You are on page 1of 15

RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN

)

Tujuan Mengkaji pengaruh pemberian perlakuan (treatment) terhadap satuan percobaan (unit of experiment). Pengaruh dari perlakuan terhadap satuan percobaan ditandai oleh bervariasinya nilai variabel respon (response variable) yang diduga karena pemberian perlakuan yang berbeda. Contoh Dilakukan percobaan penentuan obat penurun tekanan darah terbaik dengan mencobakan 3 macam obat, dan dilakukan pengukuran tekanan darah systolic dan diastolic sebelum diberi obat dan setengah jam setelah minum obat pada kelompok umur 30-40 tahun, 40-50 tahun dan 50-60 tahun. Perlakuan Kelompok (Block) Variabel respon Covariate Tekanan darah sebelum minum obat Satuan percobaan Pasien . Pemberian obat penurun tekanan darah Kelompok umur Tekanan darah setengah jam setelah minum obat

1

Klasifikasi Rancangan Lingkungan (Environmental design) a. Rancangan Acak Lengkap (Completely Random Design), dipakai pada kasus satuan percobaan bersifat homogen b. Rancangan Acak Kelompok (Block Random Design), dipakai pada kasus satuan percobaan bersifat heterogen, kemudian dilakukan pengelompokan sedemikian hingga satuan percobaan di dalam kelompok yang sama masih bersifat homogen. Rancangan Perlakuan (Treatment design) a. Dilihat dari penentuan perlakuan :fixed dan random, dikatakan random jika penentuan perlakuan dipilih secara acak dan kesimpulannya nanti berlaku untuk populasi perlakuan. b. Dilihat dari macam perlakuan : tunggal dan faktorial, dikatakan faktorial, jika perlakuan terdiri dari beberapa factor dan antar fakor dimungkinkan terjadi interaksi

2

Rancangan Acak Lengkap : Contoh 1 : Untuk meneliti efektifitas obat penurun tekanan darah tinggi, dilakukan percobaan pemberian obat yang terdiri dari tiga macam obat yaitu obat A: placebo, obat B, dan obat C, setiap obat dicobakan pada 10 orang, dan pada setiap orang diukur tekanan darah systolic sebellum minum obat (y1) dan 30 menit setelah minum obat (y2). Respon yang diamati adalah nilai y1-y2. Pelaksanaan Percobaan Untuk melakukan percobaan ini dibutuhkan 30 orang yang mempunyai kondisi kesehatan yang sama dan dari kelompok umur yang sama serta berjenis kelamin sama misalkan perempuan. Kemudian untuk menentukan perlakuan ke setiap orang dibutukan pengacakan yang dapat dengan cara berikut. Ambi l 3 0b u a hk a r t uy a n gd i t a n d a i a 1 , a 2 , …, a 1 0 ,b 1 , …, b 1 0 ,c 1 , …, c 1 0 kemudian dikocok kemudian berikan pada setiap orang satu kartu, beri perlakuan yang sesuai dengan kartu yang diperoleh setiap orang. Nilai variabel respon yang diamati adalah Obat A B C 1 2 11 17 2 6 9 18 3 7 11 16 4 3 11 18 5 0 11 23 6 1 10 25 7 4 15 20 8 5 8 22 9 10 9 17 10 4 9 16 dilakukan

3

Model yang sesuai untuk kasus ini adalah :

Yij      i = 1 , …, t d a nj = 1 , . . , r i  ij ,
ke-j

Yij : Nilai penurunn tekanan darah setelah diberi obat ke-i untuk orang

: Rata-rata penurunan tekanan darah  i : Pengaruh pemberian obat ke-i  ij : Galat Percobaan (Experimental Error)  ij
beristribusi normal dengan rata-rata=0 dan varians konstan

Asumsi :

Hipotesis : H0 : Tidak ada pengaruh pemberian obat terhadap penurunan tekanan darah H1 : Ada pengaruh pemberian obat terhadap penurunaan tekanan darah atau

 0 i i   0 H1 :  i 
H0 : Statistik uji : Sumber Variasi derajat bebas Perlakuan t

atau

   1 2  3   H1 :  i  j
H0 : Kuadrat Tengah F-hitung
(Mean of squares)
2

Jumlah Kuadrat
(Sum of Squares)
2

ˆ (Y Y)  ij
i 1 j 1

t

r

ˆ (Y Y)   ij
i 1 j 1

t

r

MS .Treatment MS . Re sidual

t

Sisa (residual)

rt-t-1

ˆ (Yij  Y  ij )
i 1 j 1

t

r

2

ˆ (Yij  Y   ij )
i 1 j 1

t

r

2

rt  t 1

Total

rt-1

(Yij  Y) 
i 1 j 1

t

r

2

Tolak Ho jika F-hitung> f ,t  1.rt  t 1

4

Dengan bantuan SPSS, pengujian pengaruh pemberian obat terhadap penurunan tekanan darah dapat dilakukan dengan cara : a. Pemasukan Data

b. Analysis of variance klik analyze+compare means+oneway ANOVA

5

c. Pengujian kesamaan varians klk options

d. Pembandingan berganda (multiple comparison) klik post-hoc

dan hasilnya adalah :
Test of Homogeneity of Variances Levene Statistic Penurunan Tekanan Darah 1.686

df1 2

df2 27

Sig. .204

Nilai sig. lebih besar dari 5%, sehingga H0 diterima yang berarti varians penurunan tekanan darah untuk ketiga macam perlakuan pemberian obat adalah sama.

6

ANOVA Sum of Squares Penurunan Tekanan Darah Between Groups Within Groups Total 1136.267 203.600 1339.867 Mean Square 2 27 29 568.133 7.541

df

F 75.342

Sig. .000

Nilai sig.<5% sehingga dapat disimpulkan ada pengaruh pemberian obat terhadap penurunan tekanan darah atau rata-rata penurunan tekanan darah dari perlakuan tiga macam obat tidak bisa dikatakan sama, untuk menguji pasangan rata-rata yang berbeda dari perlakuan pemberian tiga macam obat dapat dilakukan pembandingan berganda dengan

menggunakan statistik uji Least Significance Difference sebagai berikut :
Multiple Comparisons Dependent Variable: Penurunan Tekanan Darah LSD (I) Jenis obat tekanan darah A B C (J) Jenis obat tekanan darah B C A C A B 95% Confidence Interval Lower Upper Bound Bound -8.7198 -3.6802 -17.5198 -12.4802 3.6802 8.7198 -11.3198 -6.2802 12.4802 17.5198 6.2802 11.3198

Mean Difference (I-J) -6.2000* -15.0000* 6.2000* -8.8000* 15.0000* 8.8000*

Std. Error 1.228 1.228 1.228 1.228 1.228 1.228

Sig. .000 .000 .000 .000 .000 .000

*. The mean difference is significant at the .05 level.

Dari hasil pembandingan berganda, diperoleh informasi bahwa ketiga macam obat memberikan rata-rata penurunan tekanan darah yang berbeda, urutan penurunan tekanan darah adalah A<B<C.

7

Rancangan Acak Lengkap : analysis of covariance Contoh 2 : Untuk meneliti efektifitas obat penurun tekanan darah tinggi, dilakukan percobaan pemberian obat yang terdiri dari tiga macam obat yaitu obat A: placebo, obat B, dan obat C, setiap obat dicobakan pada 10 orang, dan pada setiap orang diukur tekanan darah systolic sebelum minum obat (y1) dan 30 menit setelah minum obat (y2). Respon yang diamati adalah y2, sedangkan y1 adalah covariate. Model yang sesuai untuk kasus ini adalah :

Yij      ( X ij  X.. )   i  ij Yij : Nilai tekanan darah setelah minum obat ke-I untuk orang ke-j

: Nilai rata-rata tekanan darah setelah minum obat

 i : Pengaruh obat ke-i
X ij : NIlai tekanan darah sebelum minum obat ke-I untuk orang ke-k

Hipotesis 1: H0 : Tidak ada pengaruh pemberian obat ke-I terhadap tekanan darah H1 : Ada pengaruh pemberian obat ke-I terhadap tekanan darah atau H0 :  0 i dan H1 :   0 i  i  Hipotesis 2 : H0 : Tidak ada hubungan antara tekanan darah sebelum dan sesudah minum obat H1 : Ada hubungan antara tekanan darah sebelum dan sesudah minum obat atau : H0 :  0 dan H1 : 0

8

Data : Sesudah Sebelum Sesudah Sebelum Sesudah Sebelum Tekanan darah sebelum dan sesudah minum obat A 142 143 145 150 144 145 148 142 146 144 149 152 153 144 146 152 147 156 Tekanan darah sebelum dan sesudah minum obat B 143 141 149 145 147 144 145 146 149 154 150 160 156 158 154 160 154 158 Tekanan darah sebelum dan sesudah minum obat C 143 150 143 150 146 146 146 147 142 160 168 159 168 169 171 166 169 159 142 146 143 152 150 166

Dengan bantuan SPSS hal ini dapat diselesaikan dengan cara : a. Pemasukan Data

9

b. Analisis Covariance : klik Analyze + General linear model + factorial

dan hasilnya adalah :
ANOVAa,b Unique Method Mean Square

Sum of Squares Tekanan darah sesudah minum obat Covariates Tekanan darah sebelum minum obat obat penurun tekanan darah

df

F

Sig.

113.072

1

113.072

30.393

.000

Main Effects

56.224 126.472 96.728 223.200

2 3 26 29

28.112 42.157 3.720 7.697

7.556 11.332

.003 .000

Model Residual Total

a. Tekanan darah sesudah minum obat by obat penurun tekanan darah with Tekanan darah sebelum minum obat b. All effects entered simultaneously

Nilai sig. untuk covariates lebih kecil dari 5 % berarti ada hubungan antara tekanan darah sebelum dan sesudah minum obat. Nilai sig. untuk main effects lebih kecil dari 5% berarti ada pengaruh pemberian obat penurun tekanan darah terhadap tekanan darah setelah minum obat

10

Rancangan LIngkungan : Rancangan Acak Lengkap Rancangan Perlakuan : Faktorial

You as a biologist are studying how zooplankton live in two lakes. You set up twelve tanks in your laboratory, six each with water from a different lake. You add one of three nutrient supplements to each tank and after 30 days you count the zooplankton in a unit volume of water. Data untuk kasus ini diperoleh dari MINITAB (EXH_AOV.MTW), model yang sesuai untuk kasus ini adalah :
Yijk    (  ) ij   i  j  ijk dan i=1,2,3 j=1,2 k=1,2 Yijk : Banyaknya zooplankton pada air danau ke j yang diberi supplement

ke- i dan ulangan (replication) ke-k

: Rata-rata banyaknya zooplankton

 i : Pengaruh supplement ke-i terhadap banyaknya zooplankton
 j : Pengaruh penggunaan air dari danau ke-j terhadap banyaknya
zooplankton Dengan bantuan MINITAB kasus ini dapat diselesaikan dengan cara : klik stat + anova+two-way :

11

dan hasilnya adalah :
Analysis of Variance for Zooplank Source DF SS MS Suppleme 2 1919 959 Lake 1 21 21 Interaction 2 561 281 Error 6 622 104 Total 11 3123 F 9.25 0.21 2.71 P 0.015 0.666 0.145

Suppleme 1 2 3

Mean 43.5 68.3 39.8

Individual 95% CI --+---------+---------+---------+--------(-------*-------) (--------*-------) (--------*-------) --+---------+---------+---------+--------30.0 45.0 60.0 75.0

Dilihat dari p-value dapat disimpulkan bahwa ada pengaruh supplement tidak ada pengaruh penggunaan air dari danau yang berbeda, tidak ada pengaruh interaksi antara penggunaan air yang berbeda dengan jenis supplement terhadap banyaknya zooplankton. Supplement terbaik adalah supplement yang kedua, yang memberikan rata-rata banyaknya zooplankton tertinggi dibandingkan dengan supplement yang lain.

12

Rancangan Lingkungan : Rancangan Acak Kelompok Rancangan Perlakuan : Perlakuan Tunggal

/* Getting Started Example 2: Randomized Complete Block Design */ title 'Randomized Complete Block'; data RCB; input Block Treatment $ Yield Worth @@; datalines; 1 A 32.6 112 1 B 36.4 130 1 C 29.5 106 2 A 42.7 139 2 B 47.1 143 2 C 32.9 112 3 A 35.3 124 3 B 40.1 134 3 C 33.6 116 ; proc anova; class Block Treatment; model Yield Worth=Block Treatment; means Treatment; run;
Dependent Variable: Yield Source Model Error Corrected Total R-Square 0.899424 Source Block Treatment DF 2 2 DF 4 4 8 Sum of Squares 225.2777778 25.1911111 250.4688889 Coeff Var 6.840047 Mean Square 56.3194444 6.2977778 F Value 8.94 Pr > F 0.0283

Root MSE 2.509537

Yield Mean 36.68889 F Value 7.79 10.09 Pr > F 0.0417 0.0274

Anova SS 98.1755556 127.1022222

Mean Square 49.0877778 63.5511111

Dependent Variable: Worth Sum of Squares 1247.333333 150.666667 1398.000000

Source Model Error Corrected Total

DF 4 4 8

Mean Square 311.833333 37.666667

F Value 8.28

Pr > F 0.0323

R-Square 0.892227

Coeff Var 4.949450

Root MSE 6.137318

Worth Mean 124.0000

Source Block Treatment

DF 2 2

Anova SS 354.6666667 892.6666667

Mean Square 177.3333333 446.3333333

F Value 4.71 11.85

Pr > F 0.0889 0.0209

13

Rancangan Lingkungan : Rancangan Acak Kelompok Rancangan Perlakuan : Faktorial
*/ */

/* Example 1: Randomized Complete Block /* With Factorial Treatment Structure title 'Randomized Complete Block With Two Factors'; data PainRelief; input PainLevel Codeine Acupuncture Relief @@; datalines; 1 1 1 0.0 1 2 1 0.5 1 1 2 0.6 1 2 2 1.2 2 1 1 0.3 2 2 1 0.6 2 1 2 0.7 2 2 2 1.3 3 1 1 0.4 3 2 1 0.8 3 1 2 0.8 3 2 2 1.6 4 1 1 0.4 4 2 1 0.7 4 1 2 0.9 4 2 2 1.5 5 1 1 0.6 5 2 1 1.0 5 1 2 1.5 5 2 2 1.9 6 1 1 0.9 6 2 1 1.4 6 1 2 1.6 6 2 2 2.3 7 1 1 1.0 7 2 1 1.8 7 1 2 1.7 7 2 2 2.1 8 1 1 1.2 8 2 1 1.7 8 1 2 1.6 8 2 2 2.4 ; proc anova; class PainLevel Codeine Acupuncture; model Relief = PainLevel Codeine|Acupuncture; run;
The ANOVA Procedure Dependent Variable: Relief Sum of Squares 11.33500000 0.30375000 11.63875000

Source Model Error Corrected Total

DF 10 21 31

Mean Square 1.13350000 0.01446429

F Value 78.37

Pr > F <.0001

R-Square 0.973902

Coeff Var 10.40152

Root MSE 0.120268

Relief Mean 1.156250

Source PainLevel Codeine Acupuncture Codeine*Acupuncture

DF 7 1 1 1

Anova SS 5.59875000 2.31125000 3.38000000 0.04500000

Mean Square 0.79982143 2.31125000 3.38000000 0.04500000

F Value 55.30 159.79 233.68 3.11

Pr > F <.0001 <.0001 <.0001 0.0923

14

Split Plot Rancangan Lingkungan : Rancangan Acak Kelompok Rancangan Perlakuan : Faktorial

Faktor pertama diacak di dalam kelompok, sedangkan factor kedua diacak dalam factor pertama, error untuk factor pertama adalah interaksi antara kelompok dengan factor pertama. data Split; input Block 1 A 2 B 3 Response; datalines; 142 40.0 141 39.5 112 37.9 111 35.4 121 36.7 122 38.2 132 36.4 131 34.8 221 42.7 222 41.6 212 40.3 211 41.6 241 44.5 242 47.6 231 43.6 232 42.8 ; proc anova; class Block A B; model Response = Block A Block*A B A*B; test h=A e=Block*A; run;
Source Model Error Corrected Total R-Square 0.955736 Source Block A Block*A B A*B DF 11 4 15 Sum of Squares 182.0200000 8.4300000 190.4500000 Mean Square 16.5472727 2.1075000 F Value 7.85 Pr > F 0.0306

Coeff Var Root MSE Response Mean 3.609007 1.451723 40.22500 DF Anova SS Mean Square F Value 1 131.1025000 131.1025000 62.21 3 40.1900000 13.3966667 6.36 3 6.9275000 2.3091667 1.10 1 2.2500000 2.2500000 1.07 3 1.5500000 0.5166667 0.25

Pr > F 0.0014 0.0530 0.4476 0.3599 0.8612

Source A

Tests of Hypotheses Using the Anova MS for Block*A as an Error Term DF Anova SS Mean Square F Value Pr > F 3 40.19000000 13.39666667 5.80 0.0914

15