TUGAS 1.

TWO WAY ANOVA (Rancangan Faktorial)

Exercise 8.5.4. Hal: 367 (Daniel, 2000)

Tujuan penelitian oleh Porcellini et al. (A-23) adalah untuk mempelajari perbedaan dalam
tanggapan sel CD4 pada pasien yang memakai terapi antiretroviral yang sangat aktif (ART,
pengobatan 1) dan pasien yang memakai ART plus interleukin intermiten (IL-2, pengobatan 2).
Faktor lain yang menarik adalah HIV-RNA jumlah plasma pada awal penelitian. Subjek
dikelompokkan memiliki kurang dari 50 copies / ml (plasma 1) atau memiliki 50 atau lebih
copies / ml (plasma 2). Variabel hasil adalah perubahan persen dalam jumlah CD4 dari awal
hingga 12 bulan pengobatan. Bisakah seseorang menyimpulkan bahwa ada perbedaan dalam
perubahan persentase jumlah CD4 antara kedua terapi? Hasilnya ditunjukkan dalam tabel
berikut. Dapatkah seseorang menyimpulkan bahwa ada perbedaan dalam persen perubahan pada
CD4 T jumlah sel antara mereka yang memiliki salinan HIV-RNA plasma kurang dari 50 / ml
dan yang melakukannya tidak? Bisakah seseorang menyimpulkan bahwa ada interaksi antara
perawatan dan kadar plasma? α = 0.05 untuk setiap tes.
Percent Change in CD4 T Cell Treatment Plasma
-12.60 1 1
-14.60 2 1
28.10 2 1
77.30 1 1
-0.44 1 1
50.20 1 1
48.60 2 2
86.20 2 2
205.80 1 2
100.00 1 2
34.30 1 2
82.40 1 2
118.30 1 2

1. INDIKASI
Metode analisis two way anova dengan rancangan faktorial diapakai apabila akan
ingin menguji coba efek lebih dari satu faktor (variabel bebas kategorikal) terhadap
satu outcome variabel tergantung (numerikal) tertentu. Sebagai contoh pada kasus
diatas:
 Variabel tergantung : Y (perubahan sel T CD4)
Variabel bebas : X1 (terapi: HAART dan IL 2)
X2 (kadar plasma: <50/ml dan ≥50/ml)
2. ASUMSI
Asumsi untuk Two-Way Anova adalah sampel dipilih secara random dan data dari
masing-masing kelompok percobaan berdistribusi normal serta memiliki varian yang
sama (homogen).
3. MODEL MATEMATIKA
Y =  +  +  +  + 
Keterangan:
Y : variable tergantung
µ : konstanta (nilai Y sebelum perlakuan)
α : efek variable bebas X1
β : efek variable bebas X2
αβ: efek interaksi (gabungan) antara X1 dan X2
ε : efek dari factor lain (error term) selain variable bebas yang diteliti
Variasi nilai variabel tergantung Y ditentukan oleh  (efek faktor 1: jenis terapi), 
(efek faktor II : kadar plasma) dan  (efek faktor lain) yang disebut error.  adalah
interaksi atau efek secara bersama-sama. Apabila terdapat interaksi (p≤0.05) artinya
memberikan efek signifikan. Apabila interaksi terbukti meningkatkan efek dilihat dari
mean interaksi yang lebih tinggi dari mean masing-masing perlakuan.

4. HIPOTESIS STATISTIK
Faktor I: jenis terapi
Ho: α1 = α2 (tidak ada efek) atau Ho: i=0
Ha: tidak semua sama Ha: tidak semua i=0
Faktor II: kadar plasma
 Ho: 1 = 2 (tidak ada efek) atau Ho: i=0
Ha: tidak semua sama Ha: tidak semua i=0
Interaksi Faktor I dan Faktor II
Ho: ij = 0 (tidak ada interaksi) atau Ho: ()i = 0
Ha: ij # 0 (ada interaksi) Ha: tidak semua ()i = 0
5. TAHAPAN ANALISIS
X1 X2 (Plasma) Mean
(Terapi) 1 = diberi 2 = tidak
1 = diberi -12.60 205.80 n1 = 9
77.30 100.00
-0.44 34.30
50.20 82.40
118.30

Mean Y11 = 28.62 Mean Y12 = 108.16 Mean Y1 = 68.39

2= tidak -14.60 48.60 n2 = 4
28.10 86.20

Mean Y21 = 6.75 Mean Y22 = 67.40 Mean Y2 = 37.08

Mean n1 = 6 n2 = 7 n = 13
Mean Y1 = 17.69 Mean Y2 =87.78 Grand mean Y = 52.73
Menghitung Sum Square
 Between terapi: ∑ni.(Yi.-Y)2
= 9{(68.39 – 52.73)2 + (37.08 – 52.73)2}
= 9{(245.16) + (245.00)}
= 4411.42
 Between plasma: ∑n.j(Y.j - Y)2
= 6{(17.69 – 52.73)2 + (87.78 – 52.73)2}
= 6 {(1228.33) + (1228.33)}
= 14739.93
 Interaksi: ∑nij.(Yij.-Yi..-Y.j. +Y)2
= 3.25 {(28.62 - 17.69 - 68.39 + 52.73)2) + (6.75 - 17.69 - 37.08 + 52.73)2) +
(108.16 - 68.39 - 87.78 + 52.73)2) + (67.40 - 37.08 -87.78 + 52.73)2}
 = 3.25 {(22.37) + (22.18) + (22.28) + (22.37)}
= 289.93
 Error: ∑(yijk-Yij.)2
= {(-12.60 - 28.615)2 + (77.30 - 28.62)2 + (-0.44 - 28.62)2 + (50.20 - 28.62)2} +
{(-14.60 - 6.75)2 + (28.10 - 6.75)2} + {(205.80 - 108.16)2 + (100.00 - 108.16)2
+ (34.30 - 108.16)2 + (82.40 - 108.16)2 + (118.30 - 108.16)2} + {(48.60 -
67.40)2 + (86.20 - 67.40)2}
= {(1699.09) + (2369.74) + (844.48) + (465.70)} + {(455.82) + (455.82)} +
{(9533.57) + (66.59) + (5455.30) + (663.58) + (102.82)} + {(353.44) +
(353.44)}
= 22819.39
Menghitung Varian:
 Between HAART: ∑ni.(Yi.-Y)2/(ki-1)
= 4411.44 / 1 = 4411.44
 Between IL 2: ∑n.j(Y.j - Y)2/(kj-1)
= 14739.93 / 1 = 14739.93
 Interaksi : ∑nij.(Yij.-Y)2/(ki-1)(kj-1)
= 289.93 / 1 = 289.93
 Error : ∑(yijk-Yij.)2/(n-(ki-1)-(kj-1)-(k1-1)(k2-1)-1
= 22819.39 / (13 – 4) = 2535.49

Menghitung Varian Ratio:

 Between HAART: {∑ni.(Yi.-Y)2/(ki-1)}/Varian Error
= 4411.44 / 2535.49 = 1.74
 Between IL-2: ∑n.j(Y.j - Y)2/(kj-1)/Varian Error
= 14739.93 / 2535.49 = 5.81
 Interaksi : ∑nij.(Yij.-Y)2/((ki-1) x(kj-1))/Varian error
= 289.93 / 2535.49 = 0.11
6. PENYAJIAN HASIL ANALISIS
Tabel 1. Rata-rata Persentase Perubahan CD4 Berdasarkan Jenis Terapi
Jenis Terapi N Mean
HAART 9 68.39
IL 2 4 37.08
Berdasarkan hasil analisis diketahui bahwa jenis terapi HAART rata-ratanya lebih
besar dari terapi IL 2.

Tabel 2. Rata-rata Persentase Perubahan CD4 Berdasarkan Kadar plasma

Kadar Plasma N Mean
<50 copies/ml 6 17.69
≥50 copies/ml 7 87.78
Berdasarkan hasil analisis diketahui bahwa pada kadar plasma ≥50 copies/ml rata-
ratanya lebih besar dari kadar plasma <50 copies/ml.
Untuk mempermudah membaca hasil perhitungan di atas, maka hasil tersebut
disajikan dalam table resume ANOVA seperti berikut. Tabel resume One-Way Anova:
Sumber Variasi Sumsquare Derajat bebas Varian Varian Nilai F
(SS) (df) MSS Ratio Table
(F)
Jenis Terapi (α) 4411.42 (k1-1) = 1  4411.44 1.74
kategorinya ada 2
trus kurang 1
Kadar Plasma (β) 14739.93 (k2-1) = 1 14739.9 5.81
3
Interaksi (αβ) 289.93 (k1-1)(k2-1) = 1 289.93 0.11
Error 22819.39 n-(k1-1)-(k2-1)-(k1- 2535.49
1)(k2-1)-1=9
Total 42260.67 12

7. KESIMPULAN
Lihat nilai f table pada table g  dengan denominator (subjek)  n-k, = 13-4=11 dan
nilai dfnya yang dipakai adalah ketiganya., numerator (faktor)  k-1 = 4-1=3
 Kesimpulan analisis Two-Way Anova diambil dengan membandingkan nilai p dari
main effect (Terapi, Kadar Plasma, dan Interaksi) dengan tingkat kemaknaan α yang
dipakai.
Jika f hitung < f table maka Ho diterima artinya tidak memberikan efek
Jika f hitung > f table maka Ho ditolak artinya memberikan efek

Dalam table g:
Jika F.90 
F.95  p.0,05
F.99  p.0,01
Fhit > Ftabel  untuk menolak Ho
Plasma aja yg ho dtolak
R Square pd stata menggambarkan bahwa 48.25% CD4 dapat dijelaskan oleh faktor(?)
semakin besar r square semakin bagus faktornya
semakin kecil nilai p semakin yakin menolak H0  berpengaruh, maka dari itu p value tidak
mungkin 0.00000  karena tidak mungkin kita yakin 100%  maka biasanya ditulis p <
0.0001

pada repeated measure ada greenhouse geisser  untuk mengkoreksi spare data karena
adanya repeated measure