ANOVA DUA-ARAH

Apa itu ANOVA dua-arah?

Kata “dua arah” berarti pada disain eksperimen ada dua veriabel independent dan tiap variabel
independen ada C dan R kategori. Istilah C dan R merujuk pada tempat variabel dalam tabel disain
eksperimen. Ada variabel independent yang terletak di baris (r = row) ada variabel independent yang
terletak di kolom.

Apa kegunaan ANOVA dua arah?

ANOVA dua-arah digunakan untuk menguji hipotesis beda lebih dari dua rata-rata yang berasal dari dua
veriabel independent, dimana masing-masing variabel independent memiliki beberapa kategori.
Kesimpulan ANOVA dua arah adalah pengaruh masing-masing variabel independent dan interaksi kedua
variabel independent

Bagaimana bentuk tampilan data hasil eksperimen yang akan dioleh dengan ANOVA dua-arah?

Misalkan ada dua variabel independent, yaitu variabel independen yang terletak di kolom dengan jumlah
kategori C dan variabel yang terletak di kolom dengan R kategori dan setiap kelompok yang dikenai
perlakuan kombinasi R dan C ada n anggota. Bentuk tabel datanya adalah

Variabel independen I Arti notasi

1 2 … C Rata-rata a. Tiap kelompok ada n skor
baris b. Simbol skor Xrci, dimana r
1 X111 X121 … X1C1 𝑋̅1.. melambangkan nomor baris, c
Variabel independent II

X112 X122 X1C2 melambangkan nomor kolom,

... ... ... dan i melambangkan nomor
X11n X12n X1Cn urut skor
2 X211 X221 … X2C1 𝑋̅2.. Contoh: X312 artinya skor nomor
X212 X222 X2C2 2 kelompok kolom pertama
... ... ... baris ke 3
X21n X22n X2Cn c. Ada empat jenis rata-rata
… … … … … … 1) Rata-rata dalam kelompok,
R X211 XR21 … XRC1 𝑋̅𝑅.. 𝑋̅𝑟𝑐. misalkan 𝑋̅13. Artinya
X212 XR22 XRC2 rata-rata kelompok ke di
... ... ... baris pertama kolom ke tiga
X21n XR2n XRCn 2) Rata baris, 𝑋̅𝑟.. misalkan 𝑋̅2..
Rata-rata 𝑋̅.1. 𝑋̅.2. … 𝑋̅.𝐶. 𝑋̅… artinya rata-rata baris ke 2
Kolom 3) Rata-rata kolom, 𝑋̅.𝑐. contoh
𝑋.4. artinya rata-rata kolom
ke 4
4) Rata-rata keseluruhan
(grand mean), 𝑋̅…
Bagaimana cara mencari keempat rata-rata di atas?

1. Rata-rata dalam kelompok Jumlahkan skor semua anggota kelompok mulai

∑𝑛𝑖=1 𝑋𝑟𝑐𝑖 dari skor pertama sampai skor ke i. Bagi jumlah
𝑋̅𝑟𝑐. =
𝑛 tersebut dengan n (jumlah anggota kelompok)
2. Rata baris Jumlahkan semua anggota kelompok dibaris ke r
∑𝐶𝑐=1 ∑𝑛𝑖=1 𝑋𝑟𝑐𝑖 untuk semua kolom mulai dari kolom pertama
𝑋𝑟.. = sampai kolom ke C
𝑛𝐶
3. Rata kolom Jumlahkan semua anggota kelompok di kolom ke
∑𝑅𝑟=1 ∑𝑛𝑖=1 𝑋𝑟𝑐𝑖 C untuk semua baris mulai dari baris pertama
𝑋.𝑐. = sampai kolom ke R
𝑛𝑅
4. Grand mean (rata-rata keseluruhan) Jumlahkan semua anggota kelompok untuk semua
∑𝑅𝑟=1 ∑𝐶𝑐=1 ∑𝑛𝑖=1 𝑋𝑟𝑐𝑖 baris dan semua kolom dibagi dengan jumlah total
𝑋.𝑐. = anggota kelompok
𝑁

Partisi sum of square (jumlah kuadrat)

Bagaimana partisi sum of square di lakukan?

Cara partisi sum of square dilakukan dengan pertama-tama misalkan tiap kombinasi RC (tiap kelompok)
hanya ada sekali pengukuran (anggota kelompok hanya ada satu), maka jumlah kuadrat total, sstotal dapat
dipartisi menjadi tiga komponen, yaitu kuadrat total, ss total kuadrat antar baris, ssr, kuadrat kolom, ssc,
kuadrat total, ssrc. Proses partisi, seperti pada ANOVA satu-arah, dimulai dengan identitas

1. Operasi identitas
(𝑋𝑟𝑐 − 𝑋̅.. ) = (𝑋̅𝑟. − 𝑋̅.. ) + (𝑋̅.𝐶 − 𝑋̅.. ) + (𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )

Operasi identitas menyatakan bahwa simpangan setiap skor dari grand mean dapat dipandang sebagai
terdiri dari tiga bahagian, yaitu simpangan rata-rata baris dari grand mean, rata-rata kolom dari grand
mean dan simpangan dalam bentuk interaksi antara baris dan kolom
2. Kuadratkan kedua
Kuadrat identitas akan menghasilkan enam suku disebelah kanan1. Suku-suku di sebelah kanan di
kiri sama dengan kemudian dijumlahkan untuk semua baris R dan kolom C. Tiga suku mengandung
jumlah simpangan akan berharga nol (lansung dihilangkan!), maka sstotal dapat ditulis sebagai

𝑅 𝐶 𝑅 𝐶 𝑅 𝐶 𝑅 𝐶

∑ ∑(𝑋𝑟𝑐 − 𝑋̅.. )2 = 𝐶 ∑ ∑(𝑋̅𝑟. − 𝑋̅.. )2 + 𝑅 ∑ ∑(𝑋̅.𝐶 − 𝑋̅.. )2 + ∑ ∑(𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )
𝑟=1 𝑐=1 𝑟=1 𝑐=1 𝑟=1 𝑐=1 𝑟=1 𝑐=1

Suku sebalah kiri adalah jumlah kuadrat total, 𝑠𝑠𝑡𝑜𝑡𝑎𝑙 = ∑𝑅𝑟=1 ∑𝐶𝑐=1 𝑋𝑟𝑐 − 𝑋̅.. )
Suku sebelah kanan terdiri dari
a. jumah kuadrat deviasi rata-rata baris dari grand mean, 𝑠𝑠𝑅 = 𝐶 ∑𝑅𝑟=1 ∑𝐶𝑐=1(𝑋̅𝑟. − 𝑋̅.. )2 . Jumlah
kuadrat ini menggambarkan variasi rata-rata baris

1
(a – b) = (c – b) + (d – b) + (a – c – d + b)
(a – b)2 = (c – b)2 + (d – b)2 + [(a – c – d + b)]2 +2[(c – b)(d – b)]+2[(c – b) (a – c – d + b)] + 2[(d – b) (a – c – d + b)]
 b. jumlah kuadrat deviasi rata-rata kolom dari grand mean, 𝑠𝑠𝐶 = 𝑅 ∑𝑅𝑟=1 ∑𝐶𝑐=1(𝑋̅.𝐶 − 𝑋̅.. )2 .
Jumlah kuadrat ini menggambarkan variasi rata-rata kolom
c. Jumlah kuadrat interaksi, 𝑠𝑠𝑅𝐶 = ∑𝑅𝑟=1 ∑𝐶𝑐=1(𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )
3. Jika tiap kelompok terdiri dari n skor (ada n anggota kelompok yang diukur), maka jumlah kuadrat
total dapat dipartisi menjadi empat jumlah kuadrat, yaitu jumlah kuadrat antar baris, jumlah
kuadrat antar kolom, jumlah kuadrat interaksi dan jumlah kuadrat dalam kelompok. Partisi ini
terlihat jika jumlah kuadrat total pada no. 2 dijumlah untuk n skor menjadi:

𝑅 𝐶 𝑛 𝑅 𝐶 𝑅 𝐶

∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅.. ) = 𝑛𝐶 ∑(𝑋̅𝑟. − 𝑋̅.. ) + 𝑛𝑅 ∑(𝑋̅.𝐶 − 𝑋̅.. ) + 𝑛 ∑ ∑(𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )
2 2 2

𝑟=1 𝑐=1 𝑖=1 𝑟=1 𝑐=1 𝑟=1 𝑐=1

sstotal ssR ssC ssRC

𝑅 𝐶 𝑛

+ ∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅𝑟𝑐. )2
𝑟=1 𝑐=1 𝑖=1

ssw

VARIANCE ESTIMANTE ATAU RATA-RATA KUADRAT

Untuk menghitung variance astimate diperlukan derajad kebebasan. Bagaimana mendefinisikan
derajad kebebasan?

a. Derajad kebebasan total, dftotal. Dengan n skor untuk tiap kelompok (kombinasi RC), maka jumlah
total skor adalah nRC = N. maka dftotal = NRC – 1 = N – 1
b. Derajad kebebasan baris, dfR = R – 1; dan derajad kebebasan kolom, dfC = C – 1
c. Derajad kebebasan interaksi. dfRC = (R – 1)(C – 1)
d. Derajad kebebasan dalam kelompok, dfw = N – RC = RC (n – 1)

Dengan mendefinisikan df, maka variance estimate, s 2 untuk masing-masing jumlah kuadrat dapat
dihitung, yaitu
𝑠𝑠𝑅 𝑠𝑠𝐶 𝑠𝑠𝑅𝐶 𝑠𝑠𝑤
a. 𝑠𝑅2 = b. 𝑠𝐶2 = 2
c. 𝑠𝑅𝐶 = 2 =
d. 𝑠𝑤
𝑑𝑓𝑅 𝑑𝑓𝐶 𝑑𝑓𝑅𝐶 𝑑𝑓𝑤

Hasil perumusan jumlah kuadrat, derajad kebabasan dan variance estimate dapat diringkas pada tabel
berikut:
ANOVA dua-arah dengan n skor tiap kelompok: n>1
Sumber Jumlah kuadrat Cara Menghitung df s2
variansi
𝑅
Baris Kuadratkan beda rata-rata baris dari grand R – 1 𝑠𝑟2
𝑛𝐶 ∑(𝑋̅𝑟. − 𝑋̅.. )2 mean untuk semua baris kemudian
𝑟=1 kalikan dengan nC
𝐶
Kolom Kuadratkan beda rata-rata kolom dari C–1 𝑠𝑐2
𝑛𝑅 ∑(𝑋̅.𝐶 − 𝑋̅.. )2 grand mean untuk semua kolom
𝑐=1 kemudian kalikan dengan nC
𝑅 𝐶 Kuadratkan beda rata-rata tiap kelompok 2
Interaksi RC - 1 𝑠𝑟𝑐
𝑛 ∑ ∑(𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )2 dan nomor kelompok digunakan untuk
𝑟=1 𝑐=1 kolom dan baris kemudian dikali n
 𝑅 𝐶 𝑛 Kuadratkan beda rata-rata tiap skor 2
Dalam N - RC 𝑠𝑤
kelompok ∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅𝑟𝑐. )
2 dengan rata-rata kelompok dan nomor
𝑟=1 𝑐=1 𝑖=1 kelompok digunakan untuk kolom dan
baris
𝑅 𝐶 𝑛 Kuadratkan beda rata-rata tiap skor
Total N–1
∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅.. )2 dengan grand mean dan nomor
𝑟=1 𝑐=1 𝑖=1 kelompok digunakan untuk kolom dan
baris

Sifat interaksi

Bagaimana sifat interaksi?

Suku interaksi digambarkan dengan:

𝑅 𝐶

𝑛 ∑ ∑(𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )2

𝑟=1 𝑐=1

Sifat interaksi ini dapat diilustrasikan dengan contoh. Misalkan ada eksperimen bidang pertanian pada
dua varietas gandum dan dua tipe pupuk. Asumsikan bahwa salah satu varietas menghasilkan gandum
yang lebih banyak dibandingkan varietas yang lain.

a. Jika hasil panen gandum pertama lebih tinggi dari varietas gandum ke dua untuk pupuk apapun
yang dipakai, maka dikatakan tidak ada interaksi antara varietas gandum dan pupuk yang
dipakai
b. Jika hasil panen gandum yang pertama lebih tinggi dari varietas kedua untuk salah satu pupuk dan
lebih rendah untuk jenis pupuk yang lain, maka dikatakan ada interaksi antara varietas gandum
dan pupuk yang dipakai

Bagaimana mengaitkan interkasi dengan formulasi di atas?

Pada formulasi didepan tanda sigma ada relasi:

𝑋̅𝑟𝑐. − 𝑋̅𝑟.. − 𝑋̅.𝐶. + 𝑋̅... atau 𝑋̅𝑟𝑐. − 𝑋̅𝑟.. = 𝑋̅.𝐶. − 𝑋̅...

Dengan demikian harga 𝑋̅𝑟𝑐. Dibawah kondisi tidak ada interaksi dinyatakan dengan 𝐸(𝑋̅𝑅𝐶 ) = 𝑋̅𝑟.. −
𝑋̅.𝐶. + 𝑋̅... . Harga 𝐸(𝑋̅𝑅𝐶 ) dicantumkan pada bahagian sebelah kanan tabel.

Perhatikan perbandingan harga rata-rata yang diperoleh dari observasi dan harga rata-rata yang
diperkirakan (expected mean) jika tidak ada interaksi pada tabel berkut:
Perbandingan harga rata-rata observasi dan harga rata-rata yang diharapkan (expected mean) jika tidak ada interaksi
𝑋̅𝑅𝐶 hasil pengamatan 𝑋̅𝑟.. 𝐸(𝑋̅𝑅𝐶 ) diharapkan
𝑋̅𝑟..
I II III I II III
A 2 12 16 10 A 4 16 10 10

B 6 20 34 20 B 14 26 20 20

C 64 76 40 60 C 54 66 60 60
𝑋̅.𝑐. 24 36 30 30 𝑋̅... 𝑋̅.𝑐. 24 36 30 30 𝑋̅...
Pada Tabel di atas di kolom sebelah kiri diperlihatkan hasil observasi rata-rata kelompok untuk disain
eksperimen dua variabel independen dengan masing-masing tiga kategori yang akan diolah dengan
ANOVA dua arah. Rata-rata kelompok berasal dari kelompok dengan jumlah skor, n, yang sama. Kolom
sebelah memperlihatkan berapa harusnya rata-rata kelompok jika tidak ada interaksi antara kedua
variabel.

Relasi dalam fomulasi jumlah kadrat interaksi menujukkan bahwa kedua variabel independent tidak akan
berinteraksi jika 𝑋̅𝑟𝑐. − 𝑋̅𝑟.. = 𝑋̅.𝐶. − 𝑋̅... .

Rata-rata kelompok pada tabel sebelah kanan menunjukkan relasi ini. Contoh data pada baris pertama
kolom pertama, maka 𝑋̅11. = 4; 𝑋̅1.. = 10; 𝑋̅.1. = 24; 𝑋̅... = 30. Dengan rata-rata ini maka syarat tidak
ada interaksi terpenuhi, dimana 𝑋̅11. − 𝑋̅1.. = 𝑋̅.1. − 𝑋̅...  2 – 10 = 24 – 30 atau 𝑋̅11. = 𝑋̅1.. − 𝑋̅.1. + 𝑋̅... .
Rata-rata lain juga dapat dibuktikan akan memberikan hasil yang sama.

Namun untuk rata-rata hasil observasi di sebelah kiri , relasi ini tidak dapat dibuktikan. Contoh data pada
baris pertama kolom pertama, maka 𝑋̅11. = 2; 𝑋̅1.. = 10; 𝑋̅.1. = 24; 𝑋̅... = 30. Dengan rata-rata ini maka
syarat tidak ada interaksi terpenuhi, dimana 𝑋̅11. − 𝑋̅1..  𝑋̅.1. − 𝑋̅...  4 – 10  24 – 30. Rata-rata lain juga
dapat dibuktikan akan memberikan hasil yang mirip. Dengan demikian hasil observasi menujukkan ada
interaksi antara kedua variabel.

Uji hipotesis
Bagaimana uji hipotesis dilakukan?

Uji hipotesis adalah dilakukan untuk menguji pengaruh variabel yang diletakkan di baris dan kolom serta
interaksi antara kedua variabel. Ada tiga metode pengujian yang dikenal dengan finite model, yang teridiri
dari tiga model, yaitu model random, fixed dan mixed. Pemilihan model tergantung pada sifat variabel
independent yang digunakan pada disain eksperimen.

Finite model didasarkan pada asumsi bahwa simpangan skor hasil observasi, 𝑋𝑟𝑐𝑖 dari grand mean
populasi populasi, , dinyatakan dengan:

𝑋𝑟𝑐𝑖 −  = ar + bc + (ab)rc + erci

Empat kuantitas di sebelah kanan menyatakan simpangan, dimana

1) ar = r.. −  (deviasi nilai rata-rata baris populasi dengan grand mean populasi);
2) br = .c. −  (deviasi nilai rata-rata kolom populasi dengan grand mean populasi);
3) (ab)rc = rc.. − r.. − .c. +  (deviasi nilai rata-rata baris populasi dengan grand mean populasi);
4) erci = 𝑋𝑟𝑐𝑖 − rc.. Suku ini disebut suku kesalahan untuk menyetakan penimpangn skor sampel dari
grand mean populasi.

Partisi secara implisit menyatakan pengaruh perlakuan dapat dipartisi menjadi menjadi komponen-
komponen yang dapat dijumlahkan (additive) untuk setiap anggota kelompok. Karena ar, bc, (ab)rc, erci
adalah suku deviasi, maka jumlah setiapnya adalah nol. Variansi populasi untuk kempat komponen adalah
𝜎𝑎2 , 𝜎𝑏2 , 𝜎𝑎𝑏
2
, dan 𝜎𝑒2 .

Hipotesis null yang akan diuji adalah:

1) Hr : 1 = 2 = … = r dan hipotesii ini dapat dinyatakan dengan Hr = 𝜎𝑎2 = 0
2) Hc : 1 = 2 = … = c dan hipotesii ini dapat dinyatakan dengan Hr = 𝜎𝑏2 = 0
3) Hrc : 𝜎𝑏2 = 0

PENGUJIAN HIPOTESIS
Model apa yang digunakan untuk pengujian hipotesis?
Ada tiga hipotesis yang akan diuji, yaitu
1) Pengaruh variabel baris (yang mengadung beberapa kategori) dengan hipotesis null : Hr : 1 = 2 =
… = r (tidak ada pengaruh kategori variabel baris pada variabel dependent, atau perbedaan yang
diamati adalah sifat populasi dari mana sampel diambil) dan H1: sekurang-kurangnya salah satu
dari kategori variabel baris memberi pengaruh pada variabel dependent. Uji hipotesis dilakukan
dengan menghitung Fr dan bandingkan dengan Ftabel pada taraf signifikansi yang ditetapkan
2) Pengaruh variabel kolom (yang mengadung beberapa kategori) dengan hipotesis null : H c : 1 = 2
= … = c (tidak ada pengaruh kategori variabel kolom pada variabel dependent, atau perbedaan
yang diamati adalah sifat populasi dari mana sampel diambil) dan H 1: sekurang-kurangnya salah
satu dari kategori variabel kolom memberi pengaruh pada variabel dependent. Uji hipotesis
dilakukan dengan menghitung Fc dan bandingkan dengan Ftabel pada taraf signifikansi yang
ditetapkan
3) Interaksi variabel independent baris dan variabel independent kolom dengan hipotesis null: H rc:
tidak ada interaksi antara variabel independent baris dan varabel independent kolom. Uji
hipotesis dilakukan dengan menghitung Frc dan bandingkan dengan Ftabel pada taraf signifikansi
yang ditetapkan

hipotesis Sesuai dengan rumusan maka nilai Fr; Fc dan Frc dihitung dengan memilih salah satu dari tiga
model peritung untuk ketiga harga F. Pemilihan salah satu dari tiga model tergantung pada sifat variabel
bebas dalam eksperimen. Ketiga model itu adalah:
1. Model Random: n> 1 . Model ini dipakai bila kategori variabel baris dan kolom dipilih secara
random dari sejumlah tak tebatas kategori. Dengan model ini maka harga F dihitung dengan cara
:
2
𝑠𝑟𝑐 𝑠𝑟2 𝑠𝑐2
a. 𝐹𝑟𝑐 = 2 b. 𝐹𝑟 = 2 c. 𝐹𝑐 = 2
𝑠𝑤 𝑠𝑟𝑐 𝑠𝑤
2. Model Fixed: n > 1. Model ini dipakai bila kategori variabel baris dan variabel kolom tersedia dalam
jumlah terbatas dan pemilihan kategori tidak dilakukan secara random. Dengan model ini maka
harga F dihitung dengan cara :
2
𝑠𝑟𝑐 𝑠𝑟2 𝑠𝑐2
𝑎. 𝐹𝑟𝑐 = 2 b. 𝐹𝑟 = 2 c. 𝐹𝑐 = 2
𝑠𝑤 𝑠𝑤 𝑠𝑤
3. Model Mixed: n > 1. Model ini dipakai bila salah satu dari variabel memiliki kategori yang dipilih
secara random. Bila kategori variabel baris dipilh secara random dan variabel kolom tersedia
dalam jumlah terbatas dan pemilihan kategori tidak dilakukan secara random, maka harga F
dihitung dengan cara :
 2
𝑠𝑟𝑐 𝑠𝑟2 𝑠𝑐2
𝑎. 𝐹𝑟𝑐 = 2 b. 𝐹𝑟 = 2 c. 𝐹𝑐 = 2
𝑠𝑤 𝑠𝑟𝑐 𝑠𝑤
Bila kategori variabel kolom dipilh secara random dan variabel baris tersedia dalam jumlah
terbatas dan pemilihan kategori tidak dilakukan secara random, maka harga F dihitung dengan
cara :
2
𝑠𝑟𝑐 𝑠𝑟2 𝑠𝑐2
𝑎. 𝐹𝑟𝑐 = 2 b. 𝐹𝑟 = 2 c. 𝐹𝑐 = 2
𝑠𝑤 𝑠𝑤 𝑠𝑟𝑐

Bagaimana aplikasi tes hipotesis pada data sesungguhnya?

Pengunaan uji hipotesis pada data diilustrasikan pada contoh hasil experimen berikut:
Variabel 2 Lakukan uji hipotesi pengaruh variabel
Variabel 1 1 2 3 1 dan variabl 2 dengan model fixed
26 14 41 82 36 87
41 16 26 86 39 99
A
28 29 19 45 59 126
92 31 59 37 27 104
51 35 39 114 42 133
96 36 104 92 92 124
B
97 28 130 87 156 68
22 76 122 64 144 142
𝑋̅...
̅
Xr.. ssw sst
1 2 3 1 2 3 1 2 3
26 41 36 74,390625 70,140625 1305,015625 1905,3225 820,82 1132,3225
41 26 39 40,640625 546,390625 1097,265625 820,8225 1905,32 939,4225
28 19 59 43,890625 922,640625 172,265625 1734,7225 2565,42 113,4225
92 59 27 3291,890625 92,640625 2036,265625 499,5225 113,42 1819,0225
A
14 82 87 425,390625 1064,390625 221,265625 3096,9225 152,52 301,0225
16 86 99 346,890625 1341,390625 722,265625 2878,3225 267,32 861,4225
29 45 126 31,640625 19,140625 2902,515625 1652,4225 607,62 3175,3225
31 37 104 13,140625 153,140625 1016,015625 1493,8225 1066,02 1179,9225
 277 395 577 1249 4267,875 4209,875 9472,875 14081,88 7498,48 9521,88
̅
Xrc. 34,63 49,38 72,13 52,04
51 39 42 17,015625 3025 4987,890625 347,8225 939,4225 764,5225
96 104 92 1670,765625 100 425,390625 694,3225 1179,9225 499,5225
97 130 156 1753,515625 1296 1881,390625 748,0225 3642,1225 7456,3225
22 122 144 1097,265625 784 984,390625 2270,5225 2740,5225 5527,9225
B
35 114 133 405,015625 400 415,140625 1200,6225 1966,9225 4013,2225
36 92 124 365,765625 4 129,390625 1132,3225 499,5225 2953,9225
28 87 68 735,765625 49 1991,390625 1734,7225 301,0225 2,7225
76 64 142 435,765625 900 862,890625 40,3225 31,9225 5234,5225
 rc 441 752 901 2094 6480,875 6558 11677,875 8168,68 11301,38 26452,68
̅ rc.
X 55,13 94,00 112,63 87,25
c 718 1147 1478
̅
X.c. 44,88 71,69 92,38
 total 3343
̅ ...
X 69,65
 SSw SSc SSR SST ssrc df s2w s 2c s2r s2rc
4267,88 18150,04 14875,52 77024,98 1332,04 dfw =42 1015,89 9075,02 14875,52 666.02
4209,875 dfc = 2
dfr =1
9472,875
df rc =2
6480,875
6558
11677,88
42667,38

Sumber variansi Jumlah df Variansi Identitas

kuadrat (ss) estimasi (s2)
Antar baris 14875,52 1 14875,52 s2r
Antar Kolom 18150,04 2 9075,021 s 2c
interaksi 1332,042 2 666,0208 s2rc
Dalam kelompok 42667,38 42 1015,89 s2w
Total 77024,98 47
2
𝑠𝑟𝑐 𝑠2 𝑠2
𝐹𝑟𝑐 = = 0.656 𝐹𝑟 = 𝑠 𝑟2 =14.64 𝐹𝑟 = 𝑠 𝑐2 =8,93
𝑠𝑤2 𝑤 𝑤

F0.05,(1,42) = 4.07 dan F0.01,(1,42) = 7.27 F0.05,(2,42) = 3.22 dan F0.01,(3,42) = 5.12

Kesimpulan :
1. Frc < F0.05,(1,42) dan Frc < F0.01,(1,42)  tidak ada interaksi kedua variabel independent (p > 0.05 dan p > 0.01)
2. Fr > F0.05,(1,42) dan Fr > F0.01,(1,42)  Ada pengaruh variabel independent baris pada variabel dependent (p < 0.05 dan p < 0.01)
3. Fc > F0.05,(1,42) dan Fr > F0.01,(1,42)  Ada pengaruh variabel independent kolom pada variabel dependent (p < 0.05 dan p < 0.01)
Bagaimana jika jumlah anggota kelompok tidak sama?
Nilai n pada formulasi diganti dengan rata-rata harmonik, 𝑛̅ℎ , dimana
𝑅𝐶
𝑛̅ℎ =
1 1 1
𝑛11 + 𝑛12 + ⋯ + 𝑛𝑟𝑐
Sehingga formulasi pada tabel ss berubah menjadi:

Sumber Jumlah kuadrat

variansi
𝑅
Baris
𝑛̅ℎ 𝐶 ∑(𝑋̅𝑟. − 𝑋̅.. )2
𝑟=1
𝐶
Kolom
𝑛̅ℎ 𝑅 ∑(𝑋̅.𝐶 − 𝑋̅.. )2
𝑐=1
𝑅 𝐶
Interaksi
𝑛̅ℎ ∑ ∑(𝑋̅𝑟𝑐 − 𝑋̅𝑟. − 𝑋̅.𝐶 + 𝑋̅.. )2
𝑟=1 𝑐=1
𝑅 𝐶 𝑛
Dalam
kelompok ∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅𝑟𝑐. )
2

𝑟=1 𝑐=1 𝑖=1

𝑅 𝐶 𝑛
Total
∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅.. )2
𝑟=1 𝑐=1 𝑖=1

Tugas :

Berikut ini adalah data disain eksperimen dengan dua fixed variabel independent.
C1 C2 C3
R1 29 31 23 62 17 32
26 50 31 20 18 49
42 25 18 60 50 58
R2 17 62 35 83 17 28
27 62 50 42 14 58
50 29 62 19 49 62

Lakukan uji hipotesis untuk melihat pengaruh variabel baris, variabel kolom dan interaksi variabel baris
dan kolom