ɛ = µ + ɛ
𝑌211 21 211
𝑌212 µ21 ɛ212
𝑌221 µ22 ɛ221
[𝑌222 ] [µ22 ] [ɛ222 ]

Diketahui bahwa ragam 𝜎 2 konstan, maka matriks ragam-peragamnya adalah 𝜎 2 {ɛ} = 𝜎 2 𝑰. Begitu juga
dengan model ANOVA dua faktor yang memiliki ragam 𝜎 2 {𝒀} = 𝜎 2 {ɛ}.

Pengaruh Perlakuan tanpa Interaksi

Suatu penelian yang bertujuan untuk melihat rata-rata waktu belajar pada laki-laki dan perempuan.
Berikut tabel 2 arah dari dua perlakuan :
Pada penelitian eksperimen rata-rata perlakuan ke-i didapatkan dari faktor A ke-i dan B ke-j. Diteliti
bahwa rata-rata waktu belajar pada laki-laki perempuan dengan 3 kategori umur (Young, Middle and
Old).

Pengaruh Faktor Additive.

Pengaruh additif dapat dinotasi sebagai µ𝑖𝑗 = µ𝑖𝑗′ + µ𝑖′𝑗 − µ𝑖′ 𝑗′ ; 𝑖 ≠ 𝑖 ′ , 𝑗 ≠ 𝑗′.berikut merupakan grafik
kombinasi level perlakuan pada kasusk rata-rata waktu belajar yang dikombinasikan denga jenis kelamin.

dari grafik diatas dapat dikatakan bahwa rata-rata semua perlakua dapat dikatakan tidak berinteraksi atau
tida ada faktor yang berinteraksi atau pengaruh faktor adalah additif. Maka dapat dikatakan bahwa jika
tidak terdapat interaksi analisis yang dilakukan cukup sederhana karena tidak ada faktor yang
berinteraksi.
Pada tabel diatas dapat diktakan bahwa terdapat interaksi yang ditandai jenis kelamin mempengaruhi
rata-rata waktu belajar dalam setiap kategori umur karema hasil pengamatan pada laki-laki dan
perempuan tidak sama pada setiap kategori.

Pengaruh Interaksi (𝜶𝜷)𝒊𝒋

Bentuk model linier:

𝑌𝑖𝑗 = µ.. + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + ɛ𝑖𝑗𝑘

(𝛼𝛽)𝑖𝑗 = 𝑌𝑖𝑗 − (µ.. + 𝛼𝑖 + 𝛽𝑗 )

dimana:
∑𝑖 ∑𝑗 𝑌𝑖𝑗
µ.. = 𝑎𝑏
, konstan

𝛼𝑖 = µ𝑖. − µ.. , konstan dengan syarat ∑ 𝛼𝑖 = 0

𝛽𝑗 = µ.𝑗 − µ.. , konstan dengan syarat ∑ 𝛽𝑗 = 0

(𝛼𝛽)𝑖𝑗 = 𝑌𝑖𝑗 − µ𝑖. − µ.𝑗 − µ..

ɛ𝑖𝑗𝑘 berdistribusi 𝑁(0, 𝜎 2 );

𝑖 = 1, … , 𝑎; 𝑗 = 1, … , 𝑏; 𝑘 = 1, … , 𝑛

Berikut merupakan tabel 2 arah yang dipelajari:

Tabel Anova dengan dua faktor

Source of df SS MS
Variance
A a-1 SSA
𝑛𝑏 ∑(𝑌̅𝑖.. − 𝑌̅… )2
𝑎−1
B b-1 SSB
𝑛𝑎 ∑(𝑌̅.𝑗. − 𝑌̅… )2
𝑏−1
(AB) (a-1)(b-1) SS(AB)
𝑛 ∑ ∑(𝑌̅𝑖𝑗. − 𝑌̅𝑖..
(a − 1)(b − 1)
− 𝑌̅.𝑗. − 𝑌̅… )2
Error ab(n-1) SSE
∑ ∑ ∑(𝑌𝑖𝑗𝑘
ab(n − 1)
− 𝑌̅𝑖𝑗. )2
Total nab-1 ∑ ∑ ∑(𝑌𝑖𝑗𝑘
− 𝑌̅... )2

19.4. Fitting Model

𝑄 = ∑ ∑ ∑(𝑌𝑖𝑗𝑘 − µ𝑖𝑗 )2
𝑖 𝑗 𝑘

Fitting model berfungsi meminimumkan Q dengan menggunakan metode Leat Square dan Maximum
Likelihood:

µ̂𝑖𝑗 = 𝑌̅𝑖𝑗.

Kemudian nilai fitted values merupakan nilai duga dari perlakuan:

𝑌̂𝑖𝑗𝑘 = 𝑌̅𝑖𝑗.

Sisaan sering di definisikan sebagai selisih nilai duga dengan fitted values:

𝑒𝑖𝑗𝑘 = 𝑌𝑖𝑗𝑘 − 𝑌̂𝑖𝑗𝑘 == 𝑌𝑖𝑗𝑘 − 𝑌̅𝑖𝑗.

Sisaan yang tingggi berguna untuk menguji kesesuaian pada dua faktor model ANOVA.

Parameter Penduga Syarat

µ.. µ̂.. = 𝑌̅… ∑𝑖 𝛼𝑖 = 0, ∑𝑗 𝛽𝑗 = 0
𝛼𝑖 𝛼̂𝑖 = 𝑌̅𝑖.. − 𝑌̅... ∑𝑖(𝛼𝛽)𝑖 = 0, ∑𝑗(𝛼𝛽)𝑗 = 0,
𝛽𝑗 𝛽̂𝑗 = 𝑌̅.𝑗. − 𝑌̅...
(𝛼𝛽)𝑖𝑗 ̂ )𝑖𝑗 = 𝑌̅𝑖𝑗. − 𝑌̅𝑖.. −𝑌̅.𝑗. − 𝑌̅...
(𝛼𝛽
Pembagian Total Deviasi

Total Deviasi dapat di sebutkan sebagai berikut:

𝑌𝑖𝑗𝑘 − 𝑌̅... = 𝑌̅𝑖𝑗. − 𝑌̅... + 𝑌𝑖𝑗𝑘 − 𝑌̅𝑖𝑗.

𝑌𝑖𝑗𝑘 − 𝑌̅... : Total Deviasi

𝑌̅𝑖𝑗. − 𝑌̅... : Deviasi dari rata-rata perlakuan terhadap rata-rata total

𝑌𝑖𝑗𝑘 − 𝑌̅𝑖𝑗. : Deviasi dari rata-rata perlakuan terhadap rata-rata perlakuan

Total Deviasi dari nilai duga perlakuan dengan komponen faktor A dan B didekomposisi menjadi:

𝑌𝑖𝑗. − 𝑌̅... = 𝑌̅𝑖.. − 𝑌̅... + 𝑌̅.𝑗. − 𝑌̅... + 𝑌̅𝑖𝑗. − 𝑌̅𝑖.. − 𝑌̅.𝑗. + 𝑌̅...

𝑌𝑖𝑗. − 𝑌̅... : Deviasi dari nilai duga perlakuan terhadap rata-rata total

𝑌̅𝑖.. − 𝑌̅... : main effect (pengaruh utama faktor A)

𝑌̅.𝑗. − 𝑌̅... : main effect (pengaruh utama faktor B)

𝑌̅𝑖𝑗. − 𝑌̅𝑖.. − 𝑌̅.𝑗. + 𝑌̅... : pengaruh interaksi faktor A dan B

19.8 Analysis of factor effects when Factors Do Not Interact

 Estimation of Contrast of Factor Level Means

𝐿 = ∑ 𝑐𝑖 µ𝑖 dimana ∑ 𝑐𝑖 =0
Penduga tidak bias dari 𝐿 yaitu :

𝐿̂ = ∑ 𝑐𝑖 𝑌̅𝑖..

Karena 𝑌̅𝑖.. saling bebas, maka ragam dari penduga 𝐿 yaitu:

̅ }= 𝜎2
𝜎 2 {𝐿̂} = ∑ 𝑐𝑖2 𝜎 2 {𝑌𝑖.. ∑ 𝑐𝑖2
𝑏𝑛

Penduga tidak bisa dari 𝜎 2 {𝐿̂} adalah :

𝑀𝑆𝐸
𝑠 2 {𝐿̂} = ∑ 𝑐𝑖2
𝑏𝑛
 Selang kepercayaan 1 − 𝛼 yang sesuai untuk 𝐿 adalah :
1−𝛼
𝐿̂ ± 𝑡(𝑛−1)𝑎𝑏
2
· 𝑠{𝐿̂}

Begitu juga dengan untuk menguji kontras pada level perlakuan yang berbeda (faktor B).

Uji Perbandingan berganda dari Faktor Perlakuan

Terdapat 3 jenis pengujian berganda yaitu:

1. Tukey Test
2. Bonferroni Test
3. Scheffe test

 Tukey Procedure
̂ ± 𝑇 𝑠(𝐷
𝐷 = µ𝑖. − µ𝑖′. , dengan selang kepercayaan 1 − 𝛼 berikut bentuk formulainya : 𝐷 ̂)
2𝑀𝑆𝐸 1 1−𝛼
̂) =
𝑠 2 (𝐷 𝑑𝑎𝑛 𝑇 = 𝑞(𝑎,(𝑛−1)𝑎𝑏
𝑏𝑛 √2

Statistik uji Tukey:

̂
√2𝐷
𝑞 ∗ = 𝑠(𝐷̂) ;

1−𝛼
Jika |𝑞 ∗ | > 𝑞(𝑎,(𝑛−1)𝑎𝑏 maka 𝐻1 diterima.

 Bonferroni Procedure
1−𝛼 2 ⁄
𝐵 = 𝑡𝑔,(𝑛−1)𝑎𝑏
Statistik uji Bonferroni :
̂
𝐷
𝑡 ∗ = 𝑠(𝐷̂)
1−𝛼 2 ⁄
Jika |𝑡 ∗ | > 𝑡(𝑔,(𝑛−1)𝑎𝑏 maka 𝐻1 diterima.
 Scheffee Procedure
1−𝛼
𝐿̂ ± 𝑆 𝑠(𝐿̂) ; 𝑆 2 = (𝑎 − 1)𝐹(𝑏−1),(𝑛−1)𝑎𝑏
Dengan pengujian simultan, pada prosedur scheffee didapatkan hipotesis:
𝐻0 : 𝐿 = 0
𝐻1 : 𝐿 ≠ 0
Statistik Uji :
𝐿̂2
𝐹 ∗ = (𝑎−1)𝑠2 (𝐿̂)
1−𝛼
Jika 𝐹 ∗ > 𝑡((𝑏−1),(𝑛−1)𝑎𝑏 maka 𝐻1 diterima