Pengantar Rancangan Tersarang (Nested Design)

Dalam dunia statistika dan penelitian eksperimen, pemilihan desain penelitian yang tepat merupakan kunci utama untuk mendapatkan hasil yang valid dan dapat diandalkan. Salah satu desain yang sering digunakan ketika faktor-faktor penelitian tidak dapat disusun secara lintas (crossed) adalah Rancangan Tersarang, yang dikenal secara internasional sebagai Nested Design. Desain ini memiliki struktur hierarkis yang khas, di mana tingkat satu faktor "berada di dalam" tingkat faktor lainnya.

Artikel ini akan membahas secara komprehensif mengenai konsep dasar Rancangan Tersarang, perbedaannya dengan rancangan faktorial, contoh penerapannya, serta analisis statistik yang terkait.

Apa itu Rancangan Tersarang?

Rancangan Tersarang adalah jenis desain eksperimen di mana taraf-taraf dari satu atau lebih faktor disarangkan di dalam taraf-taraf faktor lain. Dalam konteks ini, setiap taraf faktor sekunder hanya muncul dalam satu taraf faktor primer, dan tidak muncul pada taraf faktor primer yang lain. Akibatnya, tidak ada interaksi antara faktor yang tersarang dengan faktor yang menyarangkannya dalam arti yang sama seperti pada rancangan faktorial lengkap.

Secara sederhana, jika kita memiliki Faktor A dan Faktor B, dan B tersarang di dalam A (ditulis sebagai B(A)), maka kombinasinya bukanlah A1B1, A1B2, A2B1, A2B2. Sebaliknya, yang ada hanyalah A1B1, A1B2 (untuk A1) dan A2B3, A2B4 (untuk A2). Perhatikan bahwa taraf B1 dan B2 hanya ada di A1, sementara B3 dan B4 hanya ada di A2. B1 tidak pernah muncul di A2, dan begitu pula sebaliknya.

Kapan Kita Menggunakan Rancangan Tersarang?

Desain ini umum digunakan dalam situasi di mana proses pengacakan (randomization) terbatas oleh kendala fisik, logistik, atau hirarki struktural. Beberapa kondisi yang mendorong penggunaan desain ini antara lain:

Keterbatasan Sumber Daya atau Material: Ketika sebuah "batch" bahan baku hanya cukup untuk beberapa perlakuan tertentu dan tidak dapat digunakan untuk semua faktor lain.
Hirarki Alamiah: Dalam studi biologi atau pendidikan, seringkali ada struktur hierarki yang tidak bisa diubah, misalnya siswa berada di dalam kelas, dan kelas berada di dalam sekolah.
Keterbatasan Operasional: Ketika mesin atau operator tertentu hanya tersedia di lokasi tertentu dan tidak dapat dipindahkan ke lokasi lain untuk perlakuan silang.

Perbedaan dengan Rancangan Faktorial

Untuk memahami Nested Design dengan lebih baik, kita perlu membedakannya dari Rancangan Faktorial (Crossed Design) yang lebih umum. Pada Rancangan Faktorial, setiap taraf dari satu faktor dikombinasikan dengan setiap taraf dari faktor lainnya. Misalnya, jika kita menguji efek Dosis Obat (A) dan Jenis Kelamin (B), maka setiap dosis diberikan kepada baik laki-laki maupun perempuan. Jenis kelamin "melintasi" dosis obat.

Namun, pada Rancangan Tersarang, pelintasan (crossing) tidak terjadi. Misalnya, dalam studi pengajaran, jika kita ingin membandingkan metode mengajar (Faktor A) yang diterapkan di sekolah berbeda, dan ingin melihat pengaruh guru (Faktor B), kemungkinan besar Guru 1 hanya mengajar di Sekolah 1 dan menggunakan Metode 1. Guru 1 tidak mungkin mengajar di Sekolah 2 menggunakan Metode 2. Dengan demikian, Guru (Faktor B) tersarang di dalam Sekolah atau Metode (Faktor A).

Contoh Kasus:
Seorang peneliti agronomi ingin menguji pengaruh dua jenis pupuk (Faktor A: Pupuk X dan Pupuk Y) terhadap pertumbuhan tanaman padi. Peneliti memiliki lahan yang terbagi menjadi dua blok besar. Blok 1 hanya diberi Pupuk X, dan Blok 2 hanya diberi Pupuk Y. Di dalam Blok 1, peneliti menanam 4 varietas bibit (B1, B2, B3, B4). Di dalam Blok 2, peneliti juga menanam 4 varietas bibit (B5, B6, B7, B8). Meskipun sama-sama "varietas bibit" atau berasal dari jenis yang sama, perlakuan varietas bibit di Blok 1 berbeda dengan varietas di Blok 2. Bibir B1 hanya muncul di bawah pengaruh Pupuk X. Dalam hal ini, Varietas Bibit tersarang di dalam Jenis Pupuk.

Struktur Model dan Notasi

Dalam statistika, model linier untuk Rancangan Tersarang Dua Tahap (Two-Stage Nested Design) dapat dinyatakan sebagai berikut:

Y_ijk = μ + τ_i + β_j(i) + ε_k(ij)

Di mana:

Y_ijk adalah pengamatan ke-k pada taraf ke-j dari faktor tersarang yang berada di taraf ke-i dari faktor utama.
μ adalah rata-rata grand mean (rata-rata keseluruhan).
τ_i adalah efek dari faktor utama ke-i (misalnya Faktor A). Seringkali diasumsikan tetap (fixed effect) atau acak (random effect) tergantung konteks.
β_j(i) adalah efek dari faktor tersarang ke-j yang berada dalam faktor utama ke-i. Notasi kurung j(i) dibaca "j dalam i".
ε_k(ij) adalah kesalahan acak (error) yang terkait dengan pengamatan ke-k.

Penting untuk dicatat bahwa dalam model ini, tidak ada istilah interaksi antara A dan B. Hal ini karena istilah interaksi (τβ) tidak dapat dipisahkan dari istilah utama faktor tersarang (β) dalam desain ini. Dengan kata lain, variabilitas yang biasanya disebabkan oleh interaksi dalam faktorial menjadi bagian dari variabilitas faktor tersarang dalam nested design.

Analisis Varians (ANOVA) pada Nested Design

Untuk menganalisis data dari Rancangan Tersarang, kita menggunakan Analisis Varians (ANOVA) dengan struktur perhitungan jumlah kuadrat (Sum of Squares) yang berbeda dibandingkan rancangan faktorial. Tabel ANOVA untuk dua tahap tersarang secara umum memiliki komponen sebagai berikut:

Sumber Variasi	Derajat Bebas (df)	Jumlah Kuadrat (SS)	Kuadrat Tengah (MS)	F-Hitung
Faktor Utama (A)	a - 1	SS_A	MS_A	MS_A / MS_B(A)
Faktor Tersarang dalam A (B(A))	a(b - 1)	SS_B(A)	MS_B(A)	MS_B(A) / MS_Error
Error (Galat)	ab(n - 1)	SS_E	MS_E
Total	abn - 1	SS_Total

Perhatikan struktur pada kolom F-Hitung. Untuk menguji signifikansi faktor utama (A), kita membagi Kuadrat Tengah A (MS_A) dengan Kuadrat Tengah faktor tersarang (MS_B(A)), bukan dengan Kuadrat Tengah Error (MS_E). Ini berbeda jauh dengan desain faktorial, di mana faktor utama biasanya diuji terhadap Error.

Logika di balik ini adalah karena faktor tersarang (B) memberikan variasi tambahan yang melekat pada pengukuran faktor utama (A). Misalnya, jika kita menguji sekolah (A) dan kelas (B), maka variasi antar kelas dalam satu sekolah adalah baseline variabilitas yang harus dipertimbangkan ketika menilai perbedaan antar sekolah.

Kelebihan dan Kekurangan Rancangan Tersarang

Seperti halnya desain eksperimen lainnya, Nested Design memiliki kelebihan dan kekurangan yang perlu dipertimbangkan oleh peneliti sebelum menerapkannya.

Kelebihan:

Sesuai untuk Situasi Nyata: Sangat cocok untuk situasi di mana pengacakan penuh tidak mungkin dilakukan karena keterbatasan praktis atau biaya.
Mengurangi Biaya Logistik: Peneliti tidak perlu memindahkan peralatan atau subjek ke lokasi yang berbeda-beda secara acak, karena faktor tersarang sudah "terikat" pada lokasi faktor utamanya.
Estimasi Komponen Varians: Jika faktor bersifat acak (random), desain ini memungkinkan estimasi yang baik untuk komponen varians pada berbagai level hierarki (misal: varians antar pabrik, varians antar mesin dalam pabrik).

Kekurangan:

Tidak Dapat Menguji Interaksi: Kita tidak dapat mengetahui secara pasti apakah ada efek interaksi antara faktor utama dan faktor tersarang. Efek yang tampak pada faktor tersarang sudah tergabung (confounded) dengan potensi interaksi tersebut.
Generalisasi Terbatas: Jika faktor tersarang bersifat tetap (fixed), kesimpulan mengenai faktor tersebut hanya berlaku untuk taraf-taraf yang diteliti saja dan tidak digeneralisasi ke taraf lain di luar eksperimen.
Kompleksitas Analisis: Untuk peneliti yang tidak terbiasa, interpretasi tabel ANOVA dan pemilihan penyebut (denominator) dalam uji F bisa membingungkan dan berpotingga menyebabkan kesalahan analisis.

Contoh Studi Kasus: Industri Manufaktur

Bayangkan sebuah perusahaan manufaktur memiliki 3 pabrik (Faktor A) di kota berbeda. Manajemen ingin mengetahui apakah ada perbedaan signifikan dalam kekuatan material yang dihasilkan oleh pabrik-pabrik tersebut. Di setiap pabrik, terdapat 5 mesin produksi (Faktor B) yang beroperasi. Peneliti mengambil 3 sampel produk dari setiap mesin.

Dalam skenario ini, Mesin 1 di Pabrik A adalah mesin fisik yang berbeda dengan Mesin 1 di Pabrik B. Mesin-mesin ini tidak dipindahkan antar pabrik. Oleh karena itu, "Mesin" tersarang di dalam "Pabrik".

Data dikumpulkan dan dianalisis menggunakan ANOVA Nested. Hasil analisis menunjukkan bahwa F-Hitung untuk Pabrik tidak signifikan jika dibandingkan dengan variasi antar Mesin. Ini berarti bahwa perbedaan kualitas antar pabrik tidak sebesar perbedaan kualitas antar mesin di dalam masing-masing pabrik. Mungkin Mesin 2 di Pabrik A sedang bermasalah, menurunkan rata-rata Pabrik A, sehingga variabilitas "Pabrik" terlihat tidak jelas (masked) oleh variabilitas "Mesin".

Insight ini memberi saran manajemen: alih-alih memperbaiki kebijakan pabrik secara luas, fokus perbaikan harus diarahkan pada mesin-mesin spesifik yang bermasalah di dalam pabrik-pabrik tersebut.

Kesimpulan

Rancangan Tersarang (Nested Design) adalah alat yang sangat penting dalam statistika eksperimen yang memungkinkan peneliti untuk menganalisis data yang memiliki struktur hierarki atau keterbatasan pengacakan. Desain ini membedakan dirinya dari rancangan faktorial dengan ketiadaan kombinasi lengkap antar faktor (factors are not crossed).

Pemahaman yang benar mengenai kapan menggunakan desain ini sangat krusial. Desain ini paling efektif ketika faktor-faktor penelitian memiliki hubungan alami "bagian dari" atau "di dalam". Meskipun memiliki keterbatasan dalam hal estimasi interaksi, kemampuannya untuk mengurai komponen varians pada berbagai level hierarki memberikan informasi yang jauh lebih dalam dan akurat dibandingkan mengabaikan struktur tersarang tersebut dan menganggap data sebagai satu kelompok homogen atau acak.

Dengan penerapan analisis varians (ANOVA) yang tepat dan pemilihan penyebut F-test yang benar, peneliti dapat menarik kesimpulan yang valid mengenai faktor utama maupun faktor tersarang, sehingga meningkatkan kualitas keputusan yang berbasis data.

File Referensi Untuk Nested Design (Rancangan Tersarang)

Screenshoot