Two-Way ANOVA

dmartiana
Dua hal yg harus diperhatikan
• Data harus dijabarkan secara tepat (lay out
data)
• Penentuan error yang tepat untuk
mendapatkan rasio varians (F-ratio) yg tepat
Fokus Pembelajaran
• Analisis Varians Dua Arah (Two-way ANOVA)
pada penelitian dengan banyak pengamatan
sama
Tipe ANOVA Dua Arah
• Randomized Complete Block Design
• Repeated Measure
• Factorial Experiment
Randomized Complete Block Design
• Dikenal dengan Rancangan Blok Acak Lengkap (RBAL)
• Digunakan pada rancangan penelitian yang membagi
unit penelitian dalam sejumlah kelompok yang
homogen
• Analisis pada RBAL bertujuan memisahkan dan
mengeluarkan komponen error pada blok, sehingga
efek dari perlakuan (treatment) akan bebas dari
pengaruh blok
Randomized Complete Block Design
• Efektivitas rancangan ini ditentukan oleh
kemampuan untuk menyusun blok secara
homogen
• Jika sistem blok efektif maka komponen error
pada ANOVA akan berkurang sehingga nilai rasio
varians (F-ratio) akan meningkat. Kondisi akan
berdampak pada peluang menolak H0
(meningkat)
Bentuk Randomized Complete Block
Design
Model Randomized Complete Block
Design

Keterangan:
: nilai tertentu pada populasi
m : konstanta
: efek blok, yg menyatakan bahwa sebuah pengamatan berasal dari blok ke-i
: efek perlakuan, yg menyatakan bahwa sebuah pengamatan mendapatkan
perlakuan ke-j
: komponen error
Asumsi pada
Randomized Complete Block Design
• Setiap unit penelitian bersifat independen
• Setiap unit berdistribusi normal dengan mean
ij dan varians yang sama, yaitu  2

• Antara blok dan perlakuan bersifat aditif,

sehingga tidak dimungkinkan adanya interaksi
antara keduanya
Asumsi pada
Randomized Complete Block Design
• Jika ketiga asumsi tadi terpenuhi maka

• Hipotesis:
Bentuk Tabel ANOVA
Randomized Complete Block Design
Formula
Keputusan
Tolak H0 jika:
F-ratio  F (k-1),(n-1)(k-1), 
dengan F-ratio = MSTr/MSE
Repeated Measure
• Rancangan ini bertujuan untuk
mengontrol variabilitas antara subjek
penelitian
• Keutamaan rancangan ini adalah:
1. Mengontrol variasi eksternal (yg tidak relevan)
antara subjek penelitian
2. Subjek penelitian yang dilibatkan lebih sedikit
dibandingkan rancangan lainnya
Repeated Measure
Kekurangan rancangan ini adalah:
1. Adanya carry-over effect yang diakibatkan oleh
pengulangan perlakuan pada subjek penelitian sehingga
dikhawatirkan efek dari suatu perlakuan merupaka efek
dari residual pada perlakuan sebelumnya.
Kondisi ini bisa diatasi dengan pengaturan masa tunggu
antar perlakuan secara tepat.
2. Adanya position effect.
Respon sebuah subjek yang berada pada posisi terakhir
dalam mendapatkan perlakuan akan berbeda dengan
respon subjek yang berada pada posisi pertama kali
mendapatkan perlakuan yang sama.
Asumsi pada
Repeated Measure Design
1. Setiap unit merupakan representasi dari populasi yang
dipilih secara acak (simple random sampling)
2. Setiap unit penelitian bersifat independen, dengan n
menyatakan banyak subjek penelitian dan k menyatakan
banyak perlakuan
3. Keseluruhan pengamatan dimungkinkan memiliki rata-
rata yang berbeda, tetapi varians sama
4. Sebanyak k perlakuan bersifat tetap (fixed), sehingga
tidak dimungkinkan untuk menyusun inferensi diluar
dari perlakuan tersebut
5. Tidak ada interaksi antara subjek dan perlakuan
Repeated Measure Design
Bentuk data pada rancangan ini sama
dengan bentuk data pada RBAL,
sehingga segala analisis beserta
kelengkapannya sama dengan analisis
pada RBAL; hanya saja SUBJEK
penelitian dinyatakan sebagai BLOK
pada RBAL
Repeated Measure Design
Bentuk data pada rancangan ini sama
dengan bentuk data pada RBAL,
sehingga segala analisis beserta
kelengkapannya sama dengan analisis
pada RBAL; hanya saja SUBJEK
penelitian dinyatakan sebagai BLOK
pada RBAL
Factorial Experiment
• Menganalisis efek dari dua perlakuan
• Kategori yang berbeda pada setiap faktor
disebut level
• Selain mempelajari mengenai efek dari dua
faktor secara individu, rancangan ini
memungkinkan untuk mempelajari efek
interaksi antara kedua faktor
Bentuk Data pada
Factorial Experiment
Model pada Factorial Design

Keterangan:
: nilai tertentu pada populasi
m : konstanta
i , j : efek perlakuan A dan B
(,)ij : efek interaksi A dan B
: komponen error
Asumsi pada Factorial Design
1.Model diasumsikan memiliki efek yang tetap
2.Kedua faktor yang dilibatkan dalam rancangan
ini merupakan Rancangan Acak Lengkap
dengan 2 Faktor
Asumsi Model Factorial Design
1.Setiap pengamatan berasal dari populasi yang
kemudian dibagi kedalam kombinasi perlakuan
ttt
2.Setiap pengamatan berdistribusi normal
3.Populasi mempunyai varians yang sama
Hipotesis
Tabel ANOVA
Formula
Formula
Keputusan
Tolak H0 jika:
F-ratio  F tabel
dengan nilai F-ratio diberikan pada Tabel
ANOVA
Sekian, selamat belajar,
dan terima kasih !