Nested Design

(Rancangan Pola Tersarang)

Ir. Cuk Tri Noviandi, S.Pt., M.Anim.St., Ph.D., IPM., ASEAN Eng.
Laboratorium Teknologi Makanan Ternak
Fakultas Peternakan UGM
CukTriNoviandi7
3 0815-7810-
5111
c.t.noviandi@ug
m.ac.id
Two-Way ANOVA
• Two-way ANOVA (ANOVA dua-arah) adalah pengujian
berbasis hipotesis, sama seperti One-way ANOVA (ANOVA
satu-arah) .
• Pada uji Two-way ANOVA terdapat 2 faktor bebas yang diuji,
yang mana setiap faktor dapat terdiri atas beberapa
kelompok/tingkat perlakuan.
Contoh Two-Way ANOVA
• Contoh serupa seperti sebelumnya: “Apakah ayam yang diberi
ransum ad libitum mempunyai pertambahan berat badan (ADG)
yang lebih tinggi dibandingkan ayam yang diberi ransum
terbatas? Dan apakah ayam jantan akan mempunyai ADG yang
lebih tinggi dibandingkan ayam betina?
Two-Way ANOVA
• Dalam contoh ini, faktor bebasnya adalah “ransum” dan “jenis kelamin”.

Ad libitum
F1: Ransum
Restricted
Faktor
bebas
Jantan
F2: Jenis kelamin
Betina

• Two-way ANOVA menguji pengaruh 2 faktor (ransum dan jenis kelamin)

terhadap variabel terikat (dalam hal ini ADG) dan juga menguji apakah
kedua faktor tersebut saling mempengaruhi.
Hipotesa dalam Two-Way ANOVA
• Karena two-way ANOVA mempertimbangkan pengaruh 2 faktor dan
pengaruh satu faktor terhadap faktor lainnya, maka terdapat 3 pasang
hipotesis nol atau hipotesis alternatif.
• Dengan contoh percobaan ayam sebelumnya, di mana jumlah ransum dan
jenis kelamin merupakan 2 variabel bebas, maka hipotesisnya adalah:

• H0: tidak ada perbedaan ADG karena jumlah ransum perlakuan

• H1: ada perbedaan ADG karena jumlah ransum perlakuan

• H0: tidak ada perbedaan ADG antara ayam jantan dan betina
• H1: ada perbedaan ADG antara ayam jantan dan betina

• H0: tidak ada interaksi antara ransum dan jenis kelamin

• H1: ada interaksi antara ransum dan jenis kelamin
Pengertian Nested Design
• Nested design (rancangan pola tersarang) adalah desain
penelitian di mana satu faktor (misalnya faktor B ) secara
hierarkis dimasukkan ke dalam (atau tersarang di dalam)
faktor lain (misalnya faktor A ).
• Dalam nested design tidak mungkin menilai kombinasi
lengkap antara faktor A dan B  tidak terjadi interaksi antara
2 faktor.
Penggunaan Nested Design
• Nested design digunakan jika level dari faktor satu tidak
terkait dengan level dari faktor lainnya.
• Contoh: Penelitian yang melibatkan 3 macam sampel pakan
yang diproduksi dari 2 macam pabrik pakan yang berbeda.
Contoh...

Pabrik A Pabrik B F1

Paka Paka Paka Pakan Paka Paka

F2
n n n ayam n n
ayam ikan sapi ikan sapi
R1 R1 R1 R1 R1 R1

R2 R2 R2 R2 R2 R2

R3 R3 R3 R3 R3 R3
 Faktorial atau Nested?

Restricted Ad libitum Pabrik A Pabrik B

Jantan Betina Pakan sapi Pakan ayam Pakan sapi Pakan

ayam
R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3
R1 R2 R3 R1 R2 R3
FAKTORIAL
NESTED
Contoh lain...
Seorang peneliti ingin mengetahui berapa rata-rata
pertambahan bobot badan harian (ADG) pada ayam yang
diberi 3 ransum berbeda (A, B, dan C).
Ayam sebanyak 24 ekor dipelihara dalam 4 kandang pada
lokasi berbeda, pada tiap lokasi ditempatkan 2 ekor ayam.
Hasil pengukuran berat badan dapat dilihat pada tabel.
1. Tentukan faktor utama, faktor
tersarang, dan replikasinya
Faktor utama: ransum (3)
Faktor tersarang: lokasi kandang (4)
Replikasi atau residual dalam faktor tersarang: jumlah ayam di setiap
lokasi kandang (2)
2. Buat tabel data
Faktor utama(ransum)

Ransum A Ransum B Ransum C

1 2 3 4 5 6 7 8 9 10 11 12
58,5 77,8 84,0 70,1 69,8 56,0 50,7 63,8 56,6 77,8 69,9 62,1
59,5 80,9 83,6 68,3 69,8 54,5 49,3 65,8 57,5 79,2 69,2 64,5

Faktor residual
(jumlah ayam yang tersarang di lokasi kandang)

Faktor tersarang
(lokasi kandang tersarang pada faktor utama
(ransum))
3. Model matematika
Yijk = µ + i + ij + Eijk
µ = rerata total
 Y...
i = pengaruh dari ransum
 Yi..
= pengaruh dari lokasi kandang  Yij.
ij
Eijk = random error
 4. Hitung rerata total dan rata-rata setiap
faktor utama, faktor tersarang, dan
replikasi
Ransum A Ransum B Ransum C
1 2 3 4 5 6 7 8 9 10 11 12
58,5 77,8 84,0 70,1 69,8 56,0 50,7 63,8 56,6 77,8 69,9 62,1
59,5 80,9 83,6 68,3 69,8 54,5 49,3 65,8 57,5 79,2 69,2 64,5
59,0 79,4 83,8 69,2 69,8 55,3 50,0 64,8 57,0 78,5 69,6 63,3
Yij.
72,84 59,96 67,10
Yi..

Y... 66,63
5. Buat tabel ANOVA
Sumber variasi df SS MS F
Perlakuan A a-1 SSA MSA MSA /MSB/A
Perlakuan B/A a (b - 1) SSB/A MSB/A
Residual= individual error ab (r - 1) SSE MSE
Individual/B/A
Total abr - 1
A = perlakuan utama
B = perlakuan yang tersarang pada perlakuan utama
Residual = individual/B/A = sub-sampel yang tersarang di B dan A
a = jumlah perlakuan utama(A)
b = jumlah perlakuan tersarang (B)
r = jumlah replikasi
6. Hitung Sum of Square (SS) dan Mean
Square (MS)
• Total sum of square
a b u a b u

SSY =    Yijk2 - (   yijk )2 /n  Correction factor (CF)

i=1 j=1 k=1 i=1 j=1 k=1

• Sum of square Perlakuan A

a a b u

SSA =  Yi..2/br - (   yijk )2 /n 

i=1 i=1 j=1 k=1

• Sum of square Perlakuan B/A

a b a
SSB/A =   Yij. 2 /r -  Y i.. 2/br 
i=1 j=1 i=1

• Sum of square residual

SSE = SSY - SSA - SSB/A
 Ransum A Ransum B Ransum C
1 2 3 4 5 6 7 8 9 10 11 12
58,5 77,8 84,0 70,1 69,8 56,0 50,7 63,8 56,6 77,8 69,9 62,1
59,5 80,9 83,6 68,3 69,8 54,5 49,3 65,8 57,5 79,2 69,2 64,5

Y.. 1599.2
.
• Total sum of
square a b u 2 a b u
SSY =    Yijk - (  )2 /n 
i=1 j=1 k=1
i=1 j=1 k=1yijk
 = (58,52 + 59,52 +. . . + 64,52) – [(58,5 + 59,5+ . . . + 64,5)2 / 24]
= 108962 - 106560,03
= 2401,97
 Ransum A Ransum B Ransum C
1 2 3 4 5 6 7 8 9 10 11 12
58,5 77,8 84,0 70,1 69,8 56,0 50,7 63,8 56,6 77,8 69,9 62,1
59,5 80,9 83,6 68,3 69,8 54,5 49,3 65,8 57,5 79,2 69,2 64,5

Yi.. 582,7 479,7 536,8

• Sum of square Perlakuan A
a a b u

SSA =  Yi..2/br - (   yijk )2 /n 

i=1 i=1 j=1 k=1

= (582,72 + 479,72 + 536,82) / (4 × 2) - (58,5 + 59,5+ . . . + 64,5)2 / 24

= 107225,70 - 106560,03
= 665,68
 Ransum A Ransum B Ransum C
1 2 3 4 5 6 7 8 9 10 11 12
58,5 77,8 84,0 70,1 69,8 56,0 50,7 63,8 56,6 77,8 69,9 62,1
59,5 80,9 83,6 68,3 69,8 54,5 49,3 65,8 57,5 79,2 69,2 64,5
Yij. 118 158,7 167,6 138,4 139,6 110,5 100 129,6 114,1 157 139,1 126,6

• Sum of square Perlakuan B/A

SSB/A =  b Yij.2 /r –  Y i.. 2/br 
a

i=1 j=1
= (1182 + 158,72 + . . . + 126,62)/2 - (582,72 + 479,72 + 536,82) / (4 × 2)
= 108946,38 - 107225,70
= 1720,68
 • Sum of square residual (SSU ) atau sum of square error (SSE )
SSE = SSY - SSA - SSB/A
= 2401,97 – 665,68 – 1720,68
= 15,61
7. Tabel ANOVA
Sumber variasi df SS MS F hitung F tabel
Perlakuan A a–1=2 SSA = MSA= MSA 4,26
665,68 332,84 /MSB/A= Fhitung < Ftabel 
1,74 H0 diterima (non-signifikan)
Perlakuan B/A a (b – 1) = 9 SSB/A = MSB/A= MSB/A/MSE= 2.80
1720,68 191,19 146,88 Fhitung > Ftabel 
H0 ditolak (signifikan)
Residual=erro ab (r - 1) = 12 SSE = MSE=
r 15,61 1,3
individual/B/A
Total abr – 1 = 23 SSY
8. F hitung atau F statistik:
Fhitung = MSA / MSB/A Fhitung = MSB/A / MSE
= 332,84 / 191,19 = 191,19 / 1,3
= 1,74 = 146,88

9. Nilai kritis atau nilai tabel (Ftabel):

F; (dfA; dfB/A) , F0,05; (2, 9) = 4,26 F; (dfB/A; dfE) , F0,05; (9, 12) = 2,80

10. Keputusan tes statistik:

Fhitung < Ftabel  H0 diterima Fhitung > Ftabel  H0 ditolak

Faktor A Faktor B/A

References
•Link for Table F:
http://home.comcast.net/~sharov/PopEcol/tables/f005.htm
l
•Studentized range distribution table (q-Table) for Tukey test:
http://www.watpon.com/table/studen_range.pdf
•Link for Chi-square:
http://home.comcast.net/~sharov/PopEcol/tables/chisq.htm
l
•Link for t-table
http://www.stattools.net/tTest_Tab.php#full table