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
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).
Ulangan
Pakan tambahan
1 2 3
Protein tinggi dan kalori tinggi 3 11 10
Protein rendah dan kalori rendah 13 16 13
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.
A1 10 18 14 A1 14 10 12
A2 12 20 16 A2 10 14 12
Rerata B 11 19 Rerata B 12 12
A1 10 16 13 A1 13 14 13.5
A2 11 15 13 A2 18 12 15
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
Namun demikian, struktur faktorial yang dibuat membuat kita dapat menggali
informasilebih jauh mengenai
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
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.
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)