2x3 Factorial ANOVA: Independent Samples (n per sample up to

null)

The logic and computational details of this test are described

in Chapter 16 of Concepts and Applications.

Data Structure
B1 B2 B3
As illustrated in the adjacent table, the data
A1 A1B1 A1B2 A1B3 structure for this analysis allows for two levels of
A2 A2B1 A2B2 A2B3 variable A, laid out in the form of rows (A1 and
A2), and three levels of variable B, laid out in the
form of columns (B1, B2, and B3).

Procedure:

o In the table that follows, labeled "Data Entry," enter the values of
A1B1, A1B2, etc., into the designated text fields within each group.
Pressing the "tab" key after each entry will take you down to the
next text field in the group.
o After all values have been entered in this fashion, scroll down to the
button labeled "Calculate" and click it.
o If you wish to perform another analysis with a different set of data:
click the "Reset" button if the largest sample in your new set of data
does not exceed null; click the "Reload" button if the size of any of
the samples in your new set of data is larger than null.

If you are working from a Windows platform, you might find the text fields in the various
tables appearing and disappearing somewhat erratically. The way to fix this is to scroll
all the way down to the bottom of the page, and then all the way back up to the top.

Data Entry
B1 B2 B3
A1
A2

Table of Means: Cells, Rows, Columns, and Total

B1 B2 B3 Rows
 A1

A2

Columns

ANOVA SUMMARY
Source SS df MS F P

bg

rows

columns

rxc

wg

Total
bg = between groups; wg = within groups (error)

Printable Report—for Netscape Navigator 3.0 or later and Internet

Explorer 4.5 or later. Do not click this button if you are using a version of
Internet Explorer earlier than 4.5. [The browser you are now using is
Netscape 5.0 (Windows).]

Home Click this link only if you did not arrive here via the VassarStats
main page.

©Richard Lowry 1998-2000

All rights reserved.
Free Learning
 Tentang

UJI ANOVA UNTUK PERCOBAAN

FAKTORIAL DALAM DESAIN
RANCANGAN ACAK LENGKAP
2

April 29, 2013 by ilhamzen09

Bila seorang peneliti ingin mengetahui pengaruh sebuah variabel independen (variabel yang

mempengaruhi) terhadap variabel dependen (variabel yang dipengaruhi), maka penelitian tersebut

merupakan percobaan satu faktor (faktor tunggal), karena hanya terdapat satu faktor peubah. Disisi

lain, ada kalanya sebuah variabel dependen tidak hanya dipengaruhi oleh satu faktor saja, namun

merupakan kombinasi dari beberapa faktor, pada kondisi seperti ini dipergunakan percobaan

faktorial.
Dengan kata lain, faktorial adalah sebuah percobaan yang terdiri atas dua atau lebih variabel

independen. Dalam hal ini bila terdapat dua variabel independen maka bentuk perlakuannya disebut

faktorial 2 faktor, bila terdapat tiga variabel independen maka bentuk perlakuannya disebut faktorial 3

faktor, dan seterusnya.

Percobaan faktorial juga sering ditulis dalam bentuk: t1 x t2 … x tn, dimana tn adalah taraf dari

sebuah perlakuan n. Jadi misalnya ada sebuah penelitian yang bertujuan ingin membandingkan

pengaruh pendidikan (S1, D3 dan SMU), dan gender (pria, wanita) terhadap prestasi penjualan

seorang sales. Maka kita dapat menyimpulkan bahwa penelitian terebut terdiri atas 2 faktor:

(a) faktor I adalah pendidikan (P), terdiri atas 3 taraf yaitu Strata satu (P1), Diploma tiga (P2), dan

SMU (P3);

(b) faktor II adalah gender (G), terdiri atas 2 taraf yaitu pria (G1), dan wanita (G2).

Percobaan ini bisa diistilahkan dengan faktorial 3×2, yang artinya: bentuk percobaan tersebut adalah

faktorial 2 faktor, yang terdiri atas: 3 taraf untuk faktor I; dan 2 taraf untuk faktor II. Jumlah

perlakuannya sebanyak 6 perlakuan, yang merupakan hasil perkalian dari taraf pada masing-masing

faktor (3 x 2 = 6 perlakuan).
Dalam percobaan faktorial, dikenal istilah pengaruh utama (main effect) dan pengaruh interaksi

(interaction effect). Pengaruh utama adalah pengaruh yang ditimbulkan secara langsung oleh dua atau

lebih variabel independen terhadap variabel dependen.

Pengaruh Interaksi adalah kerja sama dua variabel independen atau lebih dalam mempengaruhi satu

variabel dependen. Atau dengan kata lain, Interaksi berarti bahwa kerja atau pengaruh dari suatu

variabel dependen terhadap suatu variabel independen, bergantung pada taraf atau tingkat variabel

bebas lainnya.

Perbedaan antara pengaruh utama dan pengaruh interaksi dapat digambarkan lewat contoh sederhana

berikut. Bila diketahui kemampuan akademik seorang siswa dipengaruhi oleh dua hal yaitu: metode

belajar dan materi pembelajaran yang diberikan, maka dalam contoh kasus ini: pengaruh utama (main

effect) adalah metode belajar atau materi pembelajaran; sedang pengaruh interaksi (interaction effect)

adalah perpaduan antara metode belajar dan materi pembelajaran, yang mengakibatkan adanya variasi

nilai akademik siswa.

Keuntungan percobaan faktorial adalah memungkinkan kita meneliti pengaruh utama (main effect)

dan juga pengaruh interaksi (interaction effect) antar perlakuan secara bersamaan, yang mana

pengaruh interaksi ini tidak dapat dideteksi bila seorang peneliti hanya menggunakan percobaan

faktor tunggal.

Oke langsung pada contoh kasus.

Sebuah percobaan eksperimental dilaksanakan untuk mengetahui apakah ada pengaruh perbedaan

level dosis pupuk organik (O), serta level dosis pupuk urea (N) terhadap produktivitas tanaman padi.

Penelitian tersebut menggunakan Desain RAL faktorial 3×4 yaitu: 3 taraf dosis pupuk organik; dan 4

taraf dosis pupuk urea, sehingga secara keseluruhan terdapat 12 perlakuan, maing-masing perlakuan

diulang sebanyak 3 kali. Hasil pengukuran produktivitas tanaman padi dapat dilihat pada tabel

berikut:
Secara manual, perhitungan anova faktorial dalam desain Rancangan Acak Lengkap dapat dilakukan

dengan beberapa tahapan:

(a) Hitung faktor koreksi:

(b) Hitung nilai Sum Square (jumlah kuadrat) yang dibutuhkan, yaitu SSt, SSN, SSo, SSi, dan SSe total:
(c). Buat tabel ringkasan uji ANOVA

(d) hitung nilai F tabel dengan menggunakan tabel distribusi Fisher, nilai F dicari berdasarkan nilai

alpha (α) atau tingkat probabilitas 5% (0.05):

– F tabel untuk taraf dosis pupuk organik: F(α,df1,df2) = F(0.05,2,24) = 3,40

– F tabel untuk taraf dosis pupuk urea: F(α,df1,df2) = F(0.05,3,24) = 3,01

– F tabel untuk interaksi: F(α,df1,df2) = F(0.05,6,24) = 2,51

(e) Menarik kesimpulan. Sama dengan perhitungan anova pada percobaan faktor tunggal, proses

penarikan kesimpulan dalam percobaan faktorial juga dilakukan dengan membandingkan nilai F

hitung dan nilai F tabel. Bila nilai F hitung lebih besar atau sama dengan nilai F tabel, maka perlakuan

dinyatakan berbeda signifikan pada taraf α 0,05, dan perlu dilakukan uji lanjut (post hoc) pada

masing-masing perlakuan . Sebaliknya bila nilai F hitung lebih kecil dari nilai F tabel, maka perlakuan

dinyatakan tidak berbeda signifikan pada taraf α 0,05.

Dalam contoh kasus diatas, seluruh perlakuan (taraf dosis pupuk organik, taraf dosis pupuk urea, dan

interaksi antar keduanya) dinyatakan berpengaruh cecara signifikan pada taraf uji 0,05 karena nilai F

tabel > F hitung.

Selain secara manual, perhitungan diatas juga dapat diselesaikan dengan memanfaatkan fasilitas

“Analysis Toolpack” pada program Microsoft Excel 2007. Fasilitas ini memungkinkan pengguna

melakukan berbagai jenis uji analisis statistika dengan cara yang sangat mudah. Untuk mengetahui

lebih lanjut tentang bagaimana cara memanfaatkan fasilitas “analysis toolpack” dalam menyelesaikan

kasus ANOVA faktorial dalam desain RAL, silahkan tonton video dibawah ini. Teman-teman juga

dapat mengunduh file latihan yang digunakan dalam video tersebut.

Happy watching, dan semoga bermanfaat …:)