Covarians

Desain Kelompok Acak
• 𝑌𝑖𝑗 = 𝜇 + 𝑎𝑗 + 𝜋𝑖 + 𝜀𝑖 𝑗 , (𝑖 = 1, … , 𝑛; 𝑗 = 1, … , 𝑝)
• Yij = skor pada kelompok ke-i dan perlakuan ke – j

• 𝜇 = rerata umum
• 𝜋𝑖 = pengaruh kelompok ke – i
• 𝑎𝑗 = pengaruh perlakuan ke – j
• 𝜀𝑖 𝑗 = pengaruh error pada Yij
Analisis Varians Analisis Covarians
𝑀𝑆𝐴 𝑀𝑆𝐴𝑎𝑑𝑗
• 𝐹= •𝐹=
𝑀𝑆𝐸𝑎𝑑𝑗
𝑀𝑆𝐸𝑟𝑟𝑜𝑟
𝑆𝑆𝐴 𝑆𝑆𝐴𝑎𝑑𝑗
• 𝑀𝑆𝐴 = • 𝑀𝑆𝐴𝑎𝑑𝑗 =
𝑝−1 𝑝−1
𝑆𝑆𝐸 𝑆𝑆𝐸𝑎𝑑𝑗
• 𝑀𝑆𝐸 = • 𝑀𝑆𝐸𝑎𝑑𝑗 =
(𝑛−1)(𝑝−1) 𝑛 𝑝−1 −1
(𝑆𝑆𝐸𝑥𝑦 )2
• 𝑆𝑆𝐸𝑎𝑑𝑗 = 𝑆𝑆𝐸𝑦 −
𝑆𝑆𝐸 𝑥
• 𝑆𝑆𝐴𝑎𝑑𝑗 = 𝑆𝑆𝑇𝑂𝑎𝑑𝑗 − 𝑆𝑆𝐸𝑎𝑑𝑗
2
𝑆𝑆𝑇𝑂𝑥𝑦
• 𝑆𝑆𝑇𝑂𝑎𝑑𝑗 = 𝑆𝑆𝑇𝑂𝑦 −
𝑆𝑆𝑇𝑂𝑥
• 𝑆𝑆𝑇𝑂𝑥𝑦 = 𝑆𝑆𝑇𝑅𝑥𝑗 + 𝑆𝑆𝐸𝑥𝑦
Desain Bujur Sangkar Latin
• 𝑌𝑗𝑘𝑙 = 𝜇 + 𝛼𝑗 + 𝛽𝑘 + 𝛾𝑙 + 𝜀𝑗𝑘𝑙
• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• 𝛾𝑙 = pengaruh kolom ke – l
• 𝛽𝑘 = pengaruh baris ke – k
• 𝜀𝑗𝑘𝑙 = pengaruh error pada Yjkl
𝐾𝑇𝑃𝑎𝑑𝑗
• 𝐹𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 =
𝐾𝑇𝑃 • 𝐹𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 =
𝐾𝑇𝐺 𝐾𝑇𝐺𝑎𝑑𝑗
𝐾𝑇𝐵 𝐾𝑇𝐵𝑎𝑑𝑗
• 𝐹𝑏𝑎𝑟𝑖𝑠 = • 𝐹𝑏𝑎𝑟𝑖𝑠 =
𝐾𝑇𝐿
• 𝐹𝑙𝑎𝑗𝑢𝑟 = • 𝐹𝑙𝑎𝑗𝑢𝑟 =
𝐾𝑇𝐿𝑎𝑑𝑗
𝐽𝐾𝑃𝑎𝑑𝑗
• 𝐾𝑇𝑃𝑎𝑑𝑗 = • 𝐽𝐾𝑃𝑎𝑑𝑗 = 𝐽𝐾𝑃𝑦 −
𝑝−1 𝑆𝑆𝐸𝑥
𝐽𝐾𝐵𝑎𝑑𝑗 2
• 𝐾𝑇𝐵𝑎𝑑𝑗 = • 𝐽𝐾𝐵𝑎𝑑𝑗 = 𝐽𝐾𝐵𝑦 −
𝑆𝑆𝐸𝑥𝑦
𝐽𝐾𝐿𝑎𝑑𝑗 (𝑆𝑆𝐸𝑥𝑦 )2
• 𝐾𝑇𝐿𝑎𝑑𝑗 = • 𝐽𝐾𝐿𝑎𝑑𝑗 = 𝐽𝐾𝐿𝑦 −
𝐽𝐾𝐺𝑎𝑑𝑗 • 𝐽𝐾𝐺𝑎𝑑𝑗 = 𝐽𝐾𝑇𝑎𝑑𝑗 − 𝐽𝐾𝑃𝑎𝑑𝑗 − 𝐽𝐾𝐿𝑎𝑑𝑗 − 𝐽𝐾𝐵𝑎𝑑𝑗
• 𝐾𝑇𝐺𝑎𝑑𝑗 =
𝑝−1 𝑝−2 −1
Desain CRFAC
• 𝑌adj𝑖𝑗𝑘 = 𝜇 + 𝛼𝑗 + 𝛽𝑘 + (𝛼𝛽)𝑗𝑘 +𝜀𝑖 𝑗𝑘
• Yij = skor eksperimen ke i, pada kombinasi perlakuan jk

• 𝑎𝑗 = pengaruh perlakuan pada populasi j
• 𝛽𝑘 = pengaruh perlakuan pada populasi k
• (𝛼𝛽)𝑗𝑘 = pengaruh gabungan perlakuan j dan k
• 𝜀𝑖(𝑗𝑘) = pengaruh error pada Yjkl
Model I 𝑆2 /(𝑝𝑞−1)
•𝐹=
MSA 𝑆2 /𝑝𝑞(𝑛−2)
•F=
MSWCELL
dengan
SSA 2
• MSA = 𝑝 𝑞 𝐸𝑥𝑦𝑗𝑘
p−1 𝑆1 = 𝐸𝑦𝑦 − σ𝑗=1 σ𝑘=1
𝐸𝑥𝑥𝑗𝑘
SSWCELL 2 2
• MSWCELL = 𝑝 𝑞 𝐸𝑥𝑦𝑗𝑘 𝐸𝑥𝑦
pq(q−1) 𝑆2 = σ𝑗=1 σ𝑘=1 −
𝐸𝑥𝑥𝑗𝑘 𝐸𝑥𝑥
Desain SPFAC
• 𝑌adj𝑖𝑗𝑘 = 𝜇 + 𝛼𝑗 + 𝜋𝑖(𝑗) + 𝛽𝑘 + (𝛼𝛽)𝑗𝑘 +(𝛽𝜋)𝑘𝑖(𝑗) +𝜀𝑖𝑗𝑘
• Yij = skor pada kelompok i, dan kombinasi perlakuan ajbk

• 𝑎𝑗 = pengaruh perlakuan j
• 𝜋𝑙 = pengaruh kelompok i
• (𝛼𝛽)𝑗𝑘 = pengaruh gabungan dari perlakuan k dan kelompok i
• (𝛽𝜋)𝑘𝑖(𝑗) = pengaruh error
• 𝐹= •𝐹=
𝑝−1 𝑝−1
(𝑛−1)(𝑝−1) 𝑛 𝑝−1 −1
𝑆𝑆𝐸 𝑥
2
Kovarians vs Stratifikasi

• 𝐹= •𝐹=
𝑝−1 𝑝−1
(𝑛−1)(𝑝−1) 𝑛 𝑝−1 −1
𝑆𝑆𝐸 𝑥
2
Analisis Perbedaan Skor

• 𝐹= •𝐹=
𝑝−1 𝑝−1
(𝑛−1)(𝑝−1) 𝑛 𝑝−1 −1
𝑆𝑆𝐸 𝑥
2
General Linear Model Approach to CRAC-p
Design
ത . = 𝜇 + 𝛼𝑗 + 𝜀𝑖
• 𝑌adj𝑖𝑗 = 𝑌𝑖𝑗 − 𝑋𝑖𝑗 + 𝑋. 𝑗

• 𝐹= •𝐹=
𝑝−1 𝑝−1
(𝑛−1)(𝑝−1) 𝑛 𝑝−1 −1
𝑆𝑆𝐸 𝑥
2
Test untuk Homogenitas Koefisien Regresi
Within-Group
ത . = 𝜇 + 𝛼𝑗 + 𝜀𝑖

• 𝐹= •𝐹=
𝑝−1 𝑝−1
(𝑛−1)(𝑝−1) 𝑛 𝑝−1 −1
𝑆𝑆𝐸 𝑥
2
Analisis dengan Beberapa Kovariat
ത . = 𝜇 + 𝛼𝑗 + 𝜀𝑖

Keuntungan dan Kerugian Anacova
Keuntungan utama dari analisis kovarians adalah sebagai berikut:
• Memungkinkan peneliti untuk mengurangi kesalahan varians dan menghapus satu atau lebih
sumber bias dari perkiraan efek perlakuan yang sulit atau mustahil untuk dihilangkan dengan
eksperimen kontrol.
• Menyediakan kurang lebih pengurangan kesalahan varians yang sama dengan penggunaan
stratifikasi subjek. Namun, analisis kovarians dapat digunakan setelah data dikumpulkan,
sedangkan stratifikasi subjek ke dalam blok homogen harus dilakukan pada awal percobaan.
Kerugian utama dari analisis kovarians adalah sebagai berikut:
• Perhitungan yang lebih melelahkan dari orang-orang untuk analisis varians yang sesuai.
• Analisis kovarian membutuhkan satu set asumsi-asumsi yang ketat yang dapat membuktikan
tidak bisa dipertahankan dalam suatu penelitian aplikasi.
• Rumus perhitungan untuk memperkirakan kehilangan pengamatan dan membawa keluar
perbandingan antara sarana untuk beberapa analisis kovarian desain relatif kompleks.
Contoh Soal
• Sebuah percobaan tentang pengaruh berbagai ransum makanan
ternak, misalnya campuran ransum A, B, C dan D terhadap
penambahan bobot domba jantan yang terdiri dari dari umur yang
berbeda. Setelah dikelompokkan, terdapat 4 kelompok umur domba
dan hasil percobaan sebagaimana pada table berikut:
Kelompok Perlakuan
Total kelompok
umur A B C D
1 2 5 8 6 21
2 3 4 7 5 19
3 3 5 10 5 23
4 5 5 9 2 21
Total perlakuan 13 19 34 18 84
Penyelesaian
1. Model Persamaan
• 𝑌𝑖𝑗 = 𝜇 + 𝑎𝑗 + 𝜋𝑖 + 𝜀𝑖 𝑗 , (𝑖 = 1, … , 4; 𝑗 = 1, … , 4)
• Yij = penambahan bobot badan domba ke-j yang memperoleh ransum

ke – i
• 𝜋𝑖 = pengaruh perlakuan ke – i
• 𝑎𝑗 = pengaruh kelompok ke – j
• 𝜀𝑖 𝑗 = pengaruh error pada Yij
2. Asumsi
a. komponen-komponen nilai rata-rata, pengaruh ransum terhadap bobot domba,
pengaruh ransum terhadap kelompok umur domba, dan pengaruh galat
percobaan bersifat aditif
b. Nilai pengaruh ransum terhadap kelompok domba bersifat tetap
c. Pengaruh galat percobaan timbul secara acak dan menyebar secara normal
dengan nilai tengah 0
3. Hipotesis
H0 : tidak ada pengaruh ransum terhadap penambahan bobot domba
H1 : minimal ada satu campuran ransum yang mempengaruhi penambahan bobot
domba
4. Penyajian data
Kelompok Perlakuan
Total kelompok
umur A B C D
1 2 5 8 6 21
2 3 4 7 5 19
3 3 5 10 5 23
4 5 5 9 2 21
Total perlakuan 13 19 34 18 84
Rata-rata 3.25 4.75 8.50 4.50 5.25
5. Perhitungan
a. Tentukan derajat bebas (DB) untuk setiap sumber keragaman
DB total = (t.b)-1 = (4x4)-1=15
DB kelompok = b-1 = 4-1 = 3
DB perlakuan = t-1 = 4-1 = 3
DB galat = (t-1) (b-1) = (4-1) (4-1) = 9
b. Tentukan Jumlah Kuadrat (JK) setelah menghitung Faktor Koreksi (FK)

Covarians

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Covarians

Diunggah oleh

Hak Cipta:

Format Tersedia

Desain Kelompok Acak

• Yij = skor pada kelompok ke-i dan perlakuan ke – j

• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• Yij = skor eksperimen ke i, pada kombinasi perlakuan jk

• Yij = skor pada kelompok i, dan kombinasi perlakuan ajbk

• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• Yij = observasi pada eksperimen ke i, perlakuan j, baris ke-k dan kolom l

• Yij = penambahan bobot badan domba ke-j yang memperoleh ransum

Anda mungkin juga menyukai