Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal

Jurnal Sains & Matematika (JSM) Volume 15, Nomor 2, April 2007

ISSN 0854-0675 Kajian Pustaka Artikel Penelitian: 61-67

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal Dwi Ispriyanti1 1

Staf Pengajar jurusan Matematika Fakultas MIPA UNDIP Semarang

ABSTRAK---Metode Staistik yang sering digunakan dalam percobaan adalah analisis ragam. Dalam tulisan ini akan dibahas analisis ragam dengan pengaruh tetap diselesaikan dengan pendekatan metode regresi,hal itu dapat dilakukan kalau modelnya diindetifikasi secara benar dan kalau langkah-langkah pencegahan telah diambil agar diperoleh persamaan normal yang bebas. Suatu ciri analisis ragam adalah bahwa model analisis ini terparameterisasi secara berlebih(Overparameterized), sehingga perlu membuat kendala terhadap parameter-parameternya. Pendekatan model regresi terhadap masalah analisis ragam mengharuskan peubah bebas X dalam bentuk katagori, yaitu nol dan satu Kata kunci : analisis ragam, kendala

PENDAHULUAN Suatu metode yang banyak digunakan untuk menganalisis data dari suatu percobaan yang terancang adalah teknik analisis ragam (analysis of variance technique). Seringkali teknik ini dipandang sama sekali berbeda dari regresi secara umum, belum banyak peneliti yang menyadari bahwa setiap masalah analisis ragam dengan pengaruh tetap dapat ditangani melalui teknik regresi secara umum kalau modelnya diidentifikasi secara benar dan langkah-langkah pencegahan telah diambil agar diperoleh persamaan normal yang bebas. Prosedure regresi berganda untuk memperoleh parameter nya ,yaitu b = ( X’X)-1(X’Y)-1 , maka disyaratkan bahwa matriks (X’X) bersifat tidak singular, ini berarti bahwa persamaan normalnya harus terdiri atas persamaan-persamaan yang bebas satu sama lain yang banyaknya sama dengan banyaknya parameter yang harus duduga. Akan tetapi , kalau datanya dari suatu percobaan yang terancang, perlu diperiksa bahwa semua persamaan itu bebas, kalau ternyata tidak demikian , mengambil langkah-langkah yang diperlukan untuk memperoleh nilai dugaan. Suatu ciri analisis ragam adalah model ini terparameterisasikan secara berlebih , artinya model ini mengandung lebih banyak parameter dari pada yang dibutuhkan untuk merepresentasikan pengaruh-pengaruh (effect) yang diinginkan. Parameterisasi berlebihan ini biasanya dkompesasi dengan membuat kendala terhadap pameter-peremeternya. Sering kali tidak disadari bahwa semua situasi analisis ragam mempunyai model, dan bahwa model

itu dan hanya model itulah yang menjadi dasar bagi pembuatan tabel analisis ragam. Pendekatan regresi untuk suatu rancangan percobaan, maka peubah bebas (X) disini diberi nilai satu (1) dan nol (0), yaitu bersifat katagori, yang selanjutnya model matematikanya dianggap bagian dari analisis regresi. Dalam tulisan ini dibatasi pada analisis ragam untuk percobaan faktor tunggal dengan model tetap. Contoh penerapan metode ini adalah menyangkut suatu percobaan tentang pengaruh kafein yang kabarnya merupakan perangsang atau stimulant. Besarnya rangsangan berbeda menurut dosis yang dicerna. Untuk mendapatkan kebenaran itu maka dilakukan percobaan terhadap pekerjaan fisik, yaitu pemberian taraf dosis yang berbeda pada 30 mahasiswa laki-laki yang sehat dan berumur sama.. MODEL LINIER PERCOBAAN FAKTOR TUNGGAL Percobaan factor tunggal merupakan rancangan yang paling sederhana diantara rancangan percobaan yang baku. Jika kita ingin mempelajari t buah kelompok dan setiap kelompok menggunakan ni satuan percobaan, model liniernya adalah sebagai berikut : yij =    i   ij n=

n

i

; i = 1,2,…,t ; j= 1,2,…,ni ; (1)

i

Dimana : yij = Pengamatan ke j dalam kelompok ke i

Dwi Ispriyanti: Pemodelan Regresi 61

Kajian Pustaka

 = Nilai tengah populasi, sering disebut

Hi= minimal ada satu i  0(i  1,2,.., t )

dengan rataan umum  i = Parameter yang menyatakan rataan kelompok ke i  ij = Galat pada pengamatan ke(i,j)

Analisis ragam untuk model tetap diperlihatkan pada tabel 1.

Model yang diambil dalam percobaan ini adalah model tetap, artinya pengaruh  i bersifat tetap dan galat percobaan  ij bebas, menyebar secara normal dengan nilai tengah sama dengan nol dan ragam  2 . Keadaan ini menggambarkan bahwa dalam model ini, peneliti hanya dapat mengambil kesimpulan yang berhubungan dengan perlakuan yang dicobakan.Dalam simbul matematika dapat dituliskan sbb : E(  i ) =  i , E (  ij ) = 0 ; E (  ij ) =  ;  ij 2

tidak berkorelasi dan

 ˆ

i

2

= 0

 i =  i   = nilai tengah perlakuan kei – nilai tengah populasi

y j 1

y..   yij

ij

i. j

2

Y .. ; JKP = Jumlah n 2 2 y y kuadrat perlakuan = ( 1.  ..  t . )  FK n1 nt FK= factor koreksi =

JKT = jumlah kuadrat Total =

y

2

ij

 FK ;

i, j

JKG = jumlah kuadrat Galat =JKT-JKP PENDEKATAN REGRESI TERHADAP PERCOBAAN FAKTOR TUNGGAL Dari model linier (1) diatas, dibentuk dalam model regresi dalam lambang matriks, dapat ditulis : Y=X  +  ; E(Y)= x0  1 x1  .......   t xt

Hipotesisis untuk menguji bahwa tidak ada pengaruh perlakuan terhadap respon adalah sebagai berikut : Ho : 1   2  … =

Keterangan : y i. 

dapat

Dengan :

y '  ( y11 , y12, ..., y in1 , y 21 ,..., y 2n 2 ,..., y t1 ,..., y tn1 )

t  0

Tabel 1. Analisis Ragam Model Tetap Sumber Keragaman

(Kelompok) Antar Kelompok

DB

t-1

Juml.Kuadrat

Kuadrat Tangah

JKP

KTP

E(KT)

 2  (r /(t  1))  2

2

i

Galat (dalam kelompok)

n-t

JKG

Total

n-1

JKT

J. Sains & Mat. Vol. 15, No.2 April 2007: 61-67

KTG

2

62

Kajian Pustaka

X

1 1  :  1 1  1 =  :  1 :  1  : 1

1 1 : 1 0 0 : 0 : 0 : 0

0 0 : 0 1 1 : 1 : 0 : 0

... ... : ... ... ... : ... : ... ... ...

0 0 :  0 0  0 ; :  0 :  1  : 1

 '  ( , 1 ,  2 ,...,  t ) ;

Jika kita perhatikan matriks X diatas, maka terlihat bahwa lajur pertama sama dengan jumlah lajur ke 2 sampai lajur ke t, jadi sesungguhnya hanya ada t persamaan dengan (t+1) yang tidak diketahui, sehingga lajur-lajur matriks ini tidak bebas satu sama lain.Karena X’X singular, sehingga persamaan normal tidak memberikan jawaban yang tunggal untuk parameter yang ingin ditaksir.Agar persamaan normal mempunyai jawab yang tunggal, maka syarat tambahan/kendala perlu dimasukkan. Kendala yang memberikan jawaban seperti itu adalah :

n1 1  n2  2  .......  nt  t  0

(2)

dengan demikian persamaan normal : (X’X) b= X’Y dapat ditulis sebagai :

n n  1 n2  : :   nt

n1 n1 0 . . 0

n2 0 n2 . . 0

... nt  ... 0  ... 0   ... :  ... :   ... nt 

 b0   ny..  b  n y   1  1 1.  b 2   n 2 y 2.    =  :  :  :  :       bt   n1 y t . 

dijabarkan dalam persamaan :

nb 0  n 1 b1  ...  n t b t  ny ..

 '  ( 1 ,...,  t )

nb 0  n 1 b1

 n 1 y1

 n2 b2

nb0

 n2 y 2.

.........................................

 nt bt  nyt .

nb0

baris pertama akibat kendala, maka berlaku untuk penaksirannya, dapat disederhanakan : nb0 = n y.. ; ataub0  y.. dengan memasukkan nilai b0 , pada persamaan (3) , didapat : b1= y1.  y.. ; b2= y 2.  y.. ,... ; bt= yt .  y.. Sehingga persamaan (1) diatas dapat ditulis :

 yij  y..  bi  y..  yi.  y..  yi.

untuk j= 1,2,...,ni , maka JKR dan JKS dalam persamaan regresi : JKR =



 ( y i

j

JKS =

 y.. ) 2   ( yˆ i.  y.. ) 2   ni ( yi.  y.. ) 2

ij

 ( y i

j

i

j

i

 yˆ ij )   ( yij  yi. ) 2 2

ij

i

j

Dalam istilah Rancangan Percobaan ,JKR adalah JK antar kelompok dan JKS adalah JK dalam Kelompok , sehingga tabel analisis ragamnya setelah dilakukan pendekatan regresi adalah sbb:


Kajian Pustaka

Tabel 2. Tabel Analisis Ragam Setelah dilakukan Pendekatan Regresi Sumber Keragaman Antar Kelompok

DB t-1

Juml.Kuadrat

Kuadrat Tangah

 n ( y

 n ( y

i

i

Dalam Kelompok

n-t

Total

n-1

 y.. ) 2

i

j

 ( y i

ij

i

 yi. )

 ( y

Dalam pengujian hipotesis:

t  0

H1= minimal ada satu i  0(i  1,2,.., t ) Bila H0 diterima, maka baik JK antar kelompok maupun JK dalam kelompok memberikan taksiran  2 yang tak bias. Karena itu dapat dibentuk uji F sebagai berikut :

JKR / t  1 F= JKS / n  t Bila F(t-1,n-t;  ) < F untuk suatu  tertentu, maka tolak H0 , sebaliknya H1 diterima. PENGGUNAAN PEUBAH BONEKA Cara lain untuk menangani permasalahan diatas adalah dengan menggunakan peubah boneka yaitu peubah yang dijadikan dalam bentuk biner, nilainya 0 atau 1. Dalam penelitian kita sering berhadapan dengan peubah yang sifatnya klasifikasi, misalnya kita ingin membandingkan prestasi belajar murid wanita dan pria, pengaruh agama terhadap jumlah anak dalam rangka pelaksanaan KB, ataupun pengaruh jenis makanan terhadap berat ayam piaraan.Karena semua peubah dalam regresi bersifat kuantitatif, maka peubah kualitatif harus dijadikan kuantitatif agar regresi dapat digunakan. Prinsip dasar


i

ij

i.

 y.. ) 2 /t-1

j

 ( y

2

j

i

H0 : 1   2  … =

i.

ij

 yi. ) 2 /(n-t)

j

 y.. )

j

pemakaian peubah boneka bila mempunyai t kelompok, maka peubah bonekanya adalah (t-1), misalnya ada 4 kelompok, A ,B ,C ,D. maka diperlukan 3 peubah boneka, dan dimisalkan didefinisikan sebagai berikut : X2 0 1 0 0

X3 0 0 1 0

X4 0 0 0 1

   

A B C D

Artinya bila pengamatan masuk kelompok A, maka X2=X3=X4 =0, bila masuk B maka X2=1, X3=0 dan X4 =0, bila masuk C maka X2=0, X3=1, X4=0 dan bila pengamatan masuk D, X2=0, X3=0 dan X4=1; Sehingga bila ada t kelompok, maka peubah bonekanya sebagai berikut : X2

0 1  0  : 0

X3

0 0 0 : 0

X4 ...

0 0 1 : 0

... ... ... : ...

Xt

0 0 0  : 1

64

Kajian Pustaka

Dengan demikian , maka diperoleh model : Y X0 X2.. Xt a

 y11  1 0 ... 0  y  1 0 .. 0  12     :  : : : :       y1n1  1 0 ... :   y 21  1 1 ... 0      y 22  1 1 ... 0  :  = : : : :       y 2 n 2  1 1 ... 0  y  : : : :   31     y 32  1 0 ... 1      :  1 0 ... 1  y t1   : :       y tnt  1 0 ... 1

a0  a   2  ; n = n1 + n2 + ...+nt :    at 

Pada persamaan diatas tidak muncul a1 dan X1, karena pengaruh kelompok A telah masuk kedalam a0, a2,…,at. Dari matrik X diatas, dapat dihitung matrik (X’X) dan inversnya sebagai berikut :

n n  2 X’X =  n3  :  nt

n2 n2 0 : 0

n3 0 n3 : 0

... nt  ... 0  ... 0   : : ... nt 

1 1 n1  n 2   1 n2  1  1 , (X’X)-1= 1 nt   : :  1  1 

 y ij   i j    y2 j   j   Dan (X’Y) =  y 3 j  , sehingga a = (X’X)-1(X’Y) =  j    :     y tj   j 

1

1   1 ... 1   n1  n3 ... 1   n3 : : :  n1  nt  1 ...  nt  ...

 y1.  y  y  1  2  y 3  y1       y t  y1 

Bila pengaruh kelompok dinyatakan dengan =b1, b2,b3 ,...,bt , maka b1 = a0 - y..  y1.  y.. b2 = a2 + b1 = ( y 2.  y )  ( y1.  y.. )  ( y 2.  y.. ) ……………………………………………….. bt = at + b1 = ( yt .  y )  ( y1.  y.. )  ( yt .  y.. )


Kajian Pustaka

Dari persamaan-persamaan diatas didapatkan Jumlah kuadrat antar kelompok dan Jumlah kuadrat dalam kelompok seperti table 2 diatas.

Tabel 3: Banyaknya ketukan jari per menit oleh 30 orang mahasiswa Kelompok 0 100 200 242 248 246 245 246 248 244 245 250 248 247 252 247 248 248 248 250 250 242 247 246 244 246 24 8 246 243 245 242 244 250 2464 2483  2448 246.4 248.3 dan y i 244.8 y = 246.5 Jadi b0 = 246.5 , b1 = 244.8 – 246.5 =-1.7 , b2 = 246.4 – 246.5 = -0.1 dan b3 = 248.3 – 246.5 = 1.8 ; n=30 , n1= n2=n3=10

CONTOH TERAPAN : Kafein yang dicernakan melaui mulut kabarnya merupakan perangsang atau stimulan. Besarnya rangsangan serta keberagamannya berbeda menurut dosis yang dicerna. Untuk mendapatkan informasi mengenai pengaruh kafein pada suatu pekerjaan fisik, maka dilakukan percobaan sebagai berikut : Taraf-taraf perlakukan yang dicobakan adalah 0,100, dan 200 mg kafein. Tiga puluh mahasiswa laki-laki yang sehat dan berumur sama diambil dan dilatih mengetukkan jari. Setelah latihan selesai, untuk setiap perlakuan diambil sepuluh orang secara acak. Dua jam setelah perlakuan diberikan, setiap orang disuruh melakukan ketukan jari. Banyaknya ketukan jari permenit dicatat dan hasilnya diberikan pada Tabel dibawah ini :

Tabel 4 : Analisis Ragam Sumber Antarkelompok Dalam perlakuan Total

DB 2 27 29

JK 61.40 134.10 195.50

RK 30.70 4.97

F 6.18

Dengan mengambil F ( 2,27,0.95) = 3.35 , maka F hitung > F tabel , sehingga dapat disimpulkan bahwa H0 ditolak , yang berarti ada pengaruh yang significant dari ketiga dosis kafein tersebut. Dengan Menggunakan peubah boneka Karena hanya ada 3 kelompok , maka dibuat 2 peubah boneka : X2 X3 0 0  bila pengamatan masuk kelompok dosis 0 1 0  bila pengamatan masuk kelompok dosis 100 0 1  bila pengamatan masuk kelompok dosis 200 Dengan menggunakan spss 11, diperoleh Tabel koefisien sebagai berikut berikut : Coefficients (a) Model

1

(Consta nt) X2 X3

Unstandardized Coefficients B Std. Error 244.800 .705 1.600 3.500


.997 .997

Standardized Coefficients Beta

.295 .646

T

Sig.

347.359

.000

1.605 3.512

.120 .002

66

Kajian Pustaka

a Dependent Variable: Y nilai dari a0 = 244.8 , a2 = 1.600 dan a3 = 3.500. Tabel analisis ragamnya sebagai berikut : Tabel 5: Analisis Ragam Mod el 1

Sum of Df Mean F Sig. Squares Square Regression 61.400 2 30.700 6.181 .006(a) Residual 134.100 27 4.967 Total 195.500 29 Hasil yang diperoleh dengan menggunakan peubah boneka sama dengan tabel 4 diatas , sehingga kesimpulannya adalah sama , yaitu ada pengaruh yang significant dari ketiga dosis kafein tersebut. KESIMPULAN : 1. Dalam analisis ragam semua peubah bebas atau factor bersifat katagori, sedangkan dalam analisis regresi bersifat kuantitatif 2. Data pada analisis ragam biasanya berasal dari percobaan yang dirancang, seperti percobaan dilaboratorium, sebaliknya data dari analisis regresi umumnya berasal dari survey di lapangan. 3. Matrik X’X pada analisis ragam bersifat singular, sehingga perlu syarat tambahan, sedangkan pada analisis regresi jarang sekali hal itu terjadi.

4. Dari contoh terapan diatas dapat , maka dosis kafein mempunyai pengaruh yang nyata terhadap pekerjaan fisik DAFTAR PUSTAKA. 1. Drapper, NR and Harry Smith,S ,1992,” Analisis Regresi Terapan ”, edisi kedua, Gramedia Pustaka Utama , Jakarta 2. R.K Sembiring, 1995, “ Analisis Regresi “ ,Edisi ke 2. Penerbit ITB Bandung. 3. Kutner,Nachtsheim,Neter,2004, “ Applied Linier Regression Models”,Mc Graw-Hill, New York.


Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal

Recommend Documents