You are on page 1of 9

RANCANGAN PERCOBAAN DENGAN PENGAMATAN BERULANG

Rancangan percobaan dengan pengamatan berulang (repeated measures) muncul dalam berbagai bidang kehidupan. Pengamatan berulang adalah pengamatan dari suatu respon yang dilakukan lebih dari satu kali pada waktu yang berbeda selama masa penelitian. Banyak percobaan yang dilakukan baik di lapangan maupun laboratorium, pengukuran respon dari unit-unit percobaan dilakukan berulang-ulang pada waktu yang berbeda. Misalnya percobaan N yang melihat pengaruh yaitu pemupukan dosis (0, pada 100, tanaman cabe. 200, 300kg/h).

Perlakuan pemupukan

dicobakan

Pengamatan produksi dilakukan beberpa kali panen, misal 3 kali panen pertama. Percobaan pengamatan berulang memerlukan penanganan model analisis yang lain dari model rancangan dasar agar informasi yang peroleh lebih luas. Disamping perlakuan yang dicobakan tentunya juga diharapkan mampu melihat perkembangan/pertumbuhan respon selama penelitian berjalan. Analisis untuk rancangan semacam ini mengikuti pola rancangan split plot dengan perlakuan yang dicobakan dialokasikan sebagai petak utama dan waktu pengamatan dipandang sebagai faktor tambahan yang dialokasikan sebagai anak petak atau satuan yang terkecil. Rancangan pengamatan berulang digunakan pada percobaan yang responnya

diamati atau diukur beberapa kali dalam jangka waktu tertentu dan setiap subjek menerima perlakuan yang dialokasikan secara acak. Tujuan dari rancangan pengamatan berulang ini adalah untuk menyelidiki kecepatan perubahan dari satu periode waktu ke periode waktu berikutnya, atau dengan kata lain ingin diketahui pengaruh perlakuan terhadap pola pertumbuhan berdasarkan respons yang diamati. Selain itu juga ingin diketahui pengaruh interaksi antar perlakuan dan periode waktu pengamatan. Berbeda halnya dengan analisis ragam biasa, pada pengamatan berulang ini akan terdapat korelasi diantara respons yang diukur. Hal ini terjadi karena pengambilan respons diukur dari subjek yang sama dari waktu ke waktu. Jika jangka waktu pengambilan respons semakin dekat maka korelasi yang terjadi juga semakin besar. Dalam analisis ragam dengan pengamatan berulang terdapat dua bagian utama total keragaman, yaitu yang berasal dari lapis subjek dan lapis subjek waktu. Keragaman lapis subjek dibagi lagi menjadi keragaman untuk pengaruh utama dan pengaruh interaksi. Sedangkan keragaman pada

lapis subjek waktu dibagi menjadi pengaruh utama dari waktu ke waktu itu sendiri dan pengaruh interaksi antara waktu dengan faktor-faktor percobaan.

Respon yang diamati dalam suatu percobaan kadang kadang tidak tunggal, melainkan sebanyak p buah (p2), sehingga diperlukan analisis dalam bentuk multivariat. Bila dalam suatu penelitian percobaan dikaji pengaruh dari berbagai perlakuan terhadap lebih dari satu respon, maka metode analisis yang tepat adalah analisis ragam multivariat. Analisis ragam multivariat ini dapat diterapkan pada rancangan faktor tunggal maupun rancangan multifaktor. Setiap bentuk rancangan akan mempunyai analisis ragam multivariat yang bersesuaian. Manova untuk RAL in Time dapat dipandang sebagai manova split-plot. Asumsi pengamatan berulang (repeated measure), diantaranya adalah : 1. Variable berskala interval atau ratio (continuous). 2. Dependent variable memiliki normally distributed. 3. Asumsi Sphericity (mirip uji homokedastisitas). Sphericity adalah kondisi dimana varians dari perbedaan antara semua grup terkait kombinasi (tingkat) adalah sama. Pelanggaran Sphericity adalah ketika varians dari perbedaan antara semua grup terkait kombinasi tidak sama. Sphericity dapat disamakan dengan homogenitas varians di antara subjek Anova. 4. Pengukuran dilakukan lebih dari dua kali. Suatu percobaan faktor tunggal (misalnya A) dengan a buah taraf faktor, waktu pengamatan dilakukan b kali, satuan percobaan relatif homogen masing masing perlakuan diulang n kali, respon yang diamati sebanyak p buah (p2), mempunyai model linier setiap pengamatan :

Dengan : : pengamatan respon ke dari satuan percobaan ke A dan waktu pengamatan ke . : rata-rata dari respon ke . : pengaruh taraf ke faktor A terhadap respon ke . : komponen galat(a) : pengaruh waktu pengamatan ke terhadap respon ke . : pengaruh interaksi taraf ke faktor A dan waktu pengamatan ke ke . : komponen galat(b) terhadap respon yang memperoleh taraf ke faktor

Layout Data Pengamatan untuk Rancangan Faktorial Dua Faktor dengan Rancangan Dasar Rancangan Acak Lengkap dan Pengamatan Berulang

Ulangan Faktor A Waktu 1 1 1 .. b .. a . 1 .. b .. .. .. .. . .. .. .. . .. .. .. 1 Respon . p 1 .. n Respon .. p

Sumber-sumber Keragaman : Penguraian keragaman total akan dilakukan untuk faktorial AxB dalam waktu dengan RAL. faktor A terdiri dari a taraf , faktor B terdiri dari b taraf, dan ulang sebanyak r kali serta pengamatan dilakukan sebanyak c kali, maka sumber-sumber keragaman yang muncul dapat dilihat pada tabel anava berikut :

Sumber Keragaman Faktor A Faktor B Interaksi A*B Galat(a) Waktu W Galat(b) Interaksi A*W Interaksi B*W

Derajat Bebas (Db) a-1 b-1 (a-1)(b-1) ab(r-1) c-1 c(r-1) (a-1)(c-1) (b-1)(c-1)

Jumlah Kuadrat (JK) JKA JKB JKAB JKG(a) JKW JKG(b) JKAW JKBW

Kuadrat Tengah (KT) KTA KTB KTAB KTG(a) KTW KTG(b) KTAW KTBW KTAW/KTG(b) KTBW/KTG(b) KTW/KTG(b) KTA/KTG(a) KTB/KTG(a) KTAB/KTG(a) F-Hitung F-Tabel

Interaksi A*B*W Total

(a-1)(b-1)(c-1) abcr-1

JKABW JKT

KTABW

KTABW/KTG(b)

H0 ditolak jika Fhitung > Ftabel yang bersesuaian. Bila ada H0 yang ditolak selanjutnya dilakukan uji lanjut diantaranya menggunakan uji wilayah berganda Duncan, dan uji beda nyata terkecil.

Contoh Kasus : Seorang manager ingin mengetahui tingkat penjualan sales-salesnya sebelum dilakukan pelatihan, 3 bulan setelah pelatihan, dan 1 tahun setelah pelatihan. Data dikumpulkan dari 20 orang pegawai dari divisi penjualan. X1 : pengukuran sebelum training X2 : pengukuran 3 bulan setelah training X3 : pengukuran 1 tahun setelah traning Skala : ratio (jumlah kendaraan yang dijual)

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

X1 13 12 12 11 13 14 12 14 15 16 15 13 16 14 11 14

X2 15 17 16 16 15 16 14 16 19 18 17 15 18 16 15 16

X3 14 15 14 14 13 14 12 14 17 16 15 13 16 14 13 14

17 18 19 20

15 14 13 12

16 15 15 16

14 13 13 14

Langkah Penyelesaian menggunakan software SPSS : 1. Masukkan data diatas, klik Analyse-General Linier Model-Repeated Measures. 2. Ketik JUAL pada kotak : Within Subjectdan masukkan 3 pada Number of Level. Klik ADD. Angka 3 berarti, yang ingin diuji adalah data pengamatan pada 3 kali pengukuran. 3. Masukkan SALES pada Box Measure Name, lalu klik ADD.

4. Klik Define. 5. Masukkan hasil transformasi ke box kanan.

6. Klik Plots, lalu masukkan JUAL factor dari factors: ke Horizontal Axis.

7. Klik ADD.

8. Klik Continue. 9. Masukkan factor METHOD dari Factor(s) and Factor Interactions: box ke Display Means for: box. 10. Tandai Compare main effects checkbox dan Pilih Bonferroni dari menu dropdown 11. Tandai Descriptive statistics dan Estimates of effect size checkboxes di Display area.

12. Klik Continue-OK.

HASIL DAN PEMBAHASAN Hipotesis yang digunakan dalam kasus ini adalah sebagai berikut: H0 : 1 = 2 = 3 (Tidak ada pengaruh yang berbeda dari perulangan waktu pelatihan terhadap jumlah produk yang dijual). H1 : Minimal ada satu k yang tidak sama (Terdapat pengaruh yang berbeda dari perulangan waktu pelatihan terhadap jumlah produk yang dijual) dengan k = 1,2,3.

Berdasarkan tabel tersebut, variable yang diukur (respon) diklasifikasikan pada subject factor (jual). Terdapat 3 variabel dependen pada kasus ini.

Tabel tersebut merupakan tabel yang menunjukkan ukuran pemusatan (mean) dan ukuran penyebaran (Std. Deviation) dari data pada setiap level di setiap faktornya. Total pengamatan pada kasus ini adalah 20 unit percobaan.

Tabel di atas menunjukkan pengujian multivariate menggunakan uji Pillais Trace, Wilks Lambda, Hotellings Trace dan Roys Largest Root. Nilai Pillais Trace dari variable ini sangat besar yaitu sebesar 0.988, semakin besar nilai Pillais Trace suatu factor maka semakin besar pengaruh factor tersebut dalam suatu model. Perulangan waktu dalam kasus ini memberikan pengaruh yang besar dalam model. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai signifikan (0.000) < taraf nyata (0.05) maka H 0 diterima. Artinya, perulangan waktu pelatihan dalam kasus ini memberikan pengaruh yang berbeda terhadap jumlah

kendaraan yang dijual.

Tabel di atas menunjukkan pengujian perulangan (dalam hal ini perulangan waktu) menggunakan Mauchys W Test yang ditransformasi pada statistic uji Chi-Square. Nilai Chi-Square hitung (42.308) lebih besar dari nilai kritis dengan db (2) yaitu sebesar 5.991, serta nilai significan (0.000) lebih kecil dari taraf nyata (0.05) maka H 0 ditolak pada hipotesis 2. Artinya, perulangan waktu pelatihan dalam kasus ini memberikan pengaruh yang signifikan terhadap jumlah kendaraan yang dijual.

Tabel di atas menunjukkan pengujian univariate menggunakan statistik uji F. Pada Sphericity Assummed, nilai signifikan (0.028) < taraf nyata (0.05) maka H0 diterima. Artinya, perulangan waktu pelatihan dalam kasus ini memberikan pengaruh yang berbeda terhadap jumlah kendaraan yang dijual.

You might also like