BAGAIMANA MELAKUKAN UJI RAGAM (ANOVA)YANG MUDAH DIPAHAMI OLEH
MAHASISWA S1? *)
Oleh :Anung SDP **)A. LATAR BELAKANG Skripsi adalah salah satu
syarat yang harus dibuat oleh mahasiswa S1 untuk memperoleh gelar
kesarjanaannya. Skripsi ini biasanya disusun atas dasar data primer
atau sekundair yang diperoleh dari suatu sumber, atau diperoleh
secara langsung melalui kegiatan survai maupun percobaan. Sasaran
utama dari penulisan skripsi bagi mahasiswa S1 ini, adalah melatih
mahasiswa agar mampu melakukan penalaran dengan baik dan benar yang
didasarkan atas informasi yang terkandung di dalam data yang
dianalisisnya. Oleh karena itu, mahasiswa akan lebih mudah
melakukan penalaran apabila dapat membaca dengan mudah informasi
yang terkandung di dalam data yang diperolehnya.Informasi yang
terkandung di dalam suatu data akan mudah dibaca atau diketahui,
apabila data tersebut diperoleh dan dianalisis dengan metoda yang
tepat, serta disajikan secara informatif sesuai dengan permasalahan
yang dikaji. Pada kenyataannya, seringkali dijumpai hasil analisis
data yang disajikan kurang informatif, sehingga menyebabkan
interprestasi dan pengambilan kesimpulan yang kurang tepat.
Contohnya pada penyajian hasil uji ragam yang menggunakan uji
kontras orthogonal, penyajian data hasil analisis percobaan
faktorial yang ada interaksinya, dlsb. Hal ini terjadi akibat
pemilihan metode untuk mendapatkan dan menganalisis data yang
kurang dipahami dengan baik dan benar. Pada kesempatan ini, penulis
ingin memberikan sumbangan pemikiran tentang uji ragam (ANOVA),
kaitannya dengan pemahaman tentang uji ragam percobaan faktorial
dengan perlakuan kontrol menggunakan uji kontras orthogonal, serta
tentang pemahaman adanya interaksi pada percobaan faktorial. *)
Sumbangan pemikiran bagi mahasiswa dan dosen pembimbing skripsi**)
Pengajar pada bidang kajian Hortikultura Faperta UNSOED
B. UJI RAGAM (ANOVA)Dalam analisis data statistik, untuk menguji
dua rerata sampel berbeda atau tidak digunakan uji t (t test).
Misalnya uji t untuk mengetahui apakah ada perbedaan daya hasil dua
varietas cabai yang diteliti. Apabila varietas cabai yang diuji
lebih dari dua, maka pengujian harus dilakukan secara sepasang demi
sepasang. Dalam hal ini kalau tetap menggunakan uji t, maka peluang
membuat kesimpulan yang salah akan lebih besar. Misalnya akan
menguji delapan varietas cabai, maka akan didapatkan pasangan
pengujian yang berbeda sebanyak :
Pada 15 pasang pengujian tersebut, apabila diharapkan 5%
pasangan pengujian mendapatkan thit > t0.05 secara kebetulan
saja, maka kemungkinan satu pasang pengujian atau lebih akan
menghasilkan thit > t0.05 adalah :
Jadi 54% kali atas dasar tingkat significan 5% ( = 5%), akan
menarik kesimpulan yang salah dengan mengatakan bahwa dua rerata
sampel berbeda nyata. Semakin banyak rerata sampel yang akan diuji
dengan uji t, maka akan semakin besar peluang membuat kesimpulan
yang salah. Oleh karena itu untuk menguji rerata sampel yang lebih
dari dua, digunakan cara lain yaitu dengan analisis variansi
(ANOVA, analyses of variance).a. Variansi DataVariansi data sampel
yang diberi lambang S2, merupakan rerata dari jumlah kuadrat (mean
square), yaitu jumlah kuadrat simpangan (sum of square) dibagi
dengan derajad bebasnya (db = n-1).
Contoh : Data : 2 6 4 8 5
b. Pendekatan ke Model LinerUntuk menjelaskan dasar dari ANOVA
dapat dilakukan dengan pendekatan ke model liner, yaitu bahwa data
hasil suatu pengamatan mengikuti model persamaan :Yij = + Ti +
ijYij = data pengamatan perlakuan ke i dan ulangan ke j = rerata
data secara umumTi = pengaruh perlakuan ke iij = faktor
kekeliruanDari model liner tersebut akan diketahui bahwa simpangan
setiap data terhadap rerata umum (), akan sama dengan simpangan
akibat perlakuan ditambah simpangan akibat kekeliruan, sehingga
:Yij - = Ti + ijJumlah dari masing-masing simpangan tersebut sama
dengan nol (0), yaitu :(Yij - ) = Ti + ij 0 = 0 + 0Dalam hal ini
agar tidak sama dengan nol perlu dikuadratkan, sehingga menjadi
jumlah kuadrat simpangan.(Yij - )2 = Ti2 + ij2, atau(Yij - )2 =
(xi.-)2 + (Xij-xi.)2, tidak lain adalahJK total =JK perlakuan + JK
galatDengan manipulasi aljabar, formula jumlah kuadrat simpangan
masing-masing suku di atas dapat disederhanakan menjadi :
Selanjutnya JK Galat dapat dicari dari persamaan di atas,
sehingga: JK Galat = JKtotal - JKperlakuan
Contoh :PerlakuanUlanganRerata
123
ABCD1213192317111728161221274536577815121926
21618
Dari data tersebut dapat diketahui bahwa rerata umum () = 18,
sedangkan masing-masing perlakuan mempunyai rerata A=15, B=12,
C=19, dan D=26. Atas dasar model liner Yij - = Ti + ij , dan
diketahui bahwa Ti adalah akibat pengaruh perlakuan yaitu selisih
antara rerata masing-masing perlakuan dengan yaitu (xi.-),
sedangkan ij adalah kekeliruan dalam setiap perlakuan akibat
ulangan yaitu (Xij-xi.), maka masing-masing data akan mempunyai
persamaan simpangan sebagai berikut :A1 (12-18) = (15-18) + (12-15)
A2 (17-18) = (15-18) + (17-15)A3 (16-18) = (15-18) + (16-15)B1
(13-18) = (12-18) + (13-12)B2 (11-18) = (12-18) + (11-12)B3 (12-18)
= (12-18) + (12-12)C1 (19-18) = (19-18) + (19-19)C2 (17-18) =
(19-18) + (17-19)C3 (21-18) = (19-18) + (21-19)D1 (23-18) = (26-18)
+ (23-26)D2 (28-18) = (26-18) + (28-26)D3 (27-18) = (26-18) +
(27-26)Apabila dalam setiap data, simpangan pada masing-masing suku
dikuadratkan, kemudian dijumlahkan mulai dari A1 s/d D3 akan
didapatkan hasil sbb :368 = 330 + 38 , nilai ini tidak lain
adalahJK total = JK perlakuan + JK galatHasil hitungan tersebut
akan persis sama apabila dicari dengan formula :
JK galat = JK total JK perlakuan = 368 330 = 38c. Pendekatan ke
Teori SamplingAnalisis ragam digunakan untuk menguji apakah ada
perbedaan diantara rerata perlakuan yang diuji. Namun dalam hal ini
materi yang diuji bukan nilai rerata dari perlakuan tersebut, akan
tetapi nilai variansinya. Oleh karena itu hasil ANOVA baru bisa
untuk mengetahui ada atau tidak adanya perbedaan diantara rerata
perlakuan, namun belum dapat diketahui rerata perlakuan mana yang
berbeda.H0 : perlakuan sama pengaruhnya H0 : 1 = 2 = 3 = tHi :
perlakuan tidak sama pengaruhnyaDi bawah H0 berarti dari semua
populasi perlakuan hanya ada satu populasi, atau
perlakuan-perlakuan dianggap berasal dari satu populasi yang sama,
dengan rerata dan variansi 2.Dari hipotesis di atas (H0, Hi), dapat
dijelaskan bahwa nilai karakteristik suatu populasi yaitu dan 2
biasanya tidak diketahui. Untuk dapat memperoleh gambaran tentang
dan 2 dilakukan dengan mengambil contoh acak : X1, X2, X3, ..Xn
kemudian dihitung nilai statistiknya x dan S2 yang merupakan
gambaran atau penduga dari dan 2. Nilai statistik dari sampel akan
berubah-ubah tergantung dari sampel yang terambil, sehingga x dan
S2 merupakan suatu distribusi. Distribusi rerata sampel ini akan
mempunyai rerata = dan varians = 2/n.Untuk perlakuan : Perlakuan 1
Perlakuan 2 Perlakuan ke T Y11Y21Yt1Y12Y22Yt2Y13Y23Yt3 . . . . . .
. . .Y1nY2nYtn Y1 Y2 Yt S21 S22 S2tVariansi dari sampel yaitu S21,
S22S2t, memberi gambaran mengenai variansi populasinya yaitu 2.
Rerata tertimbang S21, S22S2t yang disebut variansi contoh atau
variansi dalam contoh adalah penduga terbaik untuk 2, yaitu :
Rerata tertimbang dari Y1, Y2, Yt merupakan penduga , sedangkan
variansi yang ada diantara Y1, Y2, Yt yang disebut variansi rerata
contoh atau variansi antar contoh merupakan penduga variansi
populasi 2 juga, yaitu :
Jika H0 benar yaitu 1 = 2 = 3 = t , maka variansi dalam contoh
dan variansi antar contoh sama-sama merupakan penduga yang baik
dari variansi populasi 2, sedangkan apabila H0 salah maka hanya
variansi dalam saja yang merupakan penduga dari variansi populasi,
dan variansi antar contoh nilainya akan lebih besar dari variansi
dalam contoh.Untuk mengetahui H0 benar atau salah, dilihat apakah
nilai variansi antar contoh dekat dengan nilai variansi dalam
contoh. Jika nilai variansi antar contoh dekat dengan nilai
variansi dalam contoh, maka rasio kedua variansi tersebut mendekati
nilai1(satu). Ratio kedua variansi ini merupakan nilai F hitung,
diterima atau ditolaknya H0 tergantung dari nilai kritis yang dapat
dihitung atau dilihat dari nilai F tabel.Hasil ANOVA dari data di
atas adalah sebagai berikut :Sumber RagamdbJKKTF hitungF =5%
Antar Contoh (perlakuan)Dalam Contoh
(galat)38330381104,7523,164,07
Total11368
Kesimpulan : H0 ditolak dan Hi diterima, artinya ada perbedaan
nyata diantara rerata perlakuand. Uji Lanjut Setelah ANOVASeperti
telah diterangkan di atas, bahwa dari hasil uji ragam (ANOVA) baru
diketahui ada atau tidak adanya perbedaan diantara rerata perlakuan
yang dicoba, namun belum diketahui rerata perlakuan mana yang
berbeda. Untuk itu, diperlukan uji lanjut untuk mengetahui rerata
mana yang berbeda diantara perlakuan yang dicoba. Uji lanjut ini
hanya dilakukan apabila H0 ditolak dan Hi diterima. Apabila H0
diterima, maka tidak dibenarkan untuk melakukan uji lanjut, hal ini
karena ada kemungkinan akan didapat adanya perbedaan diantara
rerata perlakuan yang diuji, yaitu terutama terjadi apabila
dilakukan uji lanjut dengan BNT (beda nyata terkecil). Hal inilah
yang kadang dijumpai pada hasil analisis ragam yang dilakukan oleh
mahasiswa S1.Ada beberapa uji lanjut yang biasa diberikan untuk
mahasiswa S1, secara garis besar dibedakan menjadi tiga macam,
yaitu: uji lanjut dengan menggunakan satu nilai pembanding, uji
lanjut dengan beberapa nilai pembanding (uji banding ganda), dan
rencana uji F (plan F) yaitu memecah jumlah kuadrat (JK) perlakuan
sesuai dengan derajad bebasnya menggunakan kontras orthogonal.1.
Uji Beda Nyata Terkecil/BNT (Least Significant
Difference/LSD)Pengujian ini didasarkan atas distribusi t, yaitu
bahwa t hitung > t tabel
Nilai BNT yang kecil menyebabkan uji ini mempunyai kelemahan,
yaitu rerata yang seharusnya tidak berbeda untuk kasus tertentu
dengan uji BNT ini menjadi berbeda. Oleh karena itu, sementara
pembimbing Skripsi tidak menghendaki uji BNT ini untuk kasus-kasus
tertentu.2. Uji Beda Nyata Jujur/BNJ (Honestly Significant
Defference/HSD)Untuk mengatasi kelemahan uji BNT, maka disusun
formula lain yang mempunyai nilai pembanding lebih besar yaitu uji
BNJ. Perbedaannya terletak pada nilai tabel yang lebih besar, yaitu
dengan menggunakan tabel Tukey. Tabel ini disamping ditentukan oleh
besarnya derajad bebas dan tingkat signifikansinya, juga di
dasarkan atas banyaknya rerata yang akan dibandingkan. Kelemahan
dari BNJ ini kebalikan dari BNT, yaitu rerata yang seharusnya
berbeda untuk kasus tertentu dengan BNJ ini menjadi tidak berbeda.
Sementara pembimbing senang menggunakan uji lanjut BNJ ini, karena
akan diperoleh kesimpulan yang tebih tegas.3. Uji DunnetUji Dunnet
biasanya digunakan untuk membandingkan antara rerata kontrol dengan
rerata perlakuan yang lain. Cara menghitung nilai pembanding uji
Dunnet sama dengan uji BNT, bedanya pada uji ini menggunakan tabel
Dunnet. Tabel Dunnet disamping ditentukan atas dasar derajad bebas
dan tingkat signifikansinya, juga ditentukan atas dasar banyaknya
rerata yang akan dibandingkan. 4. Uji Banding Ganda Duncan/UBGD
(Duncan Multiple Range Test/DMRT)Uji lanjut yang hanya mempunyai
satu nilai pembanding untuk kasus tertentu mempunyai kelemahan,
yaitu apabila rerata yang akan dibandingkan banyak, maka akan
berkemungkinan melakukan kesimpulan yang salah. Perbedaan dua
rerata yang dibandingkan mungkin terjadi hanya karena jarak
rankingnya yang jauh. Untuk itu diperlukan uji lanjut dengan
formula yang lain dengan mempertimbangkan jarak perbandingan dalam
suatu ranking, yaitu yang dikenal dengan uji banding ganda. Dua
rerata dibandingkan dengan suatu nilai atas dasar jarak
perbandingannya, sehingga akan diperlukan banyak nilai pembanding.
Besarnya nilai pembanding, disamping didasarkan atas variansi
galat, derajad bebas, tingkat signifikansi, juga didasarkan atas
jarak perbandingan menurut ranking. Untuk uji UBGD menggunakan
tabel Duncan. Dapat dilihat bahwa, untuk uji UBGD pada jarak
perbandingan 2 tidak lain adalah sama dengan uji BNT.5. Uji Student
Newman Keul (SNK)Uji SNK disusun guna memperbaiki kelemahan uji
UBGD yang nilainya lebih kecil, seperti halnya uji BNT yang
diperbaiki dengan uji BNJ. Cara menghitung pada uji SNK sama dengan
uji UBGD, perbedaannya hanya pada tabel yang digunakan, uji SNK
menggunakan tabel Tukey.6. Rencana Uji F (Plan F)Semua uji lanjut
yang telah dibicarakan di atas mempunyai kelemahan, yaitu bahwa
hasil uji tersebut kadang tidak bisa secara langsung menjawab
hipotesisnya. Atas dasar itu, maka disusun uji lanjut lain yaitu
rencana uji F (plan F) untuk mengatasi kelemahan tersebut. Pada
rencana uji F, jumlah kuadrat simpangan dari perlakuan dipecah
menjadi beberapa perbandingan sebanyak derajad bebasnya.
Perbandingan-perbandingan yang diinginkan disusun atas dasar
hipotesisnya, atau disusun untuk mengetahui sebanyak-banyaknya
informasi yang terkandung di dalam data yang dianalisis. Oleh
karena itu, dengan uji F interprestasi, penalaran, dan penarikan
kesimpulan atas informasi yang terkandung di dalam data akan lebih
komprehensip. Namun demikian, dalam uji F dituntut adanya pemahaman
secara mendalam tentang uji ragam serta penguasaan permasalahan
yang akan dikaji. Prinsip dasar dari uji F ini adalah, bahwa jumlah
kuadrat sebelum dan sesudah dipecah harus sama. Pemecahan ini
dilakukan menggunakan kontras orthogonal, dengan formula:
Qi = macam perbandingan yang dibuat ke ii = koefisien kontras
orthogal ke i yang dibuat sedemikian rupa sehingga memenuhi syarat
kontras (i = 0), dan syarat orthogonal (i.i+1 = 0).Ti = jumlah
nilai data perlakuan ke in = banyaknya ulangan pada perlakuan
C. PERCOBAAN FAKTORIAL DENGAN PERLAKUAN KONTROLAdakalanya dalam
merancang perlakuan sebuah percobaan perlu menambah satu perlakuan
kontrol, baik untuk perlakuan faktorial maupun non faktorial.
Perlakuan kontrol ini dimaksudkan untuk mengetahui sejauh mana
perlakuan yang dicoba memberi pengaruh pada obyek yang diamati.
Misalnya, sejauh mana perlakuan pupuk yang diberikan berpengaruh
terhadap tanaman yang diuji dibandingkan tanpa dipupuk, sejauh mana
larutan hara hidroponik organik yang dibuat berpengaruh terhadap
hasil tanaman dibandingkan dengan larutan hara yang sudah biasa
digunakan (AB-mix), dlsb. Di bawah ini suatu contoh tabel ANOVA
dari suatu makalah yang ditulis bersumber bukunya Steel and Torrie
(1984) dengan informasi sbb: Rancangan perlakuannya adalah
perlakuan faktorial plus kontrol Faktor yang dicoba jenis pupuk
(J1, J2) dan dosis N (N1, N2, N3) Rancangan lingkungannya RAKL tiga
ulangan (blok)TABEL ANOVANoSumber VariansiDbJKKTFhitungFtabel
1.2.3.4.5.6.7.8.BlokPerlakuanKntrl vs FaktorialJ1 vs J2N2 vs
(N1+N3)(N1-N3) pd J1 vs J2(N2 vs N1+N3) pd J1vs
J2Galat261111112
9.Total20
Atas dasar tabel ANOVA di atas, dapat diketahui bahwa JK
Perlakuan dipecah menjadi enam perbandingan (sejumlah derajad
bebasnya) menggunakan kontras orthogonal. Perbandingan no 3 untuk
mengetahui perbedaan kontrol dengan perlakuan faktorial, no 4 dan 5
untuk mengetahui efek mandiri masing-masing faktor, serta no 6 dan
7 untuk mengetahui pengaruh interaksi kedua faktor. Pada
kenyataannya, tidak semua mahasiswa mampu membaca,
menginterprestasikan, dan menyajikan hasil ANOVA tersebut dengan
baik. Hal ini terbukti, bahwa hasil analisis data yang disajikan
pada bab pembahasannya masih dalam bentuk perbandingan-perbandingan
seperti yang tercantum di dalam ANOVA, data seperti ini jelas
kurang informatif bagi pembaca. Oleh karena itu, perlu pendekatan
cara analisis ragam faktorial plus kontrol di atas agar lebih mudah
dipahami oleh mahasiswa, yaitu dengan mengembalikan ke dalam bentuk
dasar analisis ragam faktorial. Apabila dikembalikan dalam bentuk
dasar, maka tabel ANOVA di atas dapat ditulis sbb:TABEL
ANOVANoSumber VariansidbJKKTFhitungFtabel
1.2.3.4.5.6.7.8.BlokPerlakuanKntrl vs FaktorialFaktorial (JN)JNJ
>< NGalat261512212
9.Total20
Atas dasar tabel ini, JK Perlakuan (db=6) dipecah menjadi JK
Kntrl vs Faktrl (no 3) dan JK Faktorial (no 4), selanjutnya JK
Faktorial dipecah menjadi JK efek mandiri (no 5 dan 6) dan JK
interaksi (no 7). Seperti telah dijelaskan di muka, bahwa variansi
adalah jumlah kuadrat simpangan dibagi dengan derajad bebasnya.
Sumber variansi no 3 (Kntrl vs Faktrl) mempunyai db = 1, artinya
variansi yang terjadi hanya disebabkan oleh dua rerata, yaitu
rerata Kontrol dan rerata perlakuan Faktorial secara keseluruhan.
Oleh karena itu jumlah kuadrat simpangan yang dimaksud disini
adalah simpangan kuadrat rerata Kontrol terhadap rerata umum
ditambah simpangan kuadrat rerata Faktorial terhadap rerata umum,
yaitu :
Dengan manipulasi aljabar dapat ditulis dan disederhanakan
menjadi :
Hasil perhitungan dengan formula ini akan persis sama dengan uji
kontras orthogonal. Untuk menghitung JK Perlakuan Faktorial (JN)
beserta pemecahannya ke dalam pengaruh mandiri dan pengaruh
interaksinya, persis sama dengan perhitungan JK untuk perlakuan
Faktorial yang telah dipelajari selama ini, hanya bedanya data
perlakuan Kontrol tidak dimasukkan.TELADAN :1. Data berikut adalah
simulasi angka data yang akan digunakan untuk menjelaskan
permasalah yang telah diterangkan di atas. Misalkan data pengaruh
konsentrasi larutan (K) dua macam bahan organik (O) terhadap hasil
sawi hidroponik, dengan rancangan perlakuan faktorial 2 x 3 plus
perlakuan kontrol (AB-mix), disusun dengan RAKL tiga
ulangan.PERLKBLK IBLK IIBLK IIIJumlah
KONTROL35412
O1 K12215
K23328
K345413
O2 K143310
K255414
K376518
Jumlah28292380
Perhitungan jumlah kuadratnya :
Jika dicari dengan kontras orthogonal hasilnya adalah:
Jika perhitungannya benar, maka :JK Perlakuan = JK Kontrl vs
Faktrl + JK Faktorial 35,9048 = 0,1270 + 35,7778Selanjutnya
pemecahan untuk perlakuan Faktorialnya sama seperti yang telah
dipelajari, yaitu :
JK Interaksi = JK Faktorial JK O JK K = 35,7778 14,2222 21,4444
= 0,1111Tabel ANOVAPERLKDBJKKTF hitungF 5%F 1%
BLOK22,95241,47624,04
PERLK635,90485,984116,39
K>