Acara 5: Uji Post-hoc dan Kontras Ortogonal

Tujuan: Melakukan perbandingan antarrerata

Melakukan kontras orthogonal dan kontras polinomial
Mengenal transformasi data

Uji Lanjutan Pembandingan Antarrerata

Pembandingan antarrerata posthoc

Pembandingan antarrerata yang tidak direncanakan sebelumnya dikenal sebagai
pembandingan antarrerata posthoc. Pembandingan ini tidak terstruktur, hanya berdasarkan
pasangan-pasangan rerata. Untuk tujuan ini tersedia sejumlah metode, tetapi dasar semua
metode adalah sama, yaitu dua perlakuan atau populasi berbeda reratanya jika selisih rerata
contohnya melebihi suatu nilai tertentu, disebut nilai kritis. Berdasarkan cara mendapatkan
nilai kritis ini muncul bermacam metode. Untuk latihan, gunakan data CRD dan RCBD.
Perangkat lunak R melalui library (agricolae) dapat mendukung sebagian besar
pembandingan antarrerata di atas. Untuk contoh data CRD dan RCBD, nama peubah dihitung
adalah hasil dan nama peubah pengelompok adalah perlakuan. Sebelum memanggil package
yang sesuai, perlu dilakukan analisis varians terlebih dahulu. Selanjutnya dimasukkan beberapa
statistik yang diambil dari analisis varians tersebut. Dalam acara praktikum berikut, hanya
BNT-Fisher, BNJ-Tukey, dan Uji Duncan yang dipraktikkan. Memilih metode pembandingan
antarrerata yang tepat adalah memilih satu metode yang memberikan hasil yang dapat
menjawab hipotesis awal. Idealnya, anda merencanakan metode sebelum penelitian
dilakukan, bukan setelah mendapatkan data!

a. Beda Nyata Terkecil (BNT) atau Least Significant Difference (LSD)

Pada dasarnya, metode ini serupa dengan uji-t untuk dua rerata dari cuplikan
independen dengan asumsi varians homogen yang telah kita pelajari pada Acara 1. Uji ini
Ȳ Ȳ
menggunakan distribusi t-student. Kita menghitung thit = . H0 ditolak jika thit > ttabel .
Ȳ Ȳ

Jadi, H0 ditolak jika Ȳ1 - Ȳ2 > ttabel. Ȳ Ȳ ; nilai suku kanan disebut batas kritis BNT. H0

ditolak apabila selisih kedua rerata melebihi batas kritis BNT. Perhatikanlah bahwa di
bawah asumsi kedua varians rerata homogen sehingga varians selisih kedua rerata
 dapat digabungkan Ȳ Ȳ = ( + ) = dengan r merupakan rerata

harmonik r1 dan r2. Batas kritis BNT mengalikan varians selisih rerata dengan ttabel dua sisi,
memakai derajat bebas sesatan pada analisis varians.

BNT-Fisher. Fisher menyarankan agar BANTU digunakan apabila hasil analisis varians
menolak hipotesis nol dan pembandingan tidak dilakukan untuk seluruh pembandingan
yang mungkin.

BNT-Bonferroni. Bonferroni menyarankan agar ttabel tidak diperoleh dengan α dibagi 2,

tapi dibagi 2k, karena semula hanya ada satu perbandingan antara dua perlakuan, tetapi

perbandingannya akan sebanyak k = untuk t perlakuan. Dengan ketentuan ini, BNT

dimungkinkan untuk pembandingan keseluruhan set pasangan.

BNT-Dunnett. Apabila pembandingan selalu ke salah satu perlakuan acuan, biasanya

berupa kontrol atau pembanding, Dunnett mengajukan metode ini. Batas kritisnya mirip
dengan BNT tetapi tidak menggunakan distribusi t-Student melainkan distribusi Dunnett
(dapat dilihat pada Daftar Tabel Statistika).

b. Beda Nyata Jujur (BNJ) atau Honestly Significant Difference (HSD)

Metode ini disebut juga metode Tukey. Di sini, batas kritisnya disebut sebagai batas kritis
BNJ. Nilai tabel diperoleh dari tabel Tukey atau “Titik Persentil Atas dari Kisaran Ter-
Student-kan” yang nilainya ditentukan oleh taraf nyata (alpha), derajat bebas Sesatan, dan
banyaknya grup perlakuan. Selain itu, pengali tidak menggunakan varians selisih rerata
melainkan varians rerata (artinya tidak dikalikan 2 dan KTSes dibagi langsung dengan rerata
harmonik banyaknya data tiap grup perlakuan). Jika tidak terdapat tabel Tukey, kita dapat
menghitung nilai tabelnya menggunakan perangkat lunak R, dengan perintah qtukey((1-
alpha), banyakperlakuan, lower.tail=T, df=dbSes. Argumen banyakperlakuan adalah
banyaknya perlakuan yang dibandingkan dan dbSes adalah derajat bebas sesatan.
c. Metode Scheffé
Perbandingan dua perlakuan merupakan bentuk khusus perbandingan yang secara umum
merupakan suatu kombinasi linear, dilambangkan dengan L, yang akan dibicarakan di
bagian berikutnya. Metode Scheffé merupakan metode yang dirancang untuk
perbandingan demikian. Untuk perbandingan sepasang perlakuan, batas kritisnya adalah

= − 1"# , ",%

d. Uji Duncan atau Duncan’s New Multiple Range Test (DMRT)

Berlainan dengan metode sebelumnya, ada banyak (multiple) batas kritis pada uji Duncan,
karena batas kritis yang dipakai untuk suatu pembandingan tergantung jarak dua rerata
grup perlakuan yang dibandingkan. Dua rerata grup perlakuan yang berdekatan langsung
setelah diurutkan dari terkecil menurut besarnya dikatakan ber”jarak” dua. Jika bersela satu
disebut berjarak tiga; dengan dua penyela disebut berjarak empat, dan seterusnya. Batas
kritis untuk dua perlakuan berjarak p (p = 2, 3, … , t) adalah LSRp = SSRdbSes,p*√(RKSes/r). Nilai
SSR didapat dari tabel Duncan (silakan lihat Tabel Statistika), yang besarnya tergantung α,
dbSes, dan p. DMRT sebenarnya sudah lama dianjurkan untuk tidak digunakan karena selang
kepercayaan yang beraneka ragam.

e. Uji SNK (Student-Newman-Keuls)

Metode ini merupakan gabungan antara metode Tukey dan Uji Duncan dalam artifak nilai
tabel yang digunakan diambil dari tabel Tukey tetapi batas kritisnya lebih dari satu
tergantung jarak rerata perlakuan yang diperbandingkan seperti halnya DMRT. Batas
kritisnya adalah SNKa=qa,v,p.Sx.

Cara Penyajian Uji Posthoc

Penyajian hasil posthoc dapat dilakukan dengan menggunakan tabel seperti di bawah ini.
Perlakuan Rerata hasil
A 20 a
B 18 a
D 14 b
C 12 b
E 11 b
Keterangan: Angka yang diikuti oleh huruf yang sama tidak berbeda nyata pada uji HSD-
Tukey (α = 5%).
Cara lain penyajian uji posthoc adalah denga menggunakan grafik. Grafik berisi titik rerata dan

errorbar yang beruapa selang kepercayaan (confidence interval/CI) yang disesuaikan dengan
jenis uji posthoc. Jenis uji akan menentukan lebar errorbar. Di bawah ini adalah uji dengan
errorbar menurut HSD Tukey.

Gambar 1. Peubah hasil di bawah pengaruh perlakuan berdasarkan uji lanjut HSD-Tukey (α = 5%).
Keterangan: angka merupakan rerata dan error bars menunjukkan selang kepercayaan.

Penyajian grafik di atas lebih informatif karena kita dapat melihat lebar selang kepercayaan.
Semakin lebar selang kepercayaan, maka semakin besar error/residual dalam suatu percobaan.
Dua perlakuan akan berbeda nyata jika titik rerata tidak berada pada errorbar perlakuan lain.
Contohnya, titik rerata perlakuan B terdapat di dalam errorbar perlakuan A sehingga kedua
perlakuan tersebut tidak beda nyata. Perlakuan B berbeda nyata dengan perlakuan C, D, dan E
karena titik rerata perlakuan B tidak berada pada errorbar perlakuan C, D, dan E.
Ringkasan tabel uji posthoc disajikan pada tabel berikut.

Posthoc Batas kritis Ulangan (r) Keterangan

test 2
' (
LSD Sama Hanya digunakan ketika
LSD = & ,dfMSE
* n perlakuan tidak lebih
1 1 dari 3 dan hasil ANOVA
' ( + "
& ,dfMSE
Tidak sama
LSD =
*1 *2 signifikan

2
' (
Dunnet ∗& Sama Hanya digunakan ketika
DLSD =
*
,dfMSE
membandingkan masing-
1 1
∗&
' ( + "
Tidak sama masing perlakuan dengan
DLSD =
*1 *2
,dfMSE
kontrol

' (
Tukey w=, ,-,./012 *
Sama Digunakan untuk
membandingkan setiap
pasangan perlakuan

' ( 1
(pairwise). Untuk n
w=, ,-,./012 2 *1
+ *1 " Tidak sama
2 perlakuan yang besar.
Direkomendasikan untuk
digunakan.

2
34 # ' (
Scheffe Sama Digunakan untuk
SCD = ,./567 ,34' ( * membandingkan group
perlakuan yang tidak
orthogonal. Lebih kritis
1 1
34 # ' ( + "
Tidak sama
SCD = ,./567 ,34' ( *1 *2
dari HSD

1
ta/(2C),n-k ' (
Bonferoni Sama Bonferoni digunkan
*
untuk jumlah perlakuan
yang sangat besar karena
semakin banyak
perlakuan, batas kritis
1 1
+ "
akan semakin besar dan
ta/(2C),n-k ' (
Tidak sama
*1 *2 sulit menolak H0 (semakin
konservatif)

' (
Rp = ,
DMRT Hanya untuk Tidak disarankan untuk
8 ,-,./012 * ulangan digunakan karena
sama penghitungan selang
' ( kepercayaan
Wp = ,
DMRT Hanya untuk
, -,9 : ./" * ulangan inappropriate karena
sama batas kritis beraneka
macam
Kontras dan Keortogonalan
Bentuk pembandingan sepasang-sepasang dapat dipandang sebagai berikut.
H0: (1)*μ1 + (–1)*μ2 =
0
Perhatikan koefisien di muka rerata. Jumlahnya adalah nol (1 dijumlah dengan -
1 menghasilkan nol). Bentuk pembandingan berkelompok dapat ditulis ulang sebagai

berikut. H0: 2*μ1 + (–1)*μ2 + (–1)*μ3 = 0.

Penjumlahan koefisien-koefisien tersebut menghasilkan nol pula. Koefisien-
koefisien yang menjumlah dan menghasilkan nol disebut sebagai koefisien kontras.
Pembandingan yang menggunakan koefisien kontras disebut kontras. Dua kontras disebut
saling ortogonal bila penjumlahan terhadap hasil kali (sum of products) koefisien-koefisien

yang bersesuaian adalah nol. Jadi, mengambil contoh seri hipotesis nol kita di atas, kontras
μ1 = μ2 vs. kontras μ2 = μ3
tidaklah saling ortogonal sebagaimana terlihat di tabel berikut.

Hipotesis nol c1 c2 c3 jumlah

μ1 – μ2 = 0 1 –1 0 0
μ2 – μ3 = 0 0 1 –1 0
Perkalian 0 –1 0 –1

Sebaliknya, kontras μ1 – (μ2 + μ3)/2 = 0 vs. kontras μ2 = μ3 saling ortogonal:

Hipotesis nol c1 c2 c3 jumlah
μ1 – (μ2 + μ3)/2 = 0 1 –0.5 –0.5 0
μ2 – μ3 = 0 0 1 –1 0
Perkalian 0 –0.5 0.5 0

Perhatikan baik-baik, bagaimana kontras yang saling ortogonal dapat timbul. Secara
umum, pembandingan tiap rerata sepasang-sepasang tidak menghasilkan kontras-kontras
yang saling ortogonal, sedangkan pembandingan rerata grup secara berkelompok dapat
menghasilkan kontras-kontras yang saling ortogonal.
Sebagai ilustrasi, suatu penelitian dengan ulangan sama mengenai pemberantasan
lumut pada perdu teh, menguji perlakuan sebagai berikut: kerik lumut, disemprot glifosat,
disemprot fentin-asetat, disemprot bentiokarp, dan tidak diapa-apakan sebagai kontrol.

Rerata populasi lima perlakuan dilambangkan dengan µ1, µ2, µ3, µ4, dan µ5. Perhatikan
bahwa perlakuannya adalah perlakuan kualitatif!
 µ <µ < µ=<µ>
H0 = = µ@ menguji manfaat pemberantasan lumut.
?
µ <µ=< µ>
H0 = = µ menguji seberapa efektif pemberantasan kimia dibanding dengan
A

cara manual
µ <µ>
H0 = = µA dibuat untuk membandingkan herbisida non-asam versus asam.

H0: μ2=μ4, yaitu apakah dua herbisida non-asam yang diujikan berbeda.
Perhatikan bahwa lima perlakuan yang diuji disini dapat digolong-golongkan, seperti

golongan perlakuan dengan dan tanpa pengendalian lumut, golongan perlakuan dimana
pengendalian lumut dilakukan secara manual dan secara kimiawi. Jadi, perlakuannya
berstruktur.
Percobaan dengan perlakuan berstruktur hampir selalu menghasilkan penelitian yang
baik nalarnya, karena itu pikirkan baik-baik grup-grup perlakuan yang diberikan pada saat
merancang penelitian. Buatlah tabel seperti di atas pada MSExcel anda dan berikan
koefisien kontras untuk masing-masing hipotesis. Tunjukkan bahwa setiap pasang kontras
tersebut saling ortogonal.
R mampu membantu dalam menemukan koefisien yang kontras dan ortogonal.
Ikuti
perintah berikut dan pahami keluaran yang muncul! Keterangan: x adalah banyaknya grup

perlakuan dengan perintah contr.helmert(x). Untuk menguji apakah kontras dan

saling ortogonal, silakan ikuti perintah berikut.

> apply(namauji,2,sum)
> crossprod (namauji)
> contr.helmert (x, contrasts=F)

No. kontras Hipotesis nol c1 c2 c3 c4 c5 jumlah

1
2
3
4
Catatan: c1 adalah koefisien untuk μ1 dst.

Jika terdapat lima perlakuan, maka dapat dibentuk maksimum 4 (atau t–1) kontras-
kontras yang saling ortogonal. Pembentukan kontras ortogonal seperti di atas disebut
helmert, yaitu dengan membagi menjadi dua kelompok secara bertahap. Cara lain adalah
faktorial, yang akan dibahas kelak. Kontras ortogonal dapat disisipkan ke dalam analisis
 varians, karena jumlah kuadratnya akan menjumlah menjadi jumlah kuadrat grup
perlakuan. Berikut adalah data derajat banyaknya lumut (Y) akibat perlakuan herbisida di
atas.

Polinom Ortogonal
Untuk perlakuan kuantitatif, jika ulangan dan selang antargrup perlakuannya sama,
analisis kecenderungan yang saling ortogonal dapat dengan mudah dilakukan.
“Kecenderungan” di sini maksudnya adalah kecenderungan fungsi polinom, apakah
hubungannya regresi garis lurus, kuadratik, kubik, atau lebih tinggi lagi. Seperti halnya
dengan kontras ortogonal, dimungkinkan ada t–1 kontras dengan derajad bebas satu.
Konstantanya kebanyakan telah tersedia pada buku acuan, dan harus dihitung sendiri jika
selang antargrup perlakuannya tidak sama, atau ulangannya tidak sama, atau keduanya.
Polinom ortogonal sebenarnya merupakan regresi dengan model polinomial. Hanya saja
pada polinom ortogonal pengerjaan dilakukan dua kali, yaitu, membuat ANOVA terlebih
dahulu, kemudian memasukkan nilai polinom ortogonal. Pada praktikum ini akan
ditunjukkan bahawa polinom ortogonal sama dengan regresi polinomial.
Menggunakan data berikut, dapat dilakukan analisis kecenderungan:

Blok
Dosis N (ku/ha) Total
1 2 3
0 3 11 10
1 13 16 13
2 19 21 20
3 17 16 21

Koefisien untuk n grup perlakuan dan selang grup antarperlakuannya sama, maka
dapat dicari dengan baris perintah contr.poly (n). Koefisien untuk n grup perlakuan

dengan masing-masing grup perlakuan (y1, y2, ..., yn) teridentifikasi memiliki selang yang
berbeda, maka dapat dicari dengan baris perintah contr.poly (n,c(y1,y2,...,yn))

Arti koefisien yang muncul adalah L untuk Linear, Q untuk Kuadratik, dan C untuk Kubik,
^4 untuk Kuartik, dan seterusnya. Setelah mendapatkan koefisien, lakukanlah analisis varians
seperti pada kontras ortogonal! Tentukan mana kontras yang signifikan!
Penyajian grafik dapat dikerjakan dengan MsExcel sehingga muncul seperti pada grafik
di bawah ini. Perhatikan kedua grafik! Berdasarkan hasil uji lanjut dengan diketahui bahwa
terdapat kecenderungan linier dan kuadratik (terdapat tanda signifikansi, cek!). Kesimpulan
mengenai hubungan kecenderungan apa yang tepat antara kedua peubah dapat ditentukan
berdasarkan hipotesis yang ditegakkan sebelumnya atau dengan melihat keadaan unit
percobaan (kecenderungan data) di lapangan.

Skema Uji Posthoc dan Kontras Ortogonal

ANOVA
Uji posthoc
signifikan
Tidak

Stop
signifikan
Struktur Perlakuan

Kontras
Terstruktur
orthogonal

Regresi
Satu langkah
Kuantitatif
ANOVA
Dua langkah
signifikan