ANOVA Procedure

Objective
To identify important independent variables and determine how
they affect to response.

The variability of set n measurements is quantified by the sum

square deviations. The ANOVA procedure partitions this of the
sum square deviations (called sum of suares) into parts each of
which is attributed to one independent variables in experiment,
plus a remainder that are associated with random error.

Hence, SST = SSTR+ SSE (see p.663-664, Wackerly et al, 2006)

RAL (Completely Randomized Design)

RAL hanya punya dua unsur dasar treatment dan ulangan, unsur
ketiga adalah lokal kontrol. RAL digunakan utuk percobaan yang mempunyai
media atau tempat percobaan yang seragam atau homogen, seperti laboratorium,
rumah kaca, dan peternakan. Media yang homogen ini tidak akan memberikan
pengaruh pada respon. Kondisi seperti ini menjadikan adanya lokal kontrol,
yaitu upaya pengendalian kondisi lapangan yang heterogen menjadi HOMOGEN
untuk menekan galat (error). Yang penting faktor yang digunakan untuk
pemblokiran perlakuan bukan merupakan faktor penelitian
Anova satu faktor adalah metode statistik untuk mempelajari hubungan
antara variabel dependen dengan satu independen variabel (dalam hal ini disebut
Faktor). Berbeda dengan analisa regresi, dalam analisa ini tidak diperlukan
anggapan tentang bentuk hubungan itu dan variabel independen tidak harus
kuantitatif.

Model linear : Yij =  + i + ij  sering disebut model RAL

Yij = hasil ke j yang mendapat treatment (faktor) ke i  response

 = mean sebenarnya (nilai tengah umum)
i = efek sebenarnya treatment ke i (deviasi terhadap ) atau
pengaruh perlakukan ke i
ij = kesalahan random N(0,2)
Asumsi dasar yang digunakan agar dapat di uji secara statistika:
 dan i bernilai tetap
 , i dan ij saling aditif
ij  N(0,2) artinya menyebar dengan mean 0 dan variansi 2
ij tidak berkorelasi satu sama lainya.

Treatment Observations (n replications) Total Mean

1 Y11 Y12 ....... Y1n Y1.
Y1.
2 Y21 Y22 ....... Y2n Y2.
Y2.
… …. …. ….. …. …. ….
… …. …. ….. …. …. ….
a Ya1 Ya2 ....... Yan Ya.
Ya.
Total Y..=Y
Y  Y..

where,
 N =nxa E (Yij) = i =  + I

  i  0 ,  i  Treatment  effect(deviation from  overal  mean)

i

 yi.   yij  0 , yi. 

yi.
y..   y ij , y.. 
y..
j 1 n i j 1 N

Note that
(a) Linear Model for RAK: Yij =  + K+ i + ij
(b) inear Model for RAKL: Yij =  + β+λ+ i + ij
K = Block effect; β = row effect, λ= column effect

Our objective is to test (estimate) treatment effect .

 Dua perlakuan untuk model: Yij =  + i + ij

(1) Fixed effect model

 Treatment is chosen by experimenter
 We test the treatment mean
 Our conclusion will apply to factor levels that
considered in the analysis (the conclusion can not be
extended to treatment that were not considered)

(2) Random effect model linear

 Treatments are random sample
 We test the treatment mean
 The conclusion can be extended to population
treatment.

We are interested to test hypotheses:

 Ho :  1 = ...... =  a vs H1 =  i   j
 Ho : i 1 = ......= i a = 0 (no effect treatment) vs H1 : i i  0

An ova
Source of SS DF MS. Fo
Variance
Between
Treatment
SSTR a-1 MSTR MSTR
-------
Fo  F ;a1; N a
Error (within SSE N-a MSE MSE Ho is rejected
treatment)
Total SST N-1

where,
n
Y .. Yi.
(1)Yi.  Yij (2)Y ..  Yij (3)Y ..  (4)Yi. 
j 1 N n
 a n
Y..2
(5) SST   (Yij  Y ..) 2   Yij2 
i j N
a
Yi.2 Y..2
(6) SSTR  n (Yi.  Y ..) 2  
i n N

(7) SSE   (Yij  Yi. ) 2

SST = SSTR + SSE

Unbalanced case :
ni
a
Y..2 Yi.2 Y..2
a
(1) SST  Y  2
ij (2)SSTR    (3) niˆi  0
i j N i ni N
 MSE 
CI For mean (CI For i ) adalah Yi.  t / 2; N  a 
 n 
 2( MSE) 
CI For i-j is Yi.  Y j .  t / 2; N  a 
 n 
a
Where: ˆ  Y .. ˆ i.  ˆ  ˆi  Yi. ˆi  Yi.  Y .. ˆ
i 1
i 0
 Latihan:
Tentukan 95% CI for mean treatment ke 4 data kasus
dibawah ini adalah.......
Data tersebut untuk soal diatas adalah sbb ˆ  Y .. = 15.04
ˆi  Yi.  Y .. sedemikian hingga
ˆi  Y1.  Y .. =-5.24 2 = 0.36 3 = -2.56 4 = 6.56 5 = -4.24,
maka 95% CI for mean ke 4 adalah
{21.6  2.086  (8.06) /5 }

Contoh 1
Suatu pabrik kain melakukan penelitian tentang daya rentang
benang yang digunakan sebagai bahan pembuat kain. Diduga bahwa
daya rentang ini bergantung persentase kapas dalam benang.
Kemudian dilakukan penelitian pada lima (5) nilai persentase kapas
yang menjadi perhatian adalah 15%, 20%, 25%, 30%, dan 35%.
Untuk menguji kebenaran tersebut, dicoba 5 ulangan benang untuk
masing-masing nilai persentase, dimana sejumlah 25 benang
tersebut dicoba secara random. Dari percobaan tersebut didapat
daya rentang (dalam 16/inch) sebagai berikut:

% Cotton Replications (n) Total Mean

(Kapas) 1 2 3 4 5
15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.8
376 15.04
(Citied from Design Analysis of Experiment)

(1) Gunakan MINITAB, tampilkan hasil table anova tersebut diatas

dari data
(2) Gunakan Calculator dan rumus-rumus anova, tampilkan hasil
table anova tersebut pada (1).
(3) Setelah terbukti bahwa factor mempunyai significant effect,
gunakan LSD (Least Significant Differences or Fisher-test)
Method untuk menguji secara parsial hipotesis yang ada
 sedemikian hingga didapatkan factor yang really significant
different, dengan uji :

Ho : i = j vs H1 : i  j
Y  Y j.  1 1 
to   Yi.  Y j .   t 0 MSE  
i.
by
n n 
1 1   i j 
MSE  
n n 
 i j 

Jawab
(1)
Hasil Anova Table data tersebut diatas (Check it)
Source of SS DF MS. Fo
Variance
% of cotton
Treatment
475.76 4 118.94 14.76
Fo  F ;a1; N a
Error (within 161.20 20 8.06 Ho is rejected
treatment)
Total 636.96 24

(2) Check and compare with (1)

(3) Langkah Uji LSD
(a) Hitung MSE dari Anova pada jawaban diatas
(b) Tentukan nilai  = 0.05
(c) Tentukan nilai LSD
(d) Tentukan urutan kombinasi mean satu dengan yang
lainya:
Y1.  Y2 = -5.6*
Y1.  Y3 = -7.8*
........................
Y2.  Y3 = -2.2*
........................
Y4.  Y5 = 10.8*

(e) Jika nilai mutlak mean Yi.  Yj. > LSD maka Ho ditolak,
artinya pasangan tersebut significant different.
 Critical value of LSD :
2( MSE)
LSD  t / 2; N  a ( balance )
n
1 1
LSD  t / 2; N  a MSE   ( unbalance )
n n 
 i j 

Beberapa uji-uji parsial untuk uji beda mean (termasuk

didalamnya adalah LSD) adalah sebagai berikut: