MANOVA DUA JALUR

(Two way MANOVA)

Percobaan Faktorial
• Ciri : perlakuan merupakan kombinasi dari semua
kemungkinan kombinasi dari taraf-taraf dua faktor atau lebih.

• Keuntungan adalah mampu mendeteksi respons dari

1.Taraf masing-masing faktor (pengaruh utama)
2.Interaksi antara dua faktor (pengaruh interaksi)

• Bila sudah ada dugaan kuat (ada literatur) bahwa faktor A dan
faktor B tidak ada interaksi maka tidak perlu menggunakan
rancangan faktorial.

2
• Interaksi merupakan kerja sama dua variabel bebas atau lebih dalam
mempengaruhi satu variabel terikat. Interaksi berarti bahwa kerja atau
pengaruh dari suatu variabel bebas terhadap suatu variabel terikat,
bergantung pada taraf atau tingkat variabel bebas lainnya. Dengan kata
lain, interaksi terjadi manakala suatu variabel bebas memiliki efek‐efek
berbeda terhadap suatu variabel terikat pada berbagai tingkat dari suatu
variabel bebas lain. Jadi efek interaksi merupakan suatu efek yang
diakibatkan oleh suatu variabel independen dengan memperhitungkan
kehadiran variabel independen lain.

• Efek utama [Main Effect (ME)] merupakan efek yang secara langsung
ditimbulkan oleh variabel bebas atau independen tanpa memperhitungkan
kehadiran variabel independen lain. Banyaknya ME akan sebanyak variabel
bebas/independen yang dilibatkan dalam model penelitian. Apabila
variabel bebas/independen yang dilibatkan dalam model penelitian ada
dua maka akan terdapat dua ME.
Interaksi Ordinal
• Tingkat perubahan prestasi satu subkelompok selalu tidak lebih baik
daripada subkelompok yang lain. Untuk menggambarkan hal ini,
perhatikan desain berikut ini:
Metode Mengajar
M1 M2 M3
Kemampuan tinggi 85 80 76
Kemampuan Rendah 60 63 68
• Perubahan prestasi dari siswa yang memiliki kemampuan tinggi
adalah 25 untuk Ml dan hanya 8 untuk M3, namun siswa dengan
kemampuan tinggi selalu lebih baik daripada siswa dengan
kemampuan rendah. interaksi dengan pola segaris yaitu variabel
bebas berlaku efektif pada satu tingkat dari variabel bebas lainnya
disebut sebagai interaksi ordinal.
Interaksi subordinal
Suatu perlakuan baik untuk satu kelompok, tapi ada perlakuan lain
yang lebih baik untuk kelompok lain yang berbeda. ragam interaksi
dengan pola saling‐silang disebut sebagai interaksi disordinal.

Metode Mengajar
M1 M2
IQ tinggi 50,52 38,01
IQ rendah 36,33 46,22
Plot interaksi antara faktor A dengan faktor B

6
Pengaruh Interaksi
Interaksi nyata/signifikan maka
a.uji pada pengaruh utama tidak bermakna
b.pengaruh faktor A dan B tidak saling bebas

7
Percobaan Dua Faktor dalam RAL

• Latar Belakang : unit percobaan yang digunakan relatif homogen

• Misal ada dua faktor (A dan B)

Faktor A mempunyai 3 taraf (A1, A2, A3)
Faktor B mempunyai 2 taraf (B1, B2)
Maka kombinasi perlakuan ada 3  2 = 6
(A1B1, A1B2, A2B1, A2B2, A3B1, A3B2)
Ulangan ada sebanyak 3
Maka unit percobaan yang diperlukan 3  2  3 = 18.

8
Bagan Percobaan dan Cara Pengacakan
1 2 3 4 5 6
A1B1
7 8 9 10 11 12
A1B1
13 14 15 16 17 18
A1B1

Cara mengacak, misalkan A1B1 akan diletakkan pada 3

nomor kocokan pertama yaitu pada tempat 5, 9 dan 18,
dan seterusnya.

9
Tabulasi Data
Ulangan A1 A2 A3 Total
B1 1 Y111 Y211 Y311
2 Y112 Y212 Y312
3 Y113 Y213 Y313
Total Y11• Y21• Y31• Y•1•
B2 1 Y121 Y221 Y321
2 Y122 Y222 Y322
3 Y123 Y223 Y323
Total Y12• Y22• Y32• Y•2•
Total Y1•• Y2•• Y3•• Y•••

10
 Model Linier Aditif dari Faktorial RAL
i  1, 2,, a
j  1, 2,, b
X ijk     i   j   ij   ijk dengan k  1, 2,, r

 ijk ~ N 0,  2 
iid

Xijk : pengamatan pada faktor A taraf ke-i, faktor B taraf ke-j dan ulangan ke-k
μ : rataan umum
i : pengaruh utama faktor A taraf ke-i
j : pengaruh utama faktor B taraf ke-j
()ij : pengaruh interaksi dari faktor A taraf ke-i dan faktor B taraf ke-j
ijk : pengaruh acak pada faktor A taraf ke-i, faktor B taraf ke-j dan ulangan ke-k
Asumsi untuk model tetap ialah
a b a b

 i  0,   j  0,   ij    ij  0

i 1 j 1 i 1 j 1
Asumsi untuk model acak ialah

 i ~ N 0,   ,  j ~ N 0,   ,  ij ~ N 0,   

iid iid iid
2 2 2

11
 Hipotesis Model Tetap (Faktor A dan B tetap)
• Hipotesis pengaruh utama faktor A
H 0 : 1   2     a  0 atau 𝐻0 : 𝜇1. = 𝜇2. = ⋯ = 𝜇𝑎.
(faktor A tidak berpengaruh terhadap respons yang diamati)
H1 :  i  0 , i  1, 2, , a atau 𝐻1 : ∃ 𝑖, 𝜇𝑖. ≠ 𝜇𝑖.′ . , 𝑖 = 1, 2, … , 𝑎
(faktor A berpengaruh terhadap respons yang diamati)

• Hipotesis pengaruh utama faktor B

H 0 : 1   2    b  0 atau 𝐻0 : 𝜇.1 = 𝜇.2 = ⋯ = 𝜇.𝑏
(faktor B tidak berpengaruh terhadap respons yang diamati)
H1 :  j  0 , j  1, 2,  , b atau 𝐻1 : ∃ 𝑗, 𝜇.𝑗 ≠ 𝜇.𝑗 ′ , 𝑗 = 1, 2, … , 𝑏

(faktor B berpengaruh terhadap respons yang diamati)

12
Hipotesis pengaruh interaksi
H 0 :  11   12     ab  0 atau 𝐻0 : 𝜇𝑖𝑗 − 𝜇𝑖 ′ 𝑗 − 𝜇𝑖𝑗′ + 𝜇𝑖 ′ 𝑗′ =0
i  1, 2, , a, j  1, 2, , b
Interaksi faktor A dengan faktor B tidak berpengaruh terhadap respons yang diamati

H1 :  ij  0 , i  1, 2,  , a, j  1, 2,  , b atau 𝐻1 : ∃ 𝑖, 𝑗, 𝜇𝑖𝑗 − 𝜇𝑖 ′ 𝑗 − 𝜇𝑖𝑗′ + 𝜇𝑖 ′ 𝑗′ ≠ 0

i  1, 2, , a, j  1, 2, , b
Interaksi faktor A dengan faktor B berpengaruh terhadap respons yang diamati
Perhitungan Jumlah Kuadrat
JKA = 𝑆𝑆𝐹𝑎𝑐 1 = σ𝑎𝑖=1 𝑏𝑟 𝑥ҧ𝑖. − 𝑥ҧ 2
2
JKB = 𝑆𝑆𝐹𝑎𝑐 2 = σ𝑏𝑖=1 𝑎𝑟 𝑥ҧ.𝑗 − 𝑥ҧ
2
JKAB = 𝑆𝑆𝑖𝑛𝑡𝑒𝑟 = σ𝑎𝑖=1 σ𝑏𝑖=1 𝑟 𝑥ҧ𝑖𝑗 − 𝑥ҧ𝑖. − 𝑥ҧ.𝑗 + 𝑥ҧ
2
JKG = 𝑆𝑆𝑟𝑒𝑠 = σ𝑎𝑖=1 σ𝑏𝑗=1 σ𝑟𝑘=1 𝑥𝑖𝑗𝑘 − 𝑥ҧ𝑖𝑗
2
JKT = 𝑆𝑆𝑡𝑜𝑡 = σ𝑎𝑖=1 σ𝑏𝑗=1 σ𝑟𝑘=1 𝑥𝑖𝑗𝑘 − 𝑥ҧ
Tabel ANAVA DUA JALUR
Sumber Derajat Jumlah Kuadrat F Hitung Kriteria penolakan 𝑯𝟎
Keragaman Bebas (db) Kuadrat (JK) Tengah (KT)
Faktor A a 1 JKA KTA 𝐾𝑇𝐴Τ𝐾𝑇𝐺 F > 𝐹𝛼 (a 1, ab(r1))
Faktor B b 1 JKB KTB 𝐾𝑇𝐵 Τ𝐾𝑇𝐺 F > 𝐹𝛼 (𝑏 1, ab(r1))

Faktor AB (a 1)(b 1) JKAB KTAB 𝐾𝑇𝐴𝐵 Τ𝐾𝑇𝐺 F > 𝐹𝛼 ((a 1) (b 1),
ab(r1))
Galat ab(r1) JKG KTG

Total abr1 JKT

15
Model MANOVA DUA JALUR
𝑿𝑖𝑗𝑘 = 𝝁 + +𝜶𝑖 + 𝜷𝑗 +(𝜶𝜷)𝑖𝑗 +𝜺𝑖𝑗𝑘
k = 1, 2, … , 𝑟 , 𝑖 = 1, 2, … , 𝑎 dan 𝑗 = 1, 2, … , 𝑏
dengan 𝜺𝑖𝑗𝑘 independen dengan distribusi 𝑁𝑝 𝟎, 𝚺 , dengan
σ𝑎𝑖=1 𝜶𝑖 = σ𝑏𝑗=1 𝜷𝑗 = σ𝑎𝑖=1(𝜶𝜷)𝑖𝑗 = σ𝑏𝑗=1(𝜶𝜷)𝑖𝑗 = 𝟎
Xijk : vektor pengamatan pada faktor A taraf ke-i, faktor B taraf ke-j dan ulangan ke-k
𝝁 : vektor rataan umum
𝜶𝑖 : vektor pengaruh utama faktor A taraf ke-i
𝜷𝑗 : vektor utama faktor B taraf ke-j
(𝜶𝜷)𝑖𝑗 : vektor pengaruh interaksi dari faktor A taraf ke-i dan faktor B taraf ke-j
𝜺𝑖𝑗𝑘 : vektor pengaruh acak pada faktor A taraf ke-i, faktor B taraf ke-j dan ulangan ke-k
 Hipotesis Model Tetap (Faktor A dan B tetap)
• Hipotesis pengaruh utama faktor A
H 0 : 1   2     a  0 atau 𝐻0 : 𝝁1. = 𝝁2. = ⋯ = 𝝁𝑎.
(faktor A tidak berpengaruh terhadap respons yang diamati)
H1 :  i  0 , i  1, 2, , a atau 𝐻1 : ∃ 𝑖, 𝝁𝑖. ≠ 𝝁𝑖 ′ . , 𝑖 = 1, 2, … , 𝑎
(faktor A berpengaruh terhadap respons yang diamati)

• Hipotesis pengaruh utama faktor B

H 0 : 1   2     b  0atau 𝐻0 : 𝝁.1 = 𝝁.2 = ⋯ = 𝝁.𝑏
(faktor B tidak berpengaruh terhadap respons yang diamati)
H1 :  j  0 , j  1, 2,  , b atau 𝐻1 : ∃ 𝑗, 𝝁.𝑗 ≠ 𝝁.𝑗 , 𝑗 = 1, 2, … , 𝑏

(faktor B berpengaruh terhadap respons yang diamati)

17
Hipotesis pengaruh interaksi
H 0 :  11   12     ab  0 atau 𝐻0 : 𝝁𝑖𝑗 − 𝝁𝑖 ′ 𝑗 − 𝝁𝑖𝑗′ + 𝝁𝑖 ′ 𝑗′ =0

Interaksi faktor A dengan faktor B tidak berpengaruh terhadap respons yang diamati

H1 :  ij  0 , i  1, 2,  , a, j  1, 2,  , b atau 𝐻1 : ∃ 𝑖, 𝑗, 𝝁𝑖𝑗 − 𝝁𝑖 ′ 𝑗 − 𝝁𝑖𝑗′ + 𝝁𝑖 ′ 𝑗′ ≠ 0

i  1, 2, , a, j  1, 2, , b
Interaksi faktor A dengan faktor B berpengaruh terhadap respons yang diamati
Perhitungan Jumlah Kuadrat
𝑎

ഥ𝑖. − 𝒙
𝑆𝑆𝑃𝐹𝑎𝑐 1 = ෍ 𝑏𝑟 𝒙 ഥ 𝒙
ഥ𝑖. − 𝒙
ഥ ′

𝑖=1
𝑏
′
ഥ.𝑗 − 𝒙
𝑆𝑆𝑃𝐹𝑎𝑐 2 = ෍ 𝑎𝑟 𝒙 ഥ 𝒙
ഥ.𝑗 − 𝒙
ഥ
𝑎 𝑏 𝑖=1
′
ഥ𝑖𝑗 − 𝒙
𝑆𝑆𝑃𝑖𝑛𝑡𝑒𝑟 = ෍ ෍ 𝑟 𝒙 ഥ𝑖. − 𝒙
ഥ.𝑗 + 𝒙
ഥ 𝒙
ഥ𝑖𝑗 − 𝒙
ഥ𝑖. − 𝒙
ഥ.𝑗 + 𝒙
ഥ
𝑖=1 𝑖=1𝑎 𝑏 𝑟
′
ഥ𝑖𝑗 𝒙𝑖𝑗𝑘 − 𝒙
𝑆𝑆𝑃𝑟𝑒𝑠 = ෍ ෍ ෍ 𝒙𝑖𝑗𝑘 − 𝒙 ഥ𝑖𝑗
𝑖=1 𝑗=1 𝑘=1
𝑎 𝑏 𝑟
′
ഥ 𝒙𝑖𝑗𝑘 − 𝒙
𝑆𝑆𝑃𝑡𝑜𝑡 = ෍ ෍ ෍ 𝒙𝑖𝑗𝑘 − 𝒙 ഥ
𝑖=1 𝑗=1 𝑘=1
Statistik Uji
𝑆𝑆𝑃𝑟𝑒𝑠
• Λ1 = ,
𝑆𝑆𝑃𝑓𝑎𝑐1 +𝑆𝑆𝑃𝑟𝑒𝑠
𝑝+1−(𝑎−1)
tolak 𝐻0 jika − 𝑎𝑏 𝑛 − 1 − ln Λ1 > 𝜒 2𝑎−1 𝑝 (𝛼)
2

𝑆𝑆𝑃𝑟𝑒𝑠
• Λ2 = ,
𝑆𝑆𝑃𝑓𝑎𝑐2 +𝑆𝑆𝑃𝑟𝑒𝑠
𝑝+1−(𝑏−1)
tolak 𝐻0 jika − 𝑎𝑏 𝑛 − 1 − ln Λ 2 > 𝜒 2𝑏−1 𝑝 (𝛼)
2

𝑆𝑆𝑃𝑟𝑒𝑠
• Λ3 = ,
𝑆𝑆𝑃𝑖𝑛𝑡𝑒𝑟 +𝑆𝑆𝑃𝑟𝑒𝑠
𝑝 + 1 − (𝑎 − 1)(𝑏 − 1)
tolak 𝐻0 jika − 𝑎𝑏 𝑛 − 1 − ln Λ3 > 𝜒 2𝑎−1 𝑏−1 𝑝 (𝛼)
2
Uji Lanjut jika tidak ada interaksi
Hipotesis pada Faktor A untuk variabel ke 𝑙 :
1. 𝐻0 : 𝝁𝑖.𝑙 = 𝝁𝑖′.𝑙 , 𝐻1 : 𝝁𝑖.𝑙 ≠ 𝝁𝑖′.𝑙
2. 𝐻0 : 𝝁𝑖.𝑙 ≤ 𝝁𝑖′.𝑙 , 𝐻1 : 𝝁𝑖.𝑙 > 𝝁𝑖′.𝑙
3. 𝐻0 : 𝝁𝑖.𝑙 ≥ 𝝁𝑖′.𝑙 , 𝐻1 : 𝝁𝑖.𝑙 < 𝝁𝑖′.𝑙
Statistik Uji Bonferoni
𝑥ҧ𝑖.𝑙−𝑥ҧ𝑖′.𝑙
𝑡=
2
𝑀𝑆𝐸𝑙𝑙
𝑏𝑟
dengan 𝑀𝑆𝐸𝑙𝑙 = 𝐸𝑙𝑙 /(𝑎𝑏 𝑟 − 1 ),𝐸𝑙𝑙 = diag ke 𝑙 dari 𝑆𝑆𝑃𝑟𝑒𝑠
𝛼
1. 𝐻0 ditolak jika |t| > 𝑡𝑎𝑏 𝑟−1 𝑝𝑎(𝑎−1)
2𝛼
2. 𝐻0 ditolak jika t > 𝑡𝑎𝑏 𝑟−1 𝑝𝑎(𝑎−1)
2𝛼
3. 𝐻0 ditolak jika t < 𝑡𝑎𝑏 𝑟−1 𝑝𝑎(𝑎−1)
𝛼
Untuk uji t LSD t tabel diganti 𝑡𝑎𝑏 𝑟−1 2 ,
2 1
Untuk uji Tukey 𝑀𝑆𝐸𝑙𝑙 𝑏𝑟 diganti 𝑀𝑆𝐸𝑙𝑙 𝑏𝑟 dan t tabel diganti 𝑞𝑎,𝑎𝑏 𝑟−1 𝛼
Uji Lanjut jika tidak ada interaksi
Hipotesis pada Faktor B untuk variabel ke 𝑙 :
1. 𝐻0 : 𝝁.𝑗𝑙 = 𝝁.𝑗′𝑙 , 𝐻1 : 𝝁.𝑗𝑙 ≠ 𝝁.𝑗′𝑙
2. 𝐻0 : 𝝁.𝑗𝑙 ≤ 𝝁.𝑗′𝑙 , 𝐻1 : 𝝁.𝑗𝑙 > 𝝁.𝑗′𝑙
3. 𝐻0 : 𝝁.𝑗𝑙 ≥ 𝝁.𝑗′𝑙 , 𝐻1 : 𝝁.𝑗𝑙 < 𝝁.𝑗′𝑙
Statistik Uji Bonferoni
𝑥ҧ.𝑗𝑙−𝑥ҧ.𝑗′𝑙
𝑡=
2
𝑀𝑆𝐸𝑙𝑙
𝑎𝑟
dengan 𝑀𝑆𝐸𝑙𝑙 = 𝐸𝑙𝑙 /(𝑎𝑏 𝑟 − 1 ),𝐸𝑙𝑙 = diag ke 𝑙 dari 𝑆𝑆𝑃𝑟𝑒𝑠
𝛼
1. 𝐻0 ditolak jika |t| > 𝑡𝑎𝑏 𝑟−1 𝑝𝑏(𝑏−1)
2𝛼
2. 𝐻0 ditolak jika t > 𝑡𝑎𝑏 𝑟−1 𝑝𝑏(𝑏−1)
2𝛼
3. 𝐻0 ditolak jika t < 𝑡𝑎𝑏 𝑟−1 𝑝𝑏(𝑏−1)
𝛼
Untuk uji t LSD t tabel diganti 𝑡𝑎𝑏 𝑟−1 2
2 1
Untuk uji Tukey 𝑀𝑆𝐸𝑙𝑙 𝑎𝑟 diganti 𝑀𝑆𝐸𝑙𝑙 𝑎𝑟 dan t tabel diganti 𝑞𝑏,𝑎𝑏 𝑟−1 𝛼
Uji Lanjut jika ada interaksi
𝛼
1. 𝐻0 ditolak jika |t| > 𝑡𝑎𝑏 𝑟−1 2
Hipotesis pada Faktor A untuk variabel ke l
antara level ke i dengan level ke i’ pada level 2. 𝐻0 ditolak jika t > 𝑡𝑎𝑏 𝑟−1 𝛼
j Faktor B : 3. 𝐻0 ditolak jika t < 𝑡𝑎𝑏 𝑟−1 𝛼
1. 𝐻0 : 𝝁𝑖𝑗𝑙 = 𝝁𝑖 ′𝑗𝑙 , 𝐻1 : 𝝁𝑖𝑗𝑙 ≠ 𝝁𝑖 ′𝑗𝑙 2
ഥ
𝑥𝑖𝑗𝑙−ഥ
𝑥
2. 𝐻0 : 𝝁𝑖𝑗𝑙 ≤ 𝝁𝑖 ′ 𝑗𝑙 , 𝐻1 : 𝝁𝑖𝑗𝑙 > 𝝁𝑖 ′𝑗𝑙 Uji Scheffe : 𝐹𝑆 = 𝑀𝑆𝐸 𝑖′𝑗𝑙
2
𝑙𝑙 𝑟

3. 𝐻0 : 𝝁𝑖𝑗𝑙 ≥ 𝝁𝑖 ′ 𝑗𝑙 , 𝐻1 : 𝝁𝑖𝑗𝑙 < 𝝁𝑖 ′𝑗𝑙

Statistik Uji t 𝐻0 ditolak jika FS > 𝑎 − 1 𝐹𝑎−1,𝑎𝑏 𝑟−1 3𝛼/𝐶 , C
𝑥ҧ𝑖𝑗𝑙 − 𝑥ҧ𝑖′𝑗𝑙 banyak perbandingan ganda.
𝑡=
2
𝑀𝑆𝐸𝑙𝑙
𝑟
dengan 𝑀𝑆𝐸𝑙𝑙 = 𝐸𝑙𝑙 /(𝑎𝑏 𝑟 − 1 ),
𝐸𝑙𝑙 = diag ke 𝑙 dari 𝑆𝑆𝑃𝑟𝑒𝑠
Uji Lanjut jika ada interaksi
Hipotesis pada Faktor B untuk variabel 1. 𝐻0 ditolak jika |t| > 𝑡𝑎𝑏 𝑟−1
𝛼
ke l,antara level ke 𝑗 dengan level ke j’ 2
pada level i Faktor A : 2. 𝐻0 ditolak jika t > 𝑡𝑎𝑏 𝑟−1 𝛼
3. 𝐻0 ditolak jika t < 𝑡𝑎𝑏 𝑟−1 𝛼
1. 𝐻0 : 𝝁𝑖𝑗𝑙 = 𝝁𝑖𝑗′𝑙 , 𝐻1 : 𝝁𝑖𝑗𝑙 ≠ 𝝁𝑖𝑗′𝑙
2. 𝐻0 : 𝝁𝑖𝑗𝑙 ≤ 𝝁𝑖𝑗′𝑙 , 𝐻1 : 𝝁𝑖𝑗𝑙 > 𝝁𝑖𝑗′𝑙 2 1
Untuk uji Tukey 𝑀𝑆𝐸𝑙𝑙 diganti 𝑀𝑆𝐸𝑙𝑙
𝑟 𝑟
3. 𝐻0 : 𝝁𝑖𝑗𝑙 ≥ 𝝁𝑖𝑗′𝑙 , 𝐻1 : 𝝁𝑖𝑗𝑙 < 𝝁𝑖𝑗′𝑙 dan t tabel diganti 𝑞𝑏,𝑎𝑏 𝛼 .
𝑟−1
Statistik Uji t
𝑥ҧ𝑖𝑗𝑙 − 𝑥ҧ𝑖𝑗′𝑙 𝑥ҧ 𝑖𝑗𝑙 −𝑥ҧ 𝑖𝑗′𝑙
2

𝑡= Uji Scheffe : 𝐹𝑆 =
𝑀𝑆𝐸𝑙𝑙 𝑟
2

2
𝑀𝑆𝐸𝑙𝑙
𝑟 𝐻0 ditolak jika FS > 𝑏 − 1 𝐹𝑏−1,𝑎𝑏 𝑟−1 3𝛼/𝐶 , C
dengan 𝑀𝑆𝐸𝑙𝑙 = 𝐸𝑙𝑙 /(𝑎𝑏 𝑟 − 1 ), banyak kontras.
𝐸𝑙𝑙 = diag ke 𝑙 dari 𝑆𝑆𝑃𝑟𝑒𝑠