Acara 7.

Perancangan Perlakuan Faktorial dan Efek Perlakuan

Struktur grup-grup perlakuan dibuat untuk membantu menjawab hipotesis-hipotesis

ikutan secara sistematis dalam percobaan. Strukturisasi perlakuan dikenal sebagai
rancangan perlakuan (untuk membedakan dari rancangan lingkungan yang fungsinya
adalah mengendalikan sesatan). Salah satu golongan rancangan perlakuan yang paling
sering digunakan adalah apa yang dikenal sebagai keluarga rancangan faktorial, yang
mengombinasi dua atau lebih faktor. Dalam struktur faktorial, suatu faktor memiliki sejumlah
perlakuan yang masing-masing disebut aras/level. Percobaan faktorial dengan dua faktor
berarti mengombinasi atau memasangkan satu aras faktor pertama dengan satu aras dari
faktor kedua. Apabila semua aras pada satu faktor berpasangan dengan semua aras dari
faktor yang lainnya, kita menyebutnya faktorial lengkap. Dilihat dari bagaimana kombinasi
pasangan aras dibuat, ada dua kelompok percobaan faktorial lengkap, yaitu (1) berstruktur
tersarang dan (2) berstruktur tersilang. Rancangan berstruktur tersarang tidak akan dibahas
dalam praktikum.

Mentik Wangi IR-64

(A1) (A2)

Urea Organik Urea Organik

(B1) (B2) (B1) (B2)
Skema 1. Rancangan faktorial dengan dua faktor tersilang

Percobaan faktorial pada Skema 1 adalah percobaan faktorial tersilang dua faktor
(“Kultivar”dan “Pupuk”) 2×2 yang merupakan bentuk paling sederhana rancangan faktorial.
Rancangan faktorial tidak terbatas hanya dua faktor, dan bisa pula dipadukan dengan
rancangan lingkungan.
 Analisis simple
Interaksi nyata
effect

Kualitatif-Kualitatif
Jika main effect
Interaksi tidak nyata, analisis main
nyata effect dengan
posthoc

Perbandingan garis
regresi
Interaksi nyata
Racangan Perlakan
Faktorial Polinom ortogonal

Kualitatif-Kuantitatif
Jika main effect
nyata, uji posthoc
Interaksi tidak untuk faktor
nyata kualitatif atau
regresi untuk faktor
kuantittatif
Regresi linier
Kuantitatif-
berganda atau
Kuantitatif
response surface

Skema 2. Rancangan perlakuan faktorial

Simple effects, Interaction effects, dan Main effects

Pada perlakuan faktorial terdapat tiga macam efek perlakuan, yaitu, simple effects
(efek sederhana), interaction effects (efek interaksi), dan main effects (efek utama).
Sebagai contoh, data berikut adalah data dengan rancangan lingkungan CRD dan
rancangan faktorial 2×2 sehingga disebut CRD faktorial dua faktor. Ini adalah data selisih
bobot (dalam gram) akibat pemberian pakan tambahan yang merupakan kombinasi protein
dan karbohidrat (kalori).

Tabel 1. Data perubahan/selisih bobot

Ulangan
Pakan tambahan
1 2 3
Protein tinggi dan kalori tinggi 3 11 10
Protein rendah dan kalori rendah 13 16 13

Protein tinggi dan kalori rendah 19 21 20

Protein rendah dan kalori tinggi 17 16 21

Dari tabel tersebut, dapat dibuat tabel 2.

Tabel 2. Perhitungan simple effects dan interaction effects data Tabel 1.

Tabel 2 menunjukkan rerata tiap pasangan perlakuan A1B1, A1B2, A2B1, dan
A2B2, secara berturut-turut 8, 20, 18, dan 14. Simple effect faktor A pada level/aras B ke j
dinotasikan dalam bentuk µ[ABj ]. Dengan demikian, sebagai contoh, µ[AB1] merupakan
besarnya simple effect protein pada kalori tinggi dengan nilai 10. Simple effect ini
mengukur perbedaan selisih bobot protein tinggi dan protein rendah ketika yang
digunakan kalori tinggi dan rerata selisih bobot dengan protein rendah lebih tinggi
daripada protein tinggi ketika yang digunakan kalori tinggi. Begitu pula besarnya simple
effect protein pada kalori rendah adalah -6. Artinya, rerata selisih bobot dengan protein
tinggi lebih tinggi daripada protein rendah ketika yang digunakan kalori rendah. Coba
simpulkan simple effect untuk kalori.

Efek interaksi dihitung dari selisih dua simple effects (simple effects protein atau
s i m p l e effects kalori). Ketika efek interaksi bernilai nol, maka tidak ada interaksi pada
faktor-faktor yang digunakan. Pada contoh di atas efek interaksi bisa dihitung dengan
menghitung selisih simple effects protein ataupun simple effects kalori. Dengan
perhitungan tersebut, makaterdapat interaksi antara protein dan kalori karena selisih dua

simple effects, dalam hal ini simple effects protein yang dihitung dengan
bernilai 8.

Main effects atau efek utama adalah rerata dari dua simple effects. Sebagai contoh,

main effects protein adalah rerata dari dua simple effects protein, yaitu
Artinya, besarnya perubahan rerata selisih bobot ketika aras protein berubah dari
tinggi rendah adalah 4. Begitu pula dengan kalori, besarnya perubahan rerata selisih
bobot ketika level/aras kalori berubah dari tinggi rendah adalah 2.
 Untuk lebih memahami simple, interaction, dan main effects, perhatikan grafik
interaksi di bawah ini.

Grafik 1. Empat skenario pada rancangan perlakuan faktorial 2×2

Tabel 3. Rerata faktor per skenario

Skenario (1) B1 B2 Rerata A Skenario (2) B1 B2 Rerata A

A1 10 18 14 A1 14 10 12

A2 12 20 16 A2 10 14 12

Rerata B 11 19 Rerata B 12 12

Skenario (3) Skenario (4)

A1 10 16 13 A1 13 14 13.5

A2 11 15 13 A2 18 12 15

Rerata B 10,5 15,5 Rerata B 15,5 13

 Pada Skenario (1), tidak terdapat interaksi karena rerata selisih simple effects
adalah 0, yaitu [(10 − 12) − (18 − 20)] = −2 − (−2) = 0. Selain itu, kedua garis tersebut
paralel yang jelas mengindikasikan tidak ada interaksi. Namun, terdapat signifikansi pada
efek utama B karena selisih rerata antar aras faktor B cukup besar yaitu 8. Efek utama A
tidak signifikan karena selisih reratanya cukup kecil, yaitu 2.

Pada Skenario (2), terdapat interaksi karena rerata selisih simple effects tidak 0,
melainkan 4. Namun, tidak ada efek utama yang signifikan karena baik rerata faktor dan
faktor B yang mengakibatkan selisihnya 0.

Pada Skenario (3), terdapat interaksi karena rerata selisih simple effects bernilai 1.
Efek utamayang signifikan hanyalah faktor B karena selisih rerata antar aras faktor B adalah
5. Sedangkan,selisih antar aras faktor A adalah 0.

Pada Skenario (4), terdapat interaksi dan kedua efek utama yang signifikan. Efek
interaksi bernilai 3,5. Selisih antar aras faktor A adalah 2. Begitu juga untuk faktor B.
Dengan demikian, pada skenario ini baik efek interaksi dan efek utama signifikan.

Pengujian Hipotesis

Pengujian hipotesis untuk percobaan faktorial dapat dilihat sebagai kombinasi dua
faktor yang lengkap berpasangan aras-arasnya: A1B1, A1B2, A2B1, dan A2B2. Jika empat
kombinasi ini kita pandang tanpa memperhatikan faktor-faktornya, H0 yang diuji adalah

H0: μA1B1 = μA1B2 = μA2B1 = μA2B2 = μ

Namun demikian, struktur faktorial yang dibuat membuat kita dapat menggali
informasilebih jauh mengenai

i. H0: ½ (μA1B1 – μA2B2) = ½ (μA1B1 – μA2B1)= μ (hipotesis nol mengenai A*B,

yaituinteraksi A dengan B).

ii. H0: μA1 = μA2 = μ (hipotesis nol mengenai efek A, penyederhanaan dari
H0: ½ (μA1B1+ μA1B2)= ½ (μA2B1+ μA2B2)=μ),

iii. H0: μB1 = μB2 = μ (hipotesis nol mengenai efek B, penyederhanaan dari
H0: ½ (μA1B1 + μA2B1) = ½ (μA1B2 + μA2B2)= μ), dan

Dalam praktik, orang jauh lebih banyak menggunakan struktur tersilang karena informasi
yang tersedia lebih banyak, sehingga inilah yang akan kita bahas.
ANOVA Faktorial Menggunakan Kontras

Analisis varians bagi struktur tersilang dapat mendeteksi keberadaan interaksi,

selain pengaruh utama. Dalam contoh kita, pengaruh utama protein, kalori dan interaksi
pengaruh protein-kalori dapat diuji dengan hipotesis-hipotesis nol berikut:

 Pengaruh utama protein : H0: μP1 = μP2

 Pengaruh utama kalori : H0: μK1 = μK2
𝜇𝑃1𝐾1 𝜇𝑃2𝐾1
 Pengaruh interaksi protein-kalori : H0: =
2 2

Perhatikan bahwa sesungguhnya μP1=(μP1K1+μP1K2)/2 dst. Akibatnya, pengaruh

utama protein sesungguhnya adalah Kontras 1, pengaruh utama kalori sesungguhnya
adalah Kontras 2, dan pengaruh interaksi adalah Kontras 3. Jadi, rancangan faktorial
tersilang tidak lain adalah suatu struktur perlakuan yang menerapkan set kontras
orthogonal (Cek di Kalori.txt). Pendekatan kontras dapat dilakukan untuk menganalisis
struktur faktorial tersilang ini.

Sebagai latihan, lakukanlah analisis kontras ortogonal untuk contoh data di atas!
Mulailah dengan membuat seri kontras ortogonal (ada tiga kontras, sebut saja kontras 1,
kontras 2, dan kontras 3) sesuai dengan tiga hipotesis formal di atas. Bukalah file R untuk
acara ini.

ANOVA Faktorial Menggunakan Model Linear

Model linear rancangan faktorial apabila menggunakan rancangan lingkungan CRD

adalah:

𝑌𝑖𝑗𝑘 = 𝜇 + 𝐴𝑖 + 𝐵𝑖 + (𝐴𝐵)𝑖𝑗 + 𝜌𝑘 + 𝜀𝑖𝑗𝑘

Penduga berbagai komponennya adalah:

Untuk RCBD dan LS Design perlu tambahan komponen mengenai blok pada model.
 Keuntungan menggunakan model adalah kita dapat secara langsung
menggunakan perintah lm/aov pada R. Dengan model linear matematis seperti di atas,
baris perintah R yang bersesuaian adalah:

 lm(hasil~protein+kalori+protein:kalori) atau

 lm(hasil~protein*kalori)

Analisis pengaruh sederhana untuk menafsirkan interaksi

Jika hipotesis nol mengenai tidak ada pengaruh interaksi (Protein*Kalori)

tidak ditolak, analisis lanjutan setelah anova dilakukan terhadap pengaruh utama (main
effects), berupa pembandingan rerata aras-aras faktor utama yang nyata jika faktornya
tidak berstruktur, atau kontras ortogonal aras-aras faktor utama jika faktornya berstruktur
(Ingat: Protein maupun Kalori di sini merupakan faktor kualitatif!).

Jika interaksi bermakna, analisis dilanjutkan dengan menggabung JK pengaruh

utama dengan JK interaksi dan kemudian dipecah kembali menjadi JK pengaruh sederhana
faktor pertama (atau kedua) untuk tiap aras faktor kedua (atau pertama) jika aras faktor
kedua (pertama) tidak berstruktur. Yang mana yang dipilih mendasarkan hasil analisis
dalam kaitan dengan kemudahan dalam mengambil kesimpulan. Perhatikan uji simple
effects pada suplemenacara ini.

Hasil pengujian pengaruh utama dapat diabaikan jika interaksinya

bermakna (nyata) karena interaksi yang bermakna berarti bahwa masing-masing faktornya
berpengaruh, tetapi pengaruhnya tergantung faktor yang lainnya. Oleh sebab itu, kita
berusaha menjelaskan bagaimana kerjasama kedua faktor yang dicoba. Cara
analisisnya tergantung dari macam faktornya, apakah keduanya faktor kualitatif (dengan
analisis pengaruh sederhana), atau kuantitatif (dengan model-model regresi
permukaan tanggap), atau salah satu faktornya kualitatif dan faktor yang kedua
kuantitatif (dengan analisis pengaruh sederhana). Jika faktornya kualitatif, apakah
pemilihan grup perlakuannya ter- struktur (lanjutan dengan kontras ortogonal pada tiap
aras) atau tidak (lanjutan dengan uji pembandungan rerata pada tiap aras).