P. 1
Rancangan Penelitian RANCOB

Rancangan Penelitian RANCOB

|Views: 2,263|Likes:
Dipublikasikan oleh Arifgii
deskripsi Rancangan Percobaan Penelitian
deskripsi Rancangan Percobaan Penelitian

More info:

Categories:Types, Research, Science
Published by: Arifgii on Aug 12, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/07/2014

pdf

text

original

RANCANGAN

PERCOBAAN











O l e h :
Effendi Agus Marmono




Edisi 5




LAB. PEMULIAAN TERNAK
FAKULTAS PETERNAKAN
UNIVERSITAS JENDERAL SOEDIRMAN
P U R W O K E R T O
2005
I. PENDAHULUAN


1.1. RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)

Adalah seperangkat pengetahuan yang menjelaskan bentuk-bentuk
rancangan serta cara mamilih dan membuat rancangan untuk suatu percobaan
ilmiah. Dalam pengertian ini sekaligus tercakup prosedur analisis statistika dari data
hasil suatu percobaan sampai pengambilan kesimpulan.
Tujuan suatu percobaan harus diformulasikan secara jelas yang paling
umum biasanya dikatakan: kita ingin membandingkan beberapa perlakuan. Namun
demikian pernyataan seperti diatas sebenarnya belum cukup. Kita perlu mempunyai
alasan yang cukup kuat, mengapa perlakuan-perlakuan tadi yang kita pilih untuk
diamati. Apakah perlakuan yang kita pilih tadi mampu memberikan informasi yang
kita butuhkan atau tidak. Satu hal lagi yang penting sampai berapa luas dan kondisi
yang bagaimana kita harapkan hasil/kesimpulan kita nantinya dapat berlaku / dapat
diterapkan. Misalnya : Pengobatan seekor/beberapa ekor sapi dengan antibiotika A
(disebuah ranch). Kita perlu mengetahui kesimpulannya apakah berlaku untuk sapi
yang lain dalam ranch itu atau lebih luas lagi sapi-sapi di ranch yang lain atau lebih
umum untuk semua sapi/populasi yang ada.
Tahap selanjutnya setelah tujuan suatu percobaan berhasil dirumuskan
dengan tepat yaitu menyusun risalah mengenai rancangan percobaan yang meliputi
pemilihan rancangan yang paling cocok disertai prosedur analisisnya yang sesuai
dengan tujuan penelitian. Pada dasarnya, perlu dipilih rancangan percobaan dan
prosedur analisis yang sederhana mungkin, akan tetapi rancangan yang kita pilih itu
harus mampu menjawab permasalahan yang dihadapi sampai pada tingkat ketepatan
(precision) dan ketelitian (accuracy) yang setinggi mungkin.






Created by Eff. Agus Marmono Pendahuluan 1
1.2. BATASAN / PENGERTIAN BEBERAPA ISTILAH

a. PERCOBAAN / EXPERIMENTAL

Adalah suatu usaha yang terencana untuk mengungkap suatu fakta-fakta
baru atau untuk menguatkan atau membantah hasil-hasil penelitian sebelumnya.
Dalam percobaan selalu terkait pengertian perlakuan (treatment) yang
diterapkan dan kontrol, sebab perlakuan-perlakuan yang diterapkan itu dibandingkan
hasilnya dengan kontrol (tidak setiap percobaan menggunakan kontrol).

b. PERLAKUAN / TREATMENT

Adalah bermacam prosedur yang pengaruhnya diukur dan dibandingkan satu
dengan lainnya, prosedur disini dapat berarti :

b.1. Sesuatu yang diberikan/diterapkan pada materi percobaan.
Misal: Obat, pupuk, sinar, kandang, suhu dll yang dapat diberikan
pada tanah, tanaman, atau ternak.
b.2. Materi percobaan yang berbeda-beda,
Misal: Beberapa jenis/varietas padi/ayam yang ingin dibandingkan
produksinya. Disini tidak ada pemberian suatu apapun pada materi
percobaan, akan tetapi jenis / varietas yang berbeda-beda itu telah
dengan sendirinya berperan sebagai perlakuan.
Setelah kita pahami pengertian percobaan dan perlakuan maka istilah
percobaan biasanya terkandung pengertian sekumpulan perlakuan-perlakuan yang
sejenis, misalnya dalam percobaan pupuk maka perlakuannya bermacam-macam
dosis pupuk. Percobaan seperti ini disebut Percobaan satu faktor.
Didalam pelaksanaannya seringkali permasalahan yang kita hadapi tidak
berdiri sendiri sebagai satu faktor yang terpisah dari faktor yang lain, tetapi
sebaliknya beberapa faktor harus kita hadapi secara bersama-sama. Pada keadaan
seperti ini kita melakukan percobaan multifaktor atau Faktorial.

Created by Eff. Agus Marmono Pendahuluan 2
Misal: Faktor A (Antibiotika) Faktor B (Protein)
a
1
: 0.10 cc b
1
: 10 %
a
2
: 0.15 cc b
2
: 14 %
a
3
: 0.20 cc b
3
: 16 %
(a
1
, a
2
, a
3
, b
1
, b
2
dan b
3
) disebut level / dosis jadi sebagai perlakuannya adalah
kombinasi dari dosis untuk setiap faktor =3 x 3 =9 kombinasi perlakuan mulai a
1
b
1

sampai dengan a
3
b
3
.
Dalam memilih perlakuan yang akan dicoba, peneliti diharapkan telah
merumuskan perlakuannya lebih dahulu seara jelas serta harus mengetahui peranan
tiap-tiap perlakuan dalam usahanya untuk mencapai tujuan dari percobaan.

c. SATUAN PERCOBAAN / EXPERIMENTAL UNIT

Adalah satu atau sekelompok materi percobaan yang padanya kita terapkan
perlakuan dalam ulangan tunggal.
misal : - satu ekor ( sapi / kerbau / kambing / domba / babi )
- sekelompok ternak / flok ayam / puyuh (berisi 5 ekor)
- sepetak tanaman ( luas 1 m
2
)
d. SATUAN CONTOH / SAMPLING UNIT

Adalah bagian dari satuan percobaan yang padanya diterapkan pengamatan
tunggal.
misal : - sapi : sebagai satuan percobaan & juga satuan contoh
- Ayam : 5 ekor sebagai satuan percobaan dan tiap ekor
sebagai satuan contoh.
- tanaman : satu petak sebagai satuan percobaan dan tiap
tanaman sebagai satuan contoh.






Created by Eff. Agus Marmono Pendahuluan 3
e. GALAT PERCOBAAN / EXPERIMENTAL ERROR

Adalah suatu ukuran kegagalan dari materi-materi percobaan untuk
memberikan respon yang sama terhadap perlakuan yang sama pula. Galat juga
merupakan petunjuk bahwa materi percobaan itu responnya bervariasi, meskipun
semua mendapatkan perlakuan yang sama.
Hasil suatu percobaan (respon yang ditampilkan oleh materi percobaan)
tidak hanya ditentukan oleh perlakuan akan tetapi juga oleh variasi yang lain
(disebut juga variasi tambahan) yang cenderung untuk menutupi pengaruh
perlakuannya sendiri.
Variasi tambahan itu bersumber dari dua hal :
a. Variasi yang berasal dari materi percobaannya.
b. Variasi yang timbul karena pelaksanaan percobaan yang tidak seragam.
Contoh : Percobaan pakan yang diberikan pada ternak. Ternak sebagai
materi percobaan dan pakan sebagai perlakuan. Ternak mempunyai kombinasi gen
yang tidak sama oleh karena itu ternak merupakan sumber variasi (variasi 1).
Bila ternak-ternak tadi terletak dalam kandang maka ada kemungkinan
masing-masing ternak tidak sama dalam menerima pakan, sinar, panas, minum dan
faktor-faktor lain meskipun peneliti sudah berusaha untuk menyeragamkannya.
Dalam hal ini percobaan tidak berhasil sepenuhnya mencapai keseragaman
pelaksanaan penelitian sehingga timbul variasi (variasi 2). Oleh karena itu peneliti
harus berusaha agar Galat itu sekecil mungkin dengan cara pengendalian materi
percobaan dan pemilihan rancangan percobaan yang sesuai.


f. ANALISIS VARIANSI (ANALISYS OF VARIANCE)

Adalah suatu prosedur/metode yang memungkinkan kita untuk menguji
beberapa kelompok data secara serentak dengan memecah seluruh variansi/ragam
dari data yang kita miliki itu menjadi komponen-komponen untuk mengukur
sumber variasi yang asalnya berbeda.
Created by Eff. Agus Marmono Pendahuluan 4

Dalam percobaan, sumber variasi dibagi menjadi dua komponen yaitu :
a. pengukuran keragaman karena galat percobaan
b. pengukuran keragaman karena perlakuannya sendiri.

Pengujian dengan metode Anava berdasarkan pada asumsi- asumsi :
1. Pengaruh perlakuan dan lingkungan harus bersifat aditiv (penjumlahan)
Y
ij
=µ +α
i

ij
2. Ragam galat harus homogen , galat ini harus menyebar bebas dan menyebar
normal.
Bila galat percobaan tidak menyebar bebas kita dapat keliru dalam
mengartikannya.
Contoh : petak-petak percobaan yang berdekatan cenderung memberikan
respon yang sama dibandingkan dengan petak yang berjauhan. Untuk
mengatasinya dilakukan pengacakan.
Bila galat percobaan tidak menyebar normal maka komponen galat dari
perlakuan cenderung menjadi fungsi dari nilai tengah perlakuannya. Untuk
mengatasi hal ini dapat dilakukan dengan transformasi data.


g. PENGACAKAN

Mengapa pengacakan perlu dilakukan ? sebab pengacakan akan memberikan
kesempatan yang sama pada unit-unit untuk muncul (dipilih) dan akan terhindar dari
systematic error yaitu galat yang timbul karena sistem yang kita gunakan.
Pengacakan dapat menghindari timbulnya bias dalam menduga nilai-nilai yang akan
kita ukur sehingga pengujian statistik dapat dikerjakan.





Created by Eff. Agus Marmono Pendahuluan 5


h. ULANGAN / REPLICATE

Adalah penerapan perlakuan terhadap lebih dari satu satuan percobaan.
Ulangan sangat diperlukan karena kita tidak dapat memastikan apa sebenarnya yang
menjadi penyebab timbulnya suatu perbedaan, apakah oleh perlakuannya atau oleh
materi percobaannya bila percobaan dilakukan tanpa ulangan.

i. PENGELOMPOKAN / BLOCKING

Pengelompokan dilakukan untuk mengatasi heterogenitas materi percobaan,
sehingga diperoleh kumpulan materi percobaan yang relatif homogen.


Created by Eff. Agus Marmono Pendahuluan 6
II. RANCANGAN ACAK LENGKAP


Ada beberapa nama untuk rancangan ini, yaitu Completely Randomized
Design, Fully Randomized Design atau Ungrouped Experiment.
Rancangan ini merupakan rancangan yang paling sederhana dalam tataletak
maupun analisis datanya. Penempatan perlakuan dilakukan secara acak pada seluruh
tempat percobaan (tanpa pembatasan-pembatasan tertentu). Penempatan semacam ini
akan mendapatkan derajat bebas galat yang maksimum. Ulangan untuk setiap
perlakuan dapat sama atau berbeda oleh karena itu persoalan plot hilang, tanaman /
ternak mati tidak menjadi masalah karena analisis data masih dapat dilakukan.
Rancangan ini sangat baik untuk percobaan-percobaan yang menggunakan
materi relatif seragam, misalnya percobaan di laboratorium, greenhouse, percobaan
ternak tertentu, yang diberi perlakuan tertentu. Rancangan ini tidak cocok bila materi
percobaannya tidak seragam (heterogen).


MODEL MATEMATIK


ij i ij
Y ε τ µ + + =


Y
ij
: respon terhadap perlakuan ke i pada ulangan ke j
µ : nilai tengah respon
τ
i
: pengaruh perlakuan ke i yang akan kita uji (merupakan selisih nilai tengah
perlakuan ke i dengan nilai tengah umum : µ
i
- µ )
ε
ij
: pengaruh acak (penyimpangan yang timbul secara acak) dari perlakuan ke-i
ulangan ke j . Nilai ini merupakan selisih hasil pengamatan dengan nilai
tengah yang perlakuan tersebut ε
ij
= Y
ij
- µ
i







Created by Eff. Agus Marmono Rancangan Acak Lengkap 7

TATALETAK PERCOBAAN

Tataletak percobaan adalah metode untuk menempatkan perlakuan pada
areal percobaan. Diumpamakan jumlah perlakuan ada 5 dan masing masing perlakuan
di ulang 6 kali maka pengacakan perlakuannya sebagai berikut :

Perlakuan = t = 5 misal A, B, C, D, E
Ulangan = r = 6

Maka ada t x r = N = 5 x 6 =30 tempat yang dapat berupa pettak / pot
/ kandang dll., yang perlu disediakan.

A B C D E A D B A E
A B C D E D A C D E
A B C D E DIACAK C B C E A
A B C D E E E B A D
A B C D E E C C D B
A B C D E C D A B B


Analisis data untuk Rancangan Acak Lengkap ada dua macam :
a. tiap perlakuan mempunyai ulangan yang sama (equal)
b. tiap perlakuan mempunyai ulangan yang tidak sama (un equal)


TABULASI DATA

Sebelum analisis data dilakukan, data hasil penelitian ditabulasikan lebih
dahulu menurut perlakuan dan ulangan seperti tabel berikut ini :






Created by Eff. Agus Marmono Rancangan Acak Lengkap 8


Tabel 1. Perlakuan x Ulangan

Perlakuan U l a n g a n Total Perlakuan
U
1
U
2
U
3
U
4
U
5
U
6
( Y i . )
A Y
11
Y
12
Y
16

B
C Y
ij

D
E Y
56

TOTAL (Y..)


Yij : Nilai hasil pengukuran dari perlakuan ke i dan ulang an ke j ( i =1,2 ....t)
dan ( j =1,2,....r)
Yi. : J umlah perlakuan ke i untuk semua ulangan ( j=1 s/d j=6 ).
Y.. : J umlah semua perlakuan (t =1 s/d t =4) dan semua ulangan ( r =1 s/d r =6 ).


Maka : Y
(11)
= µ + τ
1
+ ε
11
Y
(51)
= µ + τ
5
+ ε
51
Y
(12)
= µ + τ
1
+ ε
12
Y
(52)
= µ + τ
5
+ ε
52
Y
(13)
= µ + τ
1
+ ε
13
Y
(53)
= µ + τ
5
+ ε
53
. .
. .
Y
(16)
= µ + τ
1
+ ε
16
Y
(56)
= µ + τ
5
+ ε
56


Variasi yang ada di dalam perlakuan sebagai sumber variasi galat, sedangkan
variasi yang ada diantara perlakuan disebabkan oleh variasi perlakuan dan variasi
galat.








Created by Eff. Agus Marmono Rancangan Acak Lengkap 9

MENGHITUNG JUMLAH KUADRAT


r . t
..) Y (
FK . 1
2
=


∑ ∑
= =
= − =
t
1 i
r
1 j
2
ij
FK Y JKTotal . 2



= − =

=
K F
r
Y
JKPerlk
t
i
i
1
2
.
. 3



4. JK Galat = JK Total - JK Perlakuan




ANALISIS VARIANSI

Setelah semua perhitungan J umlah Kuadrat dilakukan kemudian masukkan
lah dalam tabel analisis variansi.


Tabel 2. Analisis Variansi
S u m b e r J umlah Derajat Kuadrat F F tabel
V a r i a s i Kuadrat Bebas Tengah hitung 0.05 0.01
Perlakuan J K
P
t - 1 KT
P
KT
P
/ KT
G

G a l a t J K
G
t(r-1) KT
G

T O T A L J K
T
tr -1





Created by Eff. Agus Marmono Rancangan Acak Lengkap 10

Komponen
Variansi
Perlakuan σ
e
2
+ r σ
p
2

G a l a t σ
e
2




KEUNTUNGAN RAL

1. Fleksibel dalam menetapkan jumlah perlakuan.
2. J umlah ulangan dapat bervariasi (tidak perlu sama) untuk setiap perlakuannya.
3. Apabila ada data yang hilang analisis data masih dapat dikerjakan.
4. Derajat bebas galat maksimum. Hal ini penting untuk meningkatkan ketepatan
percobaan, ketepatan percobaan ini dipengaruhi oleh derajat bebas galat dan
derajat bebas galat ini dipengaruhi oleh jumlah ulangan tiap perlakuannya.

Peningkatan ketepatan ini cukup besar bila derajat bebas galatnya dibawah
20. Hal ini disebabkan karena pada tabel F atau tabel t sampai derajat bebas = 20
penurunan nilai t atau nilai F cukup drastis, sedangkan untuk db >20 penurunan nilai t
atau nilai F relatif lambat.


Contoh : untuk perlakuan =5 maka db perlakuan =4


D. Bebas 1 5 10 15 20 30 40
t 0.05 12.706 2.571 2.228 2.131 2.086 2.042 2.021
F 0.05 225.000 5.190 3.480 3.060 2.870 2.690 2.610








Created by Eff. Agus Marmono Rancangan Acak Lengkap 11
KELEMAHAN RAL

1. Memerlukan materi percobaan yang homogen sehingga pada percobaan yang
memerlukan perlakuan dalam jumlah banyak sulit untuk mendapatkan materi yang
homogen.
2. Pengacakan dilakukan tanpa batas (terhadap seluruh materi) maka seluruh variasi
materi percobaan akan terhimpun bersama-sama dalam galat percobaan.


Contoh Soal

D a t a : Penambahan Bobot Badan Harian (gr)

Tabel 1. Perlakuan x Ulangan

Perlakuan U l a n g a n
1 2 3 4 5 6
Total
Perlakuan
R 1 70 73 73 74 73 72 435
R 2 80 82 81 80 78 79 480
R 3 88 88 86 87 90 89 528
R 4 98 95 98 93 96 99 579
T O T A L 2022


Perhitungan J umlah Kuadrat


1. F. Koreksi = 2022
2
/24 =170353.5

2. J K Total =( 70
2
+.......+ 99
2
) - FK = 172330 - 170353.5 = 1976.5

3. J K Perlakuan =( 435
2
+......+579
2
)/6 - FK =172275 - 170353.5 = 1921.5

4. J K Galat = J K Total - J K Perlakuan = 1976.5 - 1921.5 = 55







Created by Eff. Agus Marmono Rancangan Acak Lengkap 12
Tabel 2. Analisis Variansi


S u m b e r J umlah Derajat Kuadrat F F tabel
V a r i a s i Kuadrat Bebas Tengah hitung 0.05 0.01
Perlakuan 1921.500 3 640.500 232.9091 3.10 4.94
G a l a t 55.000 20 2.750 σ =1.658
T O T A L 1976.500 23 K K =1.968 %




Memecah J K Perlakuan

Perlk
Σ Ti
R1
435
R2
480
R3
528
R4
579
Σ Ci.Ti
(a)
r. Σ Ci
2
(b)
J K
(a
2
/b)
Linier -3 -1 1 3 480 6 x 20 1920.0
Kuadrater 1 -1 -1 1 6 6 x 4 1.5
Kubik -1 3 -3 1 0 6 x 20 0.0
J K Perlakuan = 1921.5




Tabel 3. Analisis Variansi


S u m b e r J umlah Derajat Kuadrat F F tabel
V a r i a s i Kuadrat Bebas Tengah hitung 0.05 0.01
Perlakuan 1921.500 3 640.500 232.9091 3.10 4.94
Linier 1920.000 1 1920.000 698.1818 4.35 8.10
Kuadrater 1.500 1 1.500 0.5455 4.35 8.10
Kubik 0.000 1 0.000 0.0000 4.35 8.10
G a l a t 55.000 20 2.750 σ =1.658
T O T A L 1976.500 23 K K =1.968 %








Created by Eff. Agus Marmono Rancangan Acak Lengkap 13
Analisis Regresi Linier

X Y X
2
Y
2
XY
12 70 144 4900 840
12 73 144 5329 876
12 73 144 5329 876
12 74 144 5476 888
12 73 144 5329 876
12 72 144 5184 864
16 80 256 6400 1280
16 82 256 6724 1312
16 81 256 6561 1296
16 80 256 6400 1280
16 78 256 6084 1248
16 79 256 6241 1264
20 88 400 7744 1760
20 88 400 7744 1760
20 86 400 7396 1720
20 87 400 7569 1740
20 90 400 8100 1800
20 89 400 7921 1780
24 98 576 9604 2352
24 95 576 9025 2280
24 98 576 9604 2352
24 93 576 8649 2232
24 96 576 9216 2304
24 99 576 9801 2376
432 2022 8256 172330 37356

J K x = Σ X
2
- ( Σ X )
2
/ N = 8256 - 7776 = 480

J K y = Σ Y
2
- ( Σ Y )
2
/ N = 172330 - 170353,5 =1976,5

J HK xy = Σ XY - ( ΣX* ΣY)/N = 37356 - 36396 = 960





Created by Eff. Agus Marmono Rancangan Acak Lengkap 14

2
480
960
x J K
J HK xy
x
xy
b
2
xy
= = =
Σ
Σ
=


48,25 (2)(18) - 84,25 X . b - Y a = = =



Maka persamaan garisnya :


X 2 48,25 X b a Y
ˆ
+ = + =




Koefisien Korelasi =r =0,986

Koefisien determinasi =r
2
= 97,14 %






















Created by Eff. Agus Marmono Rancangan Acak Lengkap 15


Regresi Linier
0
20
40
60
80
100
120
12 16 20 24
Kadar Protein (%)
P

B

B

H

(

g
r

)
Linier




Created by Eff. Agus Marmono Rancangan Acak Lengkap 16
III. UJI BEDA NYATA


3.1. Pendahuluan

Pada perlakuan Fixed, hipotesis yang kita uji adalah
Ho : µ
1

2
= µ
3
….. µ
t

H
1
: µ
1
≠ µ
2
≠ µ
3
….. µ
t


Bila F hitung > F tabel berarti kita menolak Ho dan menerima H
1

sehingga disimpulkan tidak semua nilai tengah perlakuan sama. Maka diperoleh 2
kemungkinan :
a. Ada nilai tengah perlakuan yang sama.
b. Ada nilai tengah perlakuan yang tidak sama.
Kita butuhkan lagi suatu uji yang bersifat spesifik untuk mengetahui nilai
tengah perlakuan mana yang tidak sama ataupun yang sama, maka disini kita
gunakan uji beda nyata.

Uji Beda Nyata dibagi dalam dua kelompok yaitu :

A. Uji Beda Antara Pasangan Nilai Tengah Perlakuan
(All Posible Pairs Comparison )
Terdiri atas :
1. Least Significant Difference =LSD =BNT
2. Honestly Significant Difference =HSD =BNJ
3. Duncant New Multiple Range Test =DMRT =Uji J arak
4. Dunnett's Test

B. Uji Beda Antara Kelompok Nilai Tengah Perlakuan
( Group Comparison )
1. Orthogonal Contrast (Kontras Orthogonal)
2. Non Orthogonal Contrast

Created by Eff. Agus Marmono Uji Beda Nyata 17
a. Non Orthogonal Designed Contrast ( Benferonni-t test )
b. Post data Selected Contrast ( Scheffe Interval )
c. Orthogonal Polynomial Contrast


3.2. BEDA NYATA TERKECIL (BNT)
( LEAST SIGNIFICANT DIFFERENCE = LSD )


Uji ini secara singkat telah dibahas oleh Fisher 1935 sehingga dikenal
dengan pula sebagai Uji Beda Nyata Terkecil Fisher (1935) atau Uji t berganda
(multiple t test).
Perlu dicatat bahwa uji ini akan sangat baik digunakan apabila pengujian
nilai tengah perlakuan yang akan diperban dingkan sebelumnya telah direncanakan,
sehingga sering disebut sebagai Pembandingan terencana. Tingkat ketepatan dari
uji BNT akan berkurang apabila digunakan untuk menguji semua kemungkinan
pasangan nilai tengah perlakuan ( yaitu melakukan pembandingan yang tidak
terencana ). J umlah semua kemungkinan pasangan nilai tengah akan meningkat
dengan sangat cepat mengikuti meningkatnya jumlah perlakuan.

Misal : J umlah perlakuan = 5 ada 10 kemungkinan pasangan
J umlah perlakuan =10 ada 45 kemungkinan pasangan
J umlah perlakuan =15 ada 105 kemungkinan pasangan

Lebih lanjut dapat dikemukakan bahwa jika kita melakukan pemban-
dingan semua kombinasi pasangan nilai tengah perlakuan terbesar dan terkecil
dengan taraf nyata 5 % sesungguhnya tidak demikian.

Untuk 5 perlakuan tingkat kesalahan 5 % sebenarnya 29 %,
10 perlakuan tingkat kesalahan sebenarnya 63 % dan
15 perlakuan tingkat kesalahan sebenarnya 83 % (Gomez & Gomez, 1983).



Created by Eff. Agus Marmono Uji Beda Nyata 18
Uji BNT mempunyai tingkat kepekaan yang tinggi jika digunakan semba-
rang, berikut ini ada beberapa anjuran dalam menggunakan Uji BNT antara lain :
a. Gunakan Uji BNT bila uji F dalam Analisis Ragam nyata.
b. Uji BNT sebaiknya hanya digunakan untuk menguji perbedaan nilai tengah perla-
kuan dari maksimal 6 perlakuan.

Uji ini dilakukan dengan cara membandingkan selisih Nilai Tengah perla-
kuan dengan nilai BNT 0.05 dan BNT 0.01 yang diperoleh dengan bantuan tabel
"t" dan menggunakan formula sebagai berikut :


r
xKTgalat
x dbgalat t BNT
) 2 (
) ; (
α α
=


r =jumlah ulangan dari perlakuan yang dibandingkan


Bila selisih nilai tengah perlakuan > BNT 0.05 maka kedua nilai tengah
tersebut berbeda nyata, bila >BNT 0.01 maka kedua nilai tengah tersebut berbeda
sangat nyata.

Contoh:

Dari hasil perhitungan RAL diperoleh
KT Galat = 2.75
DB Galat =20


9972 . 1
6
) 75 . 2 2 (
) 086 . 2 (
05 . 0
= =
x
x BNT



7239 . 2
6
) 75 . 2 2 (
) 845 . 2 (
01 . 0
= =
x
x BNT




Created by Eff. Agus Marmono Uji Beda Nyata 19

Perlakuan R1 R2 R3 R4
Rata-rata 72.50 80.00 88.00 96.50
R4 24.00 16.50 8.50 0.00
R3 15.50 8.00 0.00
R2 7.50 0.00
R1 0.00


Dari hasil uji diatas diperoleh informasi bahwa R1 dengan R2, R3 dan
R4 menunjukkan adanya perbedaan yang sangat nyata.

Bila dalam penelitian kita menggunakan ulangan yang tidak sama
jumlahnya maka formula pengujian mengalami perubahan sebagai berikut :










+ =
j i
r r
KTgalat x dbgalat t BNT
1 1
) ; (
α α

misalnya :

R 1 dan R 3 diulang empat kali,
R 2 dan R 4 diulang lima kali

Bila ulangan tak sama

KT Galat = 2.753571
DB Galat = 14

Untuk R1 dengan R2 atau R4

BNT 0.05= 2.1450 x 1.1132 = 2.3877
BNT 0.01= 2.9770 x 1.1132 = 3.3139


Untuk R1 dengan R3

BNT 0.05= 2.1450 x 1.1734 = 2.5169
BNT 0.01= 2.9770 x 1.1734 = 3.4931



Created by Eff. Agus Marmono Uji Beda Nyata 20
Untuk R2 dengan R4

BNT 0.05= 2.1450 x 1.0495 = 2.2512
BNT 0.01= 2.9770 x 1.0495 = 3.1243

Nilai tengah perlakuan

R 1 = 72.50 R 2 = 80.20
R 3 = 87.25 R 4 = 96.00



3.3. UJI JARAK GANDA DUNCANT
( DUNCANT NEW MULTIPLE RANGE TEST )

Formula yang digunakan dalam pengujian ini sebagai berikut :


r
KTgalat
x p DBgalat R p D ) ; ; ( ) ; ( α α =


Keterangan :

p : jarak nilai tengah yang dibandingkan
R : diperoleh dari tabel Duncant ( A.7 )
α : taraf nyata 0.05 dan 0.01
r : jumlah ulangan dari perlakuan yang dibandingkan



Contoh :

Dari hasil analisis variansi dengan RAL diperoleh
KT Galat = 2.75
DB Galat =20
Perlakuan = 4
Ulangan = 6





Created by Eff. Agus Marmono Uji Beda Nyata 21
p p = 2 p = 3 p =4
R ( 20 ; p ; 0,05 ) 2.95 3.10 3.18
R ( 20 ; p ; 0,01 ) 4.02 4.22 4.33
=
6
75 . 2
0.6770

D ( p ; 0.05 ) 1.9972 2.0987 2.1529
D ( p ; 0.01 ) 2.7216 2.8570 2.9314


Nilai D dengan p tertentu (2, 3 dan 4) dibandingkan dengan selisih nilai
tengah perlakuan yang akan diuji.


Perlakuan R1 R2 R3 R4
Rata-rata 72.50 80.00 88.00 96.50
R4 24.00 16.50 8.50 0.00
R3 15.50 8.00 0.00
R2 7.50 0.00
R1 0.00

Dari hasil uji diatas diperoleh informasi bahwa R1 dengan R2, R3 dan
R4 menunjukkan adanya perbedaan yang sangat nyata demikian pula pada R2
dengan R3 dan R4 serta antara R3 dan R4.



3.4. UJI BEDA NYATA JUJUR (BNJ)
( HONESTY SIGNIFICANT DIFFERENCE / HSD )

Pengujian ini disebut pula prosedur Tukey's, yaitu dengan cara memban-
dingkan selisih dua nilai tengah perlakuan dengan nilai BNJ yang diperoleh dengan
menggunakan formula sebagai berikut :

r
KTgalat
x DBgalat p Q BNJ ) ; ; ( α
α
=




Created by Eff. Agus Marmono Uji Beda Nyata 22
Q : Tabel Q ( A.8 )
p : jumlah perlakuan yang akan diuji
r : jumlah ulangan dari perlakuan yang dibandingkan
α : taraf nyata 0.05 dan 0.01


Contoh :

Dari hasil analisis variansi dengan RAL diperoleh
KT Galat = 2.75
DB Galat =20
Perlakuan = 4
Ulangan = 6

BNJ 0.05 = 3.9580 x 0.6770 = 2.6796
BNJ 0.01 = 5.0180 x 0.6770 = 3.3972


Perlakuan R1 R2 R3 R4
Rata-rata 72.50 80.00 88.00 96.50
R4 24.00 16.50 8.50 0.00
R3 15.50 8.00 0.00
R2 7.50 0.00
R1 0.00

Dari hasil uji diatas diperoleh informasi bahwa R1 dengan R2, R3 dan
R4 menunjukkan adanya perbedaan yang sangat nyata demikian pula pada R2
dengan R3 dan R4 serta antara R3 dan R4.



3.5. UJI DUNNETT'S

Uji ini digunakan untuk membandingkan nilai tengah perlakuan dengan
perlakuan kontrol, tetapi tidak untuk membandingkan antar nilai tengah perlakuan.
Formula yang digunakan sebagai berikut :




Created by Eff. Agus Marmono Uji Beda Nyata 23

r
xKTgalat
x DBgalat p dunnet t d
) 2 (
) ; (
'
α
α =



t dunnett's : Tabel A.9.b
p : J umlah perlakuan tanpa kontrol
DB galat : derajat Bebas Galat
α : Taraf nyata 0.05 dan 0.01


Contoh diambilkan dari RAL

R 1 : dimisalkan sebagai perlakuan kontrolnya maka


d' 0.05 = 2.5700 x 0.9574 = 2.4606
d' 0.01 = 3.3100 x 0.9574 = 3.1691


R2 - R1 = 80.00 - 72.50 = 7.50
R3 - R1 = 88.00 - 72.50 = 15.50
R4 - R1 = 96.50 - 72.50 = 24.00


Dari hasil uji tersebut diperoleh informasi bahwa semua perlakuan
menunjukkan adanya beda yang sangat nyata bila dibandingkan dengan perlakuan
kontrolnya.

















Created by Eff. Agus Marmono Uji Beda Nyata 24
3.6. ORTHOGONAL CONTRAS ( Kontras Orthogonal )


Misal dari hasil analisis variansi :

S u m b e r J umlah Derajat Kuadrat F F tabel
V a r i a s i Kuadrat Bebas Tengah hitung 0.05 0.01
Perlakuan J K
P
t - 1 KT
P
KT
P
/ KT
G

G a l a t J K
G
t(r-1) KT
G

T O T A L J K
T
tr -1


Bila F hitung >F tabel Ho ditolak Tidak semua nilai tengah perlakuan sama

Ada 2 kemungkinan :
a. ada nilai tengah perlakuan yang sama
b. ada nilai tengah perlakuan yang tidak sama

Diperlukan uji yang spesifik yaitu Uji Beda Nyata

A. Uji beda antara pasangan nilai tengah perlakuan

1. BNT
2. DMRT
3. BNJ
4. Dunnett

B. Uji beda antara kelompok nilai tengah perlakuan

1. Orthogonal Contras
2. Non Orthogonal Contras

1. Orthogonal Contras / Kontras Orthogonal

a. Merupakan pembandingan terencana
b. Pembandingan nilai tengah kelompok perlakuan
c. Kelompok perlakuan yang dibandingkan harus bermakna

Created by Eff. Agus Marmono Uji Beda Nyata 25
d. Bila perlakuannya kuantitatif maka kontras orthogonal polinomial dapat
digunakan untuk mengetahui bentuk respon yang diperoleh.

Kontras yang disusun harus merupakan kontras yang orthogonal, yaitu anggota set
kontras saling orthogonal satu dengan yang lain.

Setiap kontras dicari koefisien kontrasnya.
a. Koefisien kontras adalah bilangan bulat kecil
b. J umlah koefisien pada sisi positif dan sisi negatif =nol



Misal : A B C vs D E
positif negatif
2 2 2 -3 -3 di jumlah =0


S Y A R A T :

1. KONTRAS SEMPURNA

t
∑ Cik =0 ( ulangan sama )
i=1

t
∑ ri . Cik =0 ( ulangan tidak sama )
i=1


2. KONTRAS SALING ORTHOGONAL

t
∑ Cik . Cik ' =0 (k ≠ k') (ulangan sama)
i=1





Created by Eff. Agus Marmono Uji Beda Nyata 26
t
∑ ri . Cik . Cik ' =0 (k ≠ k') (ulangan tidak sama)
i=1

a. Semua pasang kontras dalam set kontras harus saling orthogonal satu dengan
lainnya.

b. Dari t perlakuan maksimal hanya terdapat (t - 1) kontras yang saling orthogonal.

c. Bila set kontras tidak saling orthogonal ?



Apakah kontras Ya
tersebut penting ? Bonferroni t Statistik

tidak

Susun set kontras baru


Contoh :

A : Konsentrat
B : Konsentrat +kotoran sapi 1 %
C : Konsentrat +kotoran domba 1 %
D : Konsentrat +kotoran ayam 1 % semua perlakuan diulang sebanyak 6 kali

Peneliti ingin mengetahui :
a. apakah penambahan kotoran ternak dalam pakan berpengaruh ?
b. apakah ada beda antara penambahan kotoran ruminansia dengan kotoran unggas ?
c. apakah ada beda antara penambahan kotoran ruminansia besar dengan ruminansia
kecil ?







Created by Eff. Agus Marmono Uji Beda Nyata 27
KONTRAS A B C D ∑ Cik
1. A vs BCD 3 -1 -1 -1 0
2. BC vs D 1 1 -2 0
3. B vs C 1 -1 0

a. Syarat 1 terpenuhi yaitu ∑ Cik =0

b. Syarat 2 diuji sebagai berikut :


t
∑ Ci1.Ci2 =(3)(0) +(-1)(1) +(-1)(1) +(-1)(-2) =0
i=1

t
∑ Ci1.Ci3 =(3)(0) +(-1)(1) +(-1)(-1) +(-1)(0) =0
i=1

t
S Ci2.Ci3 =(0)(0) +(1)(1) +(1)(-1) +(-2)(0) =0
i=1

karena syarat 2 terpenuhi maka kontras yang disusun merupakan kontras orthogonal.


BILA ULANGAN DARI TIAP PERLAKUAN TIDAK SAMA


Misal Perlakuan A diulang 3 kali
B diulang 4 kali
C diulang 3 kali
D diulang 5 kali


KONTRAS
Ulangan
A
3
B
4
C
3
D
5
∑ Cik
1. A vs BCD 4 -1 -1 -1 0
2. BC vs D 5 5 -7 0
3. B vs C 3 - 4 0




Created by Eff. Agus Marmono Uji Beda Nyata 28
a. Syarat 1 terpenuhi yaitu ∑ Cik =0

b. Syarat 2 diuji sebagai berikut :


t
∑ Ci1.Ci2 =(3)(4)(0) +(4)(-1)(5) +(3)(-1)(5) +(5)(-1)(-7) = 0
i=1

t
∑ Ci1.Ci3 =(3)(4)(0) +(4)(-1)(3) +(3)(-1)(-4) +(5)(1)(0) = 0
i=1

t
∑ Ci2.Ci3 =(3)(0)(0) +(4)(5)(3) +(3)(5)(-4) +(5)(-7)(0) = 0
i=1

karena syarat 2 terpenuhi maka kontras yang disusun merupakan kontras orthogonal.



PROSEDUR PENYELESAIAN KONTRAS ORTHOGONAL


1. Membuat set kontras dan mencari koefisien kontrasnya (harus memenuhi syarat
1).

2. Menguji untuk syarat orthogonal ( syarat 2 harus terpenuhi)

3. Mencari fungsi linier total

Qk =∑ Cik . Yi. atau

Qk =C1k Y1. +C2k Y2 +..... +Ctk Yt.

C
1
k, C
2
k, ... Ctk : koefisien kontras ke k
Y
1
. , Y
2
. ,... Yt. : total kelompok perlakuan







Created by Eff. Agus Marmono Uji Beda Nyata 29
4. Hipotesis yang diuji

t
Ho : ∑ ( ri Cik τi ) =0
i=1

t
Ho : ∑ ( ri Cik τi ) ≠ 0
i=1

5. Pengujian Kontras

a. Menggunakan uji t


a.1. Ulangan sama

=
=
t
1 i
ik
2
k
k
KTgalat . ) C ( r
Q
t



a.2. Ulangan tak sama

=
=
t
1 i
ik
2
i
k
k
KTgalat . ) C r (
Q
t



t 0.05 =
t 0.01 = di cari dengan DB galat



b. Menggunakan uji Fisher (F)

b.1. Ulangan sama

=
=
t
1 i
ik
2
k
2
k
KTgalat . ) C ( r
Q
F




Created by Eff. Agus Marmono Uji Beda Nyata 30
b.2. Ulangan tidak sama

=
=
t
1 i
ik
2
i
k
2
k
KTgalat . ) C r (
Q
F


F 0.05
F 0.01 dicari dengan DB galat



DB kontras =1 maka KT kontras =J K Kontras.

J K Kontras =

=
t
1 i
ik
2
i
k
2
) C r (
Q




Contoh :

Perlakuan =4 diulang 6 kali

Dari hasil perhitungan diperoleh J K Perlakuan = 7.458
J K Galat =10.167
J K Total =17.625

Y1. =246 (total perlakuan A)
Y2. =248 (total perlakuan B)
Y3. =250 (total perlakuan C)
Y4. =255 (total perlakuan D)


KONTRAS
Yi .
A
246
B
248
C
250
D
255
Qk
( a )
ri. ∑C
2
ik
( b )
J K
( a
2
/ b )
1. A vs BCD 3 -1 -1 -1 -15 6 * 12 3.125
2. BC vs D 1 1 -2 -12 6 * 6 4.000
3. B vs C 1 -1 -2 6 * 2 0.333
J K Perlakuan = 7.458



Created by Eff. Agus Marmono Uji Beda Nyata 31
S. Variasi JK DB KT F hit F 0.05 F 0.01
Perlakuan 7.458 3 2.486 4.89
**
3.10 4.94
A vc BCD 3.125 1 3.125 6.15
**
4.35 8.10
BC vs D 4.000 1 4.000 7.87
**
4.35 8.10
B vs C 0.333 1 0.333 0.65 4.35 8.10
Galat 10.167 20 0.508
TOTAL 17.625 23



Hasil yang sama diperoleh pada pengujian kontras menggunakan uji t :

KONTRAS Qk
( a )
ri. ∑C
2
ik
( b )
KT galat
( c )
t
a/√(b.c)
1. A vc BCD - 75 6 * 12 3.125 - 2.48
**
2. BC vs D - 12 6 * 6 4.000 - 2.81
**
3. B vs C - 2 6 * 2 0.333 - 0.81



3.7. NON ORTHOGONAL CONTRAS ( Bonferroni t statistics )

Sebagai ilustrasi digunakan contoh penelitian dengan 5 perlakuan A, B, C, D, dan
E set kontras yang diuji sebagai berikut :

KONTRAS A B C D E ∑Cik
1. A vs BCDE 4 -1 -1 -1 -1 0
2. BC vs DE 1 1 -1 -1 0
3. C vs DE 2 -1 -1 0
4. D vs E 1 -1 0

t
∑ Ci1.Ci2 =(4)(0) +(-1)(1) +(-1)(1) +(-1)(-1) +(-1)(-1) =0
i=1

t
∑ Ci1.Ci3 =(4)(0) +(-1)(0) +(-1)(2) +(-1)(-1) +(-1)(-1) =0
i=1




Created by Eff. Agus Marmono Uji Beda Nyata 32
t
∑ Ci1.Ci4 =(4)(0) +(-1)(0) +(-1)(0) +(-1)(1) +(-1)(-1) =0
i=1

t
∑ Ci2.Ci3 = (0)(0) + (1)(0) + (1)(2) + (-1)(-1) + (-1)(-1) = 4
i=1

t
∑ Ci2.Ci4 =(0)(0) +(1)(0) +(1)(0) +(-1)(1) +(-1)(-1) =0
i=1

t
∑ Ci3.Ci4 =(0)(0) +(0)(0) +(2)(0) +(-1)(1) +(-1)(-1) =0
i=1


Dari hasil uji syarat 2 ada yang tidak sama dengan nol maka set kontras tersebut
tidak saling orthogonal (Non Orthogonal).


Keputusan yang diambil ?
Apakah anggota yang menyebabkan set kontras tersebut tidak saling orthogonal
penting artinya bagi peneliti ?
Bila ya : Pengujian dilakukan menggunakan Bonferroni t statistik yang berlaku
untuk kontras non orthogonal.

Bila tidak : Susun set kontras baru sehingga diperoleh kontras yang orthogonal.











Created by Eff. Agus Marmono Uji Beda Nyata 33
PROSEDUR PENGUJIAN


1. Mencari fungsi linier dengan rumus :
_ _
Qk =∑ Cik Yi. atau
_ _ _ _
Qk =C1k Y1. +C2k Y2. +.... +Ctk Yt.

2. Mencari harga tbk dengan rumus :



galat KT *
r
ik C
Q
tbk
i
t
1 i
2
k












=

=



Nilai t tabel dicari dari tabel Bonferroni t statistik ( Tabel A.10 GILL, 1978.
p. 72-75 )

t
α/2
, m , DB galat
m : banyaknya anggota kontras



Contoh soal :

Suatu penelitian dengan 8 perlakuan masing-masing diulang 6 kali
Penelitian menggunakan RAL dan hasilnya sebagai berikut :

Perlakuan : A B C D E F G H
Yi. 44 119 84 51 65 22 32 33

KT galat =7.62





Created by Eff. Agus Marmono Uji Beda Nyata 34
Ujilah set kontras berikut ini !

Perlakuan
Yi .
A
44
B
119
C
84
D
51
E
65
F
22
G
32
H
33
∑ C
2
ik
A vs Semua 7 -1 -1 -1 -1 -1 -1 -1 56
BC vs DE 1 1 -1 -1 4
F vs GH 2 -1 -1 6
DE vs FGH 3 3 -2 -2 -2 30


Pada uji syarat ke 2 ada yang tidak sama dengan nol maka pengujiannya
menggunakan kontras yang non orthogonal

_
Q1 =(7)(44/6) +(-1)(1/6)(119 +84 +51 +65 +22 +32 +33) = 16.33

_
Q2 =(1)(119/6) +(1)(84/6) +(-1)(51/6) +(-1)(65/6) = 14.50

_
Q3 =(2)(22/6) +(-1)(32/6) +(-1)(33/6) = -3.50

_
Q4 =(3)(51/6) +(3)(65/6) +(-2)(22/6) +(-2)(32/6) +(-2)(33/6) = 29




1.936
2) (56/6)(7.6
16.33
1 tb = =





* *
6.433
) (4/6)(7.62
14.50
2 tb = =





Created by Eff. Agus Marmono Uji Beda Nyata 35
1.268 -
) (6/6)(7.62
3.5 -
3 tb = =





* *
4.698
2) (30/6)(7.6
29
4 tb = =


Created by Eff. Agus Marmono Uji Beda Nyata 36
IV. SUB SAMPLING DALAM RAL

Sering terjadi bahwa pengamatan tidak dilakukan terhadap setiap unit
percobaan secara keseluruhan, melainkan hanya terhadap sebagian dari unit
percobaan. J ika pengamatan dilakukan terhadap variabel atau karakteristik yang
sama maka prosesnya dinamakan Sub Sampling, dan yang diperoleh adalah sampel
dalam unit percobaan.
Contoh :
Suatu percobaam dilakukan untuk mengetahui pengaruh lima macam ransum
terhadap bobot karkas ayam broiler. Tersedia 30 petak kandang (unit percobaan)
yang masing-masing kandang berisi enam ekor anak ayam. Pada waktu penimbangan
bobot karkas tidak semua ternak dipotong melainkan hanya setengahnya saja yang
dipotong dari setiap unit percobaan. Maka secara acak diambil tiga ekor ayam tiap
unit percobaan dan ternak tersebut dipotong untuk diukur bobot karkasnya.





Mudah dimengerti bahwa dengan adanya sub sampling maka analisisnya akan
berubah dan tidak sama seperti apabila pengamatan dilakukan terhadap seluruh unit
percobaan. Demikian pula model matematisnya juga mengalami perubahan sebagai
berikut :
ijh ij i ijk
Y η ε τ µ + + + =

Yijk : Variabel yang diamati / diukur
µ : Nilai tengah populasi
τ
i
: Pengaruh perlakuan ke i
ε
ij
: Pengaruh unit percobaan ke j karena perlakuan ke i
η
ijh
: (baca Eta ijk) Pengaruh sampel ke k dari unit percobaan ke j perlakuan ke i
Created by Eff. Agus Marmono Sub Sampling dalam RAL 37


Pada model di atas unit percobaan untuk tiap perlakuan telah diambil sama
banyaknya yakni sama dengan n dan sampel dari tiap unit percobaan juga sama
banyaknya yaitu m. Hal ini paling banyak disukai karena uji eksak mengenai
pengaruh perlakuan dapat dilakukan.
Apabila unit percobaan pada setiap perlakuan dan sampel dari tiap unit
percobaan masing-masing berlainan banyaknya maka tidak ada uji eksak yang ada
hanya uji pendekatan. Oleh karena itu disini hanya akan ditinjau hal yang pertama
dimana uji eksak dapat dilakukan.
Tabel . Perlakuan x Ulangan
Perlakuan
Sub Petak A B C D E
1
2
3
Yij.
1
2 Yijk
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
Yi..
Y..
Created by Eff. Agus Marmono Sub Sampling dalam RAL 38


Untuk analisis data model di atas maka perlu dihitung terlebih dahulu :

= = ) ( / ... . 1
2
knm Y Koreksi Faktor

∑∑∑
= = =
= − =
k
i
n
j
m
k
ijk
FK Y Total JK
1 1 1
2
. 2

= − =

=
K F
m n
Y
Perlakuan JK
k
i
i
.
..
. 3
1
2

= − − =
∑∑
= =
Perlakuan JK K F
m
Y
Percobaan Galat JK
k
i
n
j
ij
1 1
2
.
. 4

= − − = Percobaan Galat JK Perlakuan JK Total JK Sampling Galat JK . 5


Tabel Anava.
S. Variasi J K D B K T F hitung F 0.05 F 0.01
Perlakuan J K
P
k-1 KT
P
KT
P
/ KT
GP

Galat Percobaan J K
GP
k(n-1) KT
GP
KT
GP
/ KT
GS

Galat Sampling J K
GS
kn(m-1) KT
GS

T O T A L J K
T
knm-1




Created by Eff. Agus Marmono Sub Sampling dalam RAL 39


Nilai F hitung untuk perlakuan diperoleh dengan cara membagi KT Perlakuan
dengan KT Galat Percobaan hasilnya dibandingkan dengan F tabel dengan derajat
bebas (k-1) dengan k(n-1). Ho ditolak jika F hitung Perlakuan >F 0,05.
Nilai F hitung untuk Galat Percobaan diperoleh dengan cara membagi KT Galat
Percobaan dengan KT Galat Sampling hasilnya dibandingkan dengan F tabel dengan
derajat bebas k(n-1) dengan kn(m-1). Ho ditolak jika F hitung Galat Percobaan
>F 0,05.


Contoh soal
Untuk mengetahui pengaruh lima macam Ransum terhadap bobot karkas ayam
broiler telah dilakukan penelitian. Tersedia 30 kandang yang masing masing
kandang diisi enam ekor ayam broiler umur sehari.
Pada saat panen tidak tersedia cukup waktu untuk memotong semua ternak,
melainkan hanya dilakukan pada sebagian kecil (sub petak) dari tiap unit percobaan
yang dipilih secara acak. Maka sub petak sebagai sub sampel, misal sub sampelnya
ada tiga sehingga diperoleh 30 x 3 =90 sub sampel, hasilnya seperti dibawah ini :















Created by Eff. Agus Marmono Sub Sampling dalam RAL 40


Tabel 1. Perlakuan x Ulangan
Perlakuan
Sub Petak A B C D E
1 1120 1250 1350 1430 1500
2 1210 1300 1340 1450 1490
3 1250 1290 1390 1550 1470
Yij. 3580 3840 4080 4430 4460
1 1350 1430 1250 1330 1540
2 1320 1450 1450 1560 1640
3 1330 1390 1350 1440 1450
Yij. 4000 4270 4050 4330 4630
1 1350 1370 1490 1340 1450
2 1390 1420 1350 1450 1540
3 1450 1390 1330 1480 1440
Yij. 4190 4180 4170 4270 4430
1 1330 1450 1370 1450 1510
2 1290 1240 1410 1460 1480
3 1190 1290 1500 1380 1470
Yij. 3810 3980 4280 4290 4460
1 1440 1340 1340 1520 1520
2 1200 1280 1490 1480 1490
3 1430 1360 1320 1390 1330
Yij. 4070 3980 4150 4390 4340
1 1420 1260 1410 1370 1540
2 1310 1310 1380 1320 1490
3 1250 1390 1290 1400 1480
Yij. 3980 3960 4080 4090 4510
Yi.. 23630 24210 24810 25800 26830
Y.. 125280






Created by Eff. Agus Marmono Sub Sampling dalam RAL 41

»»» Perhitungan Jumlah Kuadrat «««

1. F. Koreksi = 125280
2
/(5x6x3) =174389760

2. J K Total = 1120
2
+……..+1480
2
- F K =
= 175219000 – 174389760 = 829240

3. J K Perlakuan = ( 23630
2
+……..+26830
2
)/(6x3) -F K =
= 174751444 – 174389760 = 361684,44

4. J K Galat Percobaan = (3580
2
+……..+4510
2
)/(3) - F K - J K Perlakuan =
= 174921333 - 174389760 - 361684,44
= 169888,89

5. J K Galat Sampling = 829240 - 361684,44 - 169888,89
= 297666,67





Tabel 2. Analisis Variansi

Sumber Jumlah Derajat Kuadrat F F tabel
Variasi Kuadrat Bebas Tengah hitung 0,05 0,01
Perlakuan 361684,44 4 90421,111 13,306 2,76 4,18
Galat Percobaan 169888,89 25 6795,556 1,370
Galat Sampling 297666,67 60 4961,111
Total 829240,00 89

Created by Eff. Agus Marmono Sub Sampling dalam RAL 42

V. POLA TERSARANG
( NESTED CLASSIFICATION )


Pola tersarang ini terbentuk bila data diperoleh dengan pengambilan sampel
secara acak pada dua tingkat atau lebih. Tingkat pertama disebut Grup dan
ditentukan secara acak, tingkat kedua disebut Sub Grup yang dipilih secara acak
pula tetapi tersarang dalam Grup, tingkat ketiga disebut Sub-sub Grup yang dipilih
secara acak dan tersarang dalam Sub Grup dan seterusnya. J umlah bagian yang
tersarang pada bagian lain ditentukan oleh kebutuhan peneliti dan masalah yang
dihadapinya.
Dalam bidang Ilmu Genetika rancangan ini banyak digunakan yaitu untuk
mengadakan stratifikasi data menurut pejantannya, induk dalam pejantan dan anak
dalam induk.

Dua tingkat

Equal

Un Equal
A B C

A B C
a b a b a b

a b a b c a b c d
. . . . . .

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

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

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

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

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

. . . . . .

. . . . .

. . .

.

.





Created by Eff. Agus Marmono Pola Tersarang / Nested 43

Tiga Tingkat



Equal Un Equal



A B A B
a b a b a b a
b c
1 2 1 2 1 2 1 2 1 2 1 2 3 1 2
1 2 3 4 1 2
. . . . . . . . . . . . . . .
. . . . . .
. . . . . . . . . . . . . . .
. . . . . .
. . . . . . . . . . . . . . .
. . . . . .
. . . . . . . . . . . . . . .
. . . . . .
. . . . . . . . . . . . . .
. . . . .
. . . . . . . . . . . . .
. . . .
. . .
. .
.
. .


MODEL MATEMATIK

(ij)k (i)j i ijk
Y ε β α µ + + + =


Y
ijk
: Nilai yang diamati
µ : Nilai tengah populasi
α
i
: Pengaruh kelompok/grup ke i
β
(i) j
: Galat percobaan/pengaruh satuan percobaan/sub kelompok/sub grup ke j
dalam kelompok ke i
ε
(ij)k
: Galat sampling /pengaruh sampel ke k dalam subgrup ke j dan grup ke i.


TATALETAK PERCOBAAN

Misal ada 3 ekor pejantan, masing-masing pejantan dikawinkan dengan 4
ekor induk dan setiap induk mempunyai anak.
(Catatan : jumlah induk yang dikawinkan dengan pejantan dapat sama atau tidak
sama, jumlah anak tiap induk dapat sama / tidak sama).


Created by Eff. Agus Marmono Pola Tersarang / Nested 44
Dalam hal seperti ini anak tersarang dalam induk dan induk tersarang dalam
pejantan.

Grup (i) A B C
S. Grup (j) a b c d a b c d a b c d
Sampel (k) 1
2
3
4
5
6
7
Yij.
Yi..
Y…

i =1....t ( i =pejantan )
j =1....r ( j =induk )
k =1....s ( k =anak )



Created by Eff. Agus Marmono Pola Tersarang / Nested 45
MENGHITUNG JUMLAH KUADRAT


s . r . t
(Y...)
Koreksi Faktor 1.
2
=



∑∑∑
= = =
=
t
1 i
r
1 j
s
1 k
2
ijk Total
K F - Y JK 2.

K F -
s . r
Yi..
JK 3.
t
1 i
2
Pejantan Antar
= =

=



s . r
.. Yi
-
s
. Yij
JK 4.
t
1 i
2
t
1 i
r
1 j
2
Induk Antar
= =

∑∑
=
= =



5. JK
Antar Anak
= JK
Total
- JK
Ant Pej
- JK
Ant Induk
=



Tabel ANAVA

Sumber J umlah Derajat Kuadrat F F tabel
Variasi Kuadrat Bebas Tengah hitung 0.05 0.01
Antar Pejantan J K P t-1 KT P KT P / KT I
Antar Induk J K I t(r-1) KT I KT I / KT G
G a l a t J K G tr(s-1) KT G
T O T A L J K T trs-1





Created by Eff. Agus Marmono Pola Tersarang / Nested 46


Komponen Variansi Equal Un Equal
Antar Pejantan σ
a
2
+s σ
i
2
+sr σ
p
2
σ
a
2
+k
2
σ
i
2
+k
3
σ
p
2

Antar Induk σ
a
2
+s σ
i
2
σ
a
2
+k
1
σ
i
2
G a l a t σ
a
2
σ
a
2



Catatan : Komponen Variansi khususnya pada pola tersarang ini banyak digunakan
untuk menduga heritabilitas pada kuliah Genetika Populasi dan
Pemuliaan Ternak.



Contoh Soal

Dalam penelitian kita gunakan tiga ekor pejantan kelinci, masing-masing
pejantan dikawinkan dengan empat ekor induk dan masing-masing induk akan
mempunyai jumlah anak yang berbeda. Karakteristik yang diukur adalah berat lahir
anak kelinci. Diperoleh data berat lahir sebagai berikut :



















Created by Eff. Agus Marmono Pola Tersarang / Nested 47
Tabel 1. Grup x Sub Grup x Ulangan (Sampel)

Grup (i) A B C
S.Grup (j) 1 2 3 4 1 2 3 4 1 2 3 4
Sampel
(k) 1 55 60 50 50 65 60 60 55 60 60 60 60
2 50 55 55 55 60 65 65 60 60 65 55 65
3 45 65 60 55 60 65 60 65 55 65 60 65
4 55 55 50 50 55 55 60 60 55 55 60 65
5 50 60 55 45 65 60 60 60 60 60 55 60
6 50 50 55 60 65 65 60 50 65
7 55 65 65 55
Yij. 255 345 375 310 430 305 435 365 290 365 395 380
Yi.. 1285 1535 1430
Y.. 4250

nij. 5 6 7 6 7 5 7 6 5 6 7 6
ni. 24 25 24
n.. 73


Perhitungan Jumlah Kuadrat


1. F. Koreksi = 4250
2
/ 73 =247431,5

2. J K Total = 55
2
+…….+ 65
2
- F K =
= 249450 - 247431,5 = 2018,493

3. J K Ant Pej = 1285
2
/ 24 +….. +1430
2
/ 24 - F K =
= 248254,2 - 247431,5 = 822,7015

4. J K Ant Ind = 255
2
/5 +……. +380
2
/6 - F K =
= 248584,2 - 248254,2 = 329,9583

5. J K Ant Anak = 2018,493 - 822,7015 - 329,9583
= 865,8333




Created by Eff. Agus Marmono Pola Tersarang / Nested 48
Tabel 2. Analisis Variansi

S. Variasi JK DB KT F hit F 0.05 F 0.01
Ant. Pejantan 822,7015 2 411,3507 11,2201 4,26 8,02
Ant. Induk 329,9583 9 36,6620 2,5829 2,036 2,716
Ant. Anak=Galat 865,8333 61 14,1940
T O T A L 2018,4932 72



Untuk Antar Pejantan

BNT 0.05 = 2,2620 x 1,7303 = 3,9140
BNT 0.01 = 3,2500 x 1,7303 = 5,6236

A B
53,5417 - 61,4000 = 7,8583

B C
61,4000 - 59,5833 = 1,8167


BNT 0.05 = 2,2620 x 1,7479 = 3,9538
BNT 0.01 = 3,2500 x 1,7479 = 5,6807

A C
53,5417 - 59,5833 = 6,0417


Antar Induk dalam Pejantan C 5676

BNT 0.05 = 1,9997 x 2,2813 = 4,5620
BNT 0.01 = 2,6593 x 2,2813 = 6,0667

I 1 I 2
58,0000 - 60,8333 = 2,8333



Created by Eff. Agus Marmono Pola Tersarang / Nested 49
I 1 I 4
58,0000 - 63,3333 = 5,3333


BNT 0.05 = 1,9997 x 2,2060 = 4,4114
BNT 0.01 = 2,6593 x 2,2060 = 5,8665

I 1 I 3
58,0000 - 56,4286 = 1,5714


BNT 0.05 = 1,9997 x 2,0960 = 4,1914
BNT 0.01 = 2,6593 x 2,0960 = 5,5740

I 2 I 3
60,8333 - 56,4286 = 4,4048

I 3 I 4
56,4286 - 63,3333 = 6,9048


BNT 0.05 = 1,9997 x 2,1752 = 4,3497
BNT 0.01 = 2,6593 x 2,1752 = 5,7844

I 2 I 4
60,8333 - 63,3333 = 2,5000


Untuk Antar Induk dalam Pejantan A dan B dapat dikerjakan sendiri.
Created by Eff. Agus Marmono Pola Tersarang / Nested 50

VI. RANCANGAN ACAK KELOMPOK
( RANDOMIZED COMPLETE BLOCK DESIGN )


Bila kita mempunyai materi penelitian yang tidak homogen sebaiknya kita
kelompok-kelompokan materi tadi dalam bagian atau strata yang lebih seragam.
Bila perlakuan kita tempatkan secara acak pada tiap-tiap stratum (kelompok) maka
kita telah melaksanakan Rancangan Acak Kelompok. Pada RAL pengelompokan ini
tidak dilakukan, semua perlakuan diacak secara menyeluruh pada materi percobaan.
Penentuan strata didasarkan atas pengetahuan peneliti bahwa stratum yang
satu mempunyai respon yang berbeda dengan stratum yang lain pada perlakuan
yang sama. Stratifikasi tersebut antara lain :
a. Tanaman : varietas, umur tanaman, diameter batang dll,
b. Ternak : litter size, umur, bangsa, periode laktasi, bobot badan dll.


MODEL MATEMATIK

ij i j ij
Y ε τ ρ µ + + + =


Y
ij
: Nilai yang diamati/diukur
µ : Nilai tengah populasi
ρ
j
: Pengaruh blok ke j ( j =1....r )
τ
i
: Pengaruh perlakuan ke i ( i =1 ....t )
ε
ij
: Pengaruh pengacakan pada blok ke j dan perlakuan ke i.








Created by Eff. Agus Marmono Rancangan Acak Kelompok 51

SYARAT RAK

1. J umlah perlakuan harus >2
2. J umlah kelompok/blok untuk tiap perlakuan harus sama.


TATALETAK PERCOBAAN

1. Materi percobaan dikelompokkan dalam blok berdasarkan karakteristik tertentu.
2. Perlakuan ditempatkan secara acak pada unit-unit percobaan dengan ketentuan
sebagai berikut :
a. tiap perlakuan hanya muncul sekali dalam tiap blok
b. tiap blok mengandung semua perlakuan


Misal : Perlakuan Pakan (tingkat protein) R
1
; R
2
; R
3
; R
4
Sebagai blok periode laktasi I; II; III.....VI maka pengacakan perlakuannya
sebagai berikut :


B L O K
I II III IV V VI
R1 R2 R3 R4 R2 R3
R3 R3 R1 R2 R4 R1
R4 R1 R2 R1 R1 R2
R2 R4 R4 R3 R3 R4











Created by Eff. Agus Marmono Rancangan Acak Kelompok 52

TABULASI DATA

Perlakuan B L O K Total Perlk
( Ransum ) 1 2 3 4 5 6 (Yi.)
R1

R2

R3

Yij

R4

Total Blok (Y.j)

Y..



PERHITUNGAN JUMLAH KUADRAT


r . t
Y
Koreksi Faktor 1.
2
. .
=


∑ ∑
= =
= =
t
1 i
r
1 j
2
ij TOTAL
K F - Y JK 2.


= =

=
K F -
t
Y
JK . 3
r
1 j
2
j .
Blok


= =

=
K F -
r
Y
JK 4.
t
1 i
2
i.
Perlakuan



= = JK - JK - JK JK 5.
Perlakuan Blok Total Galat









Created by Eff. Agus Marmono Rancangan Acak Kelompok 53
Tabel Analisis Variansi

S u m b e r Jumlah Derajat Kuadrat F F tabel
V a r I a s i Kuadrat Bebas Tengah hitung 0.05 0.01
Blok J K
B
r-1 KT
B
KT
B
/KT
G

Perlakuan J K
P
t-1 KT
P
KT
P
/KT
G

Galat J K
G
(t-1)(r-1) KT
G

TOTAL JK
T
tr-1


Komponen Variansi
Blok σ
e
2
+ t σ
B
2
Perlakuan σ
e
2
+ r σ
P
2
G a l a t σ
e
2



KEUNTUNGAN RAK

1. Tingkat ketelitiannya lebih tinggi daripada RAL.
2. Analisis data sederhana.
3. Apabila ada data yang hilang masih dapat diduga/diestimasikan agar analisis data
dapat dilakukan.

KELEMAHAN RAK

1. Galat makin bertambah besar bila variasi antara unit percobaan dalam tiap blok
besar.
2. J umlah ulangan untuk tiap perlakuan harus sama.
3. Tidak fleksibel seperti pada RAL yaitu bila ada data yang hilang harus diestima-
sikan dahulu.








Created by Eff. Agus Marmono Rancangan Acak Kelompok 54
Contoh soal :

Penelitian pengaruh pemberian protein dalam ransum terhadap pertambahan
bobot badan harian telah dilakukan pada ternak ayam broiler.
Sebagai perlakuan R
1
; R
2
; R
3
dan R
4
masing-masing 10%; 12%; 16% dan 18%.
protein dalam ransumnya, sebagai Blok adalah umur ayam 1; 3; 5; 7; 9 dan 11 hari.
Tiap unit percobaan berisi 5 ekor ayam.
Pengamatan dilakukan selama 30 hari dan diperoleh PBBH rata-rata sebagai berikut :

Tabel 1. Perlakuan x Blok

Blok R
1
R
2
R
3
R
4
Σ Blok
1 27,00 31,00 29,00 29,00 116,00
2 28,00 33,00 30,00 32,00 123,00
3 28,00 33,00 29,00 32,00 122,00
4 27,00 32,00 29,00 30,00 118,00
5 27,00 30,00 28,00 29,00 114,00
6 28,00 30,00 29,00 31,00 118,00
Σ Perlk 165,00 189,00 174,00 183,00 711,00
Rataan 27,50 31,50 29,00 30,50
S. Baku 0,55 1,38 0,63 1,38

Perhitungan Jumlah Kuadrat

1. Faktor Koreksi = 711,0000
2
/ (4x6) = 21063,375

2. J K Total = 27,0000
2
+……+ 31,0000
2
- F K =
= 21141 - 21063,375 = 77,625

3. J K Blok =( 116,0000
2
+……+ 118,0000
2
) / 4 - FK =
= 21078,25 - 21063,375 = 14,875

4. J K Perlakuan =( 165,0000
2
+……+ 183,0000
2
) / 6 - FK =
= 21118,5 - 21063,375 = 55,125

5. J K Galat = 77,625 - 14,875 - 55,125 = 7,625





Created by Eff. Agus Marmono Rancangan Acak Kelompok 55
Tabel 2. Analisis Variansi
S u m b e r J umlah Derajat Kuadrat F F Tabel
V a r i a s i Kuadrat Bebas Tengah Hitung 0.05 0.01
B l o k 14,87500 5 2,97500 5,8525 2,900 4,560
Perlakuan 55,12500 3 18,37500 36,1475 3,290 5,420
Galat 7,62500 15 0,50833 σ = 0,713
TOTAL 77,62500 23 KK = 2,407 %


Hasil analisis diatas diperoleh informasi Blok berpengaruh sangat nyata dan
Perlakuan (Ransum) juga berpengaruh sangat nyata. Kita ketahui jika ransum/
perlakuan merupakan perlakuan kuantitatif (punya dosis / level) maka kita perlu
melakukan pemecahan J K Perlakuan dengan bantuan Tabel Orthogonal Polinomial.
Pada tabel Orthogonal dicari perlakuan yang jumlahnya empat, maka akan
diperoleh derajat polinom Linier, Kuadrater dan Kubik yang masing-masing
mempunyai koefisien untuk Linier =-3 ; -1 ; 1 ; 3 untuk Kuadrater =1 ; -1; -1 ; 1
dan untuk Kubik =-1; 3; -3; 1

Memecah JK Perlakuan

Perl R
1
R
2
R
3
R
4
Σ Ci.Ti r. Σ Ci
2
JK
Σ Perlk 165,000 189,000 174,000 183,000 (a) (b) (a
2
/b)
Linier -3 -1 1 3 39,0000 6 x 20 12,675
Kuadrater 1 -1 -1 1 15,0000 6 x 4 9,375
Kubik -1 3 -3 1 63,0000 6 x 20 33,075
JK Perlakuan = 55,125

Hasil pemecahan J K Perlakuan dimasukkan dalam Tabel Anava yang baru
sebagai berikut :






Created by Eff. Agus Marmono Rancangan Acak Kelompok 56
Tabel 3. Analisis Variansi
S u m b e r J umlah Derajat Kuadrat F F Tabel
V a r i a s i Kuadrat Bebas Tengah Hitung 0.05 0.01
B l o k 14,87500 5 2,975000 5,8525 2,900 4,560
Perlakuan 55,12500 3 18,375000 36,1475 3,290 5,420
Linier 12,67500 1 12,675000 24,9344 4,540 8,680
Kuadrater 9,37500 1 9,375000 18,4426 4,540 8,680
Kubik 33,07500 1 33,075000 65,0656 4,540 8,680
Galat 7,62500 15 0,508333 σ = 0,713
TOTAL 77,62500 23 KK = 2,407 %


Dari hasil Anava tersebut diperoleh informasi bahwa Blok berpengaruh sangat
nyata, hal ini menunjukkan bahwa peneliti berhasil mengurangi kesalahan percobaan
dengan cara mengelompokkan materi percobaan ke dalam blok. Apakah blok perlu
di uji beda atau tidak tergantung pada kriteria yang digunakan untuk menentukan
blok dan keperluan dari peneliti itu sendiri.
Hasil pemecahan J K Perlakuan diperoleh informasi bahwa pengaruh ransum
Linier, Kuadrater dan Kubik semuanya sangat nyata, sehingga kita perlu mencari
persamaan garis regresi linier, kuadrater dan kubik.

N X Y X
2
X
3
X
4
X
5
X
6
Y
2
XY X
2
Y X
3
Y
1 10 27
2 10 28
. .
. .
. .
24 16 31
N ΣX ΣY ΣX
2
ΣX
3
ΣX
4
ΣX
5
ΣX
6
ΣY
2
ΣXY ΣX
2
Y ΣX
3
Y



Created by Eff. Agus Marmono Rancangan Acak Kelompok 57
»»» REGRESI LINIER «««

N = 24 Σ Y = 711 Σ x
2
= 120
Σ X = 312 Σ Y
2
= 21141 Σ y
2
= 77,625
Σ X
2
= 4176 Y bar = 29,625 Σ xy = 39
X bar = 13 Σ XY = 9282

b = Σxy / Σx
2
= 0,325

a = Y bar - b ( X bar ) = 25,4

Y = 25,4 + 0,325 X

Koefisien Determinasi ( r
2
) = 16,3285 Persen
Koefisien Korelasi ( r ) = 0,404085


»»» REGRESI KUADRATER «««

N = 24 Σ Y = 711 Σ x
2
= 120
Σ X = 312 Σ Y
2
= 21141 Σ x
3
= 3120
Σ X
2
= 4176 Σ XY = 9282 Σ x
4
= 81504
Σ X
3
= 57408 Σ X
2
Y= 124668 Σ y
2
= 77,625
Σ X
4
= 808128 Y bar = 29,625 Σ xy = 39
X bar = 13 Σ x
2
y= 954
X
2
bar = 174

D = [( Σx
4
)(Σx
2
) - ( Σx
3
)
2
] = 46080

b = [( Σx
4
) (Σxy) - ( Σx
3
) (Σx
2
y)] / D = 4,3875

c = [( Σx
2
) (Σx
2
y) - ( Σx
3
) (Σxy)] / D = -0,15625



Created by Eff. Agus Marmono Rancangan Acak Kelompok 58
a = Y bar - (b * X bar) - (c * X
2
bar) = -0,225

Y = -0,225 + 4,3875 X - 0,15625 X
2

Koefisien Determinasi ( r
2
) = 28,4058 Persen
Koefisien Korelasi ( r ) = 0,532971

Titik Belok X =14,04
Y = 30,58



»»» REGRESI KUBIK «««

N = 24 Σ X
4
= 808128 Σ Y
2
= 21141
Σ X = 312 Σ X
5
= 11611392 Σ XY = 9282
Σ X
2
= 4176 Σ X
6
= 169756416 Σ X
2
Y= 124668
Σ X
3
= 57408 Σ Y = 711 Σ X
3
Y= 1718616

»»» Matrik X'X
24 312 4176 57408
312 4176 57408 808128
4176 57408 808128 11611392
57408 808128 11611392 169756416

»»» Invers Matrik X'X
6393,5 -1519,7361 118,375 -3,0243056
-1519,7361 361,724537 -28,211806 0,72164352
118,375 -28,211806 2,203125 -0,0564236
-3,0243056 0,72164352 -0,0564236 0,00144676





Created by Eff. Agus Marmono Rancangan Acak Kelompok 59
6393,5 -1519,7361 118,375 -3,0243056 711 -457,5
-1519,7361 361,724537 -28,211806 0,72164352 9282 113,5
118,375 -28,211806 2,203125 -0,0564236
x
124668
=
-8,6875
-3,0243056 0,72164352 -0,0564236 0,00144676 1718616 0,21875

Y = -457,5 + 113,5 X - 8,6875 X
2
+ 0,21875 X
3

Koefisien Determinasi ( r
2
) = 71,0145001 Persen
Koefisien Korelasi ( r ) = 0,84270102

Titik Belok X
1
= 11,72 X
2
= 14,7529499
Y
1
= 31,57 Y
2
= 28,5297765


Regresi
25
26
27
28
29
30
31
32
10 12 14 16
Kandungan Protein dalam Ransum (%)
P
B
B
H

(
g
r
a
m
)
Linier
Kuadrater
Kubik

Created by Eff. Agus Marmono Rancangan Acak Kelompok 60

VII. RANCANGAN BUJUR SANGKAR LATIN
( LATIN SQUARE DESIGN )


Disebut Bujur Sangkar karena tataletak rancangan ini selalu berbentuk bujur
sangkar oleh jumlah baris dan kolom serta perlakuan yang sama banyaknya.
Disebut Latin karena untuk perlakuan digunakan simbol huruf latin. Oleh karena
itu bentuk yang dihasilkan disebut Bujur Sangkar Latin 3 x 3 ; 4 x 4 ; 5 x 5 sampai
8 x 8. Pada rancangan ini pengelompokan dilakukan dua arah yaitu kesamping
(mendatar) dan kebawah (menurun) dengan istilah umum kita mengelompokkan dalam
baris dan kolom. J alan ini ditempuh atas dasar kenyataan adanya variasi yang tidak
cukup hanya dikontrol dengan satu cara pengelompokkan saja (RAK), tetapi perlu
dikontrol dengan dua cara (RBSL), dengan kata lain variasi itu terdapat dalam dua
gradiasi.
RBSL digunakan dengan asumsi tidak adanya interaksi antar sumber-sumber
keragaman (baris, kolom dan perlakuan), hal ini karena istilah baris, kolom hanya
merupakan istilah umum yang berarti kriteria dalam klasifikasi. Bila ada interaksi maka
nilai F hitung tidak menyebar seperti F tabel, sehingga uji signifikansi menjadi tidak sah
untuk dikerjakan.

MODEL MATEMATIK

ij t j i ij(t)
Y ε τ κ β µ + + + + =


Y
ij(t)
: Nilai yang diamati/diukur
µ : Nilai tengah populasi
β
i
: Pengaruh baris ke i ( i =1....r)
κ
j
: (Kappa j) Pengaruh kolom ke j (j=1....r)
τ
t
: (Tau t) Pengaruh perlakuan ke t (t=1...r)
ε
ij
: Galat percobaan



Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 61

PERLAKUAN

Biasanya 5 x 5 sampai 12 x 12 tetapi yang sering hanya sampai 8 x 8. Perlakuan
hanya muncul sekali dalam baris maupun dalam kolom.

ULANGAN

Khusus pada RBSL jumlah ulangan =baris =kolom


TATALETAK PERCOBAAN

1. Unit-unit percobaan dibagi dalam kelompok atas dasar dua variabel yang menjadi
sifat.

Pengelompokan diatur sebagai berikut :
1.1. Variabel pertama membagi unit-unit percobaan dalam kelompok-kelompok
yang disebut baris.
1.2. Variabel pertama membagi unit-unit percobaan dalam kelompok-kelompok
yang disebut kolom
1.3. J umlah baris =jumlah kolom =r

2. Perlakuan yang dicoba diletakkan pada unit-unit percobaan dengan ketentuan :
2.1. Pada tiap baris/kolom perlakuan hanya boleh muncul sekali.
2.2. Semua perlakuan yang dicoba terdapat dalam setiap baris dan kolom.
3. Pengacakan
Pengacakan dilakukan pada Kolom kemudian pada Baris atau sebaliknya.






Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 62
Mula- mula Kolom diacak
K o l o m K o l o m
1 2 3 4 5 3 2 5 4 1
B 1 A B C D E B 1 C B E D A
A 2 B C D E A A 2 D C A E B
R 3 C D E A B R 3 E D B A C
I 4 D E A B C I 4 A E C B D
S 5 E A B C D S 5 B A D C E


Baris diacak Hasil akhir

K o l o m K o l o m
3 2 5 4 1 K1 K2 K3 K4 K5
B 2 D C A E B B B1 D C A E B
A 3 E D B A C A B2 E A B A C
R 4 A E C B D R B3 A E C B D
I 1 C B E D A I B4 C B E D A
S 5 B A D C E S B5 B A D C E


TABULASI DATA

Data disusun dalam dua tabel :
1. Tabel Baris x Kolom (hasil dari lapangan)
2. Tabel Perlakuan










Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 63
Tabel 1. Baris x Kolom
K1 K2 K3 K4 K5 Yi.
B1 D C A (Y131) E B
B2 E D B A (Y241) C
B3 A (Y311) E C B D
B4 C B E D A (Y451)
B5 B A (Y521) D C E
Y.j Y..



Tabel 2. Perlakuan
A B C D E
Y 311
Y 521
Y 131
Y 241
Y 451
Y- -t Y..



MENGHITUNG JUMLAH KUADRAT


) (r / Y.. Koreksi Faktor 1.
2 2
=


K F - Y JK 2.
r
1 j i,
ij TOTAL ∑
=
= =


= =

=
K F -
r
Y
JK . 3
r
1 i
i.
BARIS






Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 64
= =

=
K F -
r
Y
JK . 4
r
1 j
.j
KOLOM

= =

=
K F -
r
Y
JK . 5
r
1 t
t - -
PERLAKUAN

PERLAKUAN KOLOM BARIS TOTAL GALAT
JK JK JK JK JK . 6 − − − =



ANALISIS VARIANSI

Tabel 3. Analisis Variansi
S u m b e r Jumlah Derajat Kuadrat F F Tabel
V a r i a s i Kuadrat Bebas Tengah Hitung 0.05 0.01
Baris J K
B
r -1 KT
B
KT
B
/ KT
G

Kolom J K
K
r -1 KT
K
KT
K
/ KT
G

Perlakuan J K
P
r -1 KT
P
KT
P
/ KT
G

Galat J K
G
(r-1)(r-2) KT
G

TOTAL JK
T
r
2
-1


Komponen Variansi
Baris σ
2
e
+ r σ
2
b

Kolom σ
2
e
+ r σ
2
k

Perlakuan σ
2
e
+ r σ
2
t

Galat σ
2
e











Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 65
PERBANDINGAN ANTARA RAL - RAK - RBSL

Sumber Variasi RAL RAK RBSL
Baris σ
2
e
+ r σ
2
b

Kolom / Blok σ
2
e
+ t σ
2
b
σ
2
e
+ r σ
2
k

Perlakuan σ
2
e
+ r σ
2
t
σ
2
e
+ r σ
2
t
σ
2
e
+ r σ
2
t

Galat σ
2
e



Pada RAL : Hanya ada dua sumber variasi yaitu perlakuan dan galat.

Pada RAK : Galat pada RAL dipecah menjadi sumber variasi baru yaitu BLOK
sehingga Galat RAK menjadi lebih kecil dibandingkan dengan Galat
pada RAL

Pada RBSL : Galat pada RAK dipecah lagi menjadi Baris sehingga Galat pada RBSL
lebih kecil dibandingkan dengan Galat pada RAK.


KEUNTUNGAN RBSL

Dibandingkan dengan RAL dan RAK, RBSL lebih banyak variasi yang dapat
dikontrol sehingga KT Galat lebih kecil.


KELEMAHAN RBSL

J umlah perlakuan yang harus sama dengan jumlah kolom dan jumlah baris maka
dianjurkan menggunakan RBSL paling sedikit 5 x 5 dan paling banyak 8 x 8, karena
bila lebih kecil dari 5 x 5 ulangan terlalu sedikit sedangkan bila lebih besar dari 8 x 8
persoalannya menjadi kompleks.







Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 66
Contoh soal

Perlakuan Kandungan Protein dalam ransum 10; 12; 14; 16 dan 18 %
Kolom : Periode Laktasi : I, II, III, IV dan V
Baris : Bangsa sapi A, B, C, D dan E
Karakteristik yang diamati kandungan pospor dalam air susu (gr) pada Tabel berikut :
R4 =15 R3 =13 R1 =11 R5 =19 R2 =13
R5 =17 R4 =16 R2 =12 R1 =11 R3 =12
R1 =09 R5 =18 R3 =12 R2 =11 R4 =14
R3 =12 R2 =10 R5 =17 R4 =15 R1 =10
R2 =11 R1 =10 R4 =15 R3 =13 R5 =18

Tabel 1. Baris x Kolom
K
1
K
2
K
3
K
4
K
5
Yi.
B
1
R4 =15 R3 =13 R1 =11 R5 =19 R2 =13 71
B
2
R5 =17 R4 =16 R2 =12 R1 =11 R3 =12 68
B
3
R1 =09 R5 =18 R3 =12 R2 =11 R4 =14 64
B
4
R3 =12 R2 =10 R5 =17 R4 =15 R1 =10 64
B
5
R2 =11 R1 =10 R4 =15 R3 =13 R5 =18 67
Y.j 64 67 67 69 67 334


Tabel 2. Perlakuan
R
1
R
2
R
3
R
4
R
5

9 11 12 15 17
10 10 13 16 18
11 12 12 15 17
11 11 13 15 19
10 13 12 14 18
Y--t 51 57 62 75 89 334







Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 67
»»» Perhitungan Jumlah Kuadrat «««

1. F. Koreksi = 334
2
/(5x5) = 4462,24

2. J K Total = 15
2
+…....+ 18
2
- F K = 199,76

3. J K Kolom =( 64
2
+…....+67
2
)/5 - F K = 2,56

4. J K Baris =( 71
2
+…....+ 67
2
)/5 - F K = 6,96

5. J K Perlakuan =( 51
2
+…....+89
2
)/5 - F K = 185,76

6. J K Galat =199,76 - 2,56 - 6,96 - 185,76 =4,48


Tabel 3. Analisis Variansi
S. Variasi JK DB KT F hit F 0,05 F 0,01
P. Laktasi 2,56 4 0,6400 1,714 3,260 5,410
Bangsa 6,96 4 1,7400 4,661 3,260 5,410
Ransum 185,76 4 46,4400 124,393 3,260 5,410
Galat 4,48 12 0,3733 σ = 0,611
TOTAL 199,76 24 KK = 4,573 %



Memecah JK Ransum
Perlakuan R
1
R
2
R
3
R
4
R
5
ΣCi.Ti r . ΣCi
2
J K
Total Perl 51 57 62 75 89 (a) (b) (a
2
/b)
Linier -2 -1 0 1 2 94 5 x 10 176,7200
Kuadrater 2 -1 -2 -1 2 24 5 x 14 8,2286
Kubik -1 2 0 -2 1 2 5 x 10 0,0800
Kuartik 1 -4 6 -4 1 -16 5 x 70 0,7314
J K Perlakuan = 185,7600







Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 68

Tabel 4. Analisis Variansi
S. Variasi JK DB KT F hit F 0,05 F 0,01
P. Laktasi 2,560 4 0,6400 1,714 3,260 5,410
Bangsa 6,960 4 1,7400 4,661 3,260 5,410
Ransum 185,760 4 46,4400 124,393 3,260 5,410
Linier 176,720 1 176,7200 473,357 4,750 9,330
Kuadrat 8,229 1 8,2286 22,041 4,750 9,330
Kubik 0,080 1 0,0800 0,214 4,750 9,330
Kuartik 0,731 1 0,7314 1,959 4,750 9,330
Galat 4,480 12 0,3733 σ = 0,611
TOTAL 199,760 24 KK = 4,573 %






























Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 69

D a t a : X : Kandungan Protein dalam Ransum
Y : Kandungan phosphor dalam air susu


Analisis Regresi Linier dan Kuadrater

No X Y X
2
X
3
X
4
Y
2
XY X
2
Y
1 10 9,00 100 1000 10000 81,00 90 900
2 10 10,00 100 1000 10000 100,00 100 1000
3 10 11,00 100 1000 10000 121,00 110 1100
4 10 11,00 100 1000 10000 121,00 110 1100
5 10 10,00 100 1000 10000 100,00 100 1000
6 12 11,00 144 1728 20736 121,00 132 1584
7 12 10,00 144 1728 20736 100,00 120 1440
8 12 12,00 144 1728 20736 144,00 144 1728
9 12 11,00 144 1728 20736 121,00 132 1584
10 12 13,00 144 1728 20736 169,00 156 1872
11 14 12,00 196 2744 38416 144,00 168 2352
12 14 13,00 196 2744 38416 169,00 182 2548
13 14 12,00 196 2744 38416 144,00 168 2352
14 14 13,00 196 2744 38416 169,00 182 2548
15 14 12,00 196 2744 38416 144,00 168 2352
16 16 15,00 256 4096 65536 225,00 240 3840
17 16 16,00 256 4096 65536 256,00 256 4096
18 16 15,00 256 4096 65536 225,00 240 3840
19 16 15,00 256 4096 65536 225,00 240 3840
20 16 14,00 256 4096 65536 196,00 224 3584
21 18 17,00 324 5832 104976 289,00 306 5508
22 18 18,00 324 5832 104976 324,00 324 5832
23 18 17,00 324 5832 104976 289,00 306 5508
24 18 19,00 324 5832 104976 361,00 342 6156
25 18 18,00 324 5832 104976 324,00 324 5832
N 25
Jumlah 350 334 5100 77000 1198320 4662 4864 73496
Rataan 14 13,36 204







Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 70

»»» REGRESI LINIER «««

N = 25 Σ Y = 334 Σ x
2
= 200
Σ X = 350 Σ Y
2
= 4662 Σ y
2
= 199,76
Σ X
2
= 5100 Y bar = 13,36 Σ xy = 188
X bar = 14 Σ XY = 4864

b = Σxy / Σx
2
= 0,94

a = Y bar - b ( X bar ) = 0,2

Y = 0,20 + 0,94 X

Koefisien Determinasi ( r
2
) =88,4662 Persen
Koefisien Korelasi ( r ) = 0,94056


»»» REGRESI KUADRATER «««

N = 25 Σ Y = 334 Σ x
2
= 200
Σ X = 350 Σ Y
2
= 4662 Σ x
3
= 5600
Σ X
2
= 5100 Σ XY = 4864 Σ x
4
= 157920
Σ X
3
= 77000 Σ XY
2
= 73496 Σ y
2
= 199,76
Σ X
4
= 1198320 Y bar = 13,36 Σ xy = 188
X bar = 14 Σ x
2
y= 5360
X
2
bar = 204











Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 71
D = [( Σx
4
)(Σx
2
) - ( Σx
3
)
2
] = 224000

b = [( Σx
4
) (Σxy) - ( Σx
3
) (Σx
2
y)] / D = -1,46

c = [( Σx
2
) (Σx
2
y) - ( Σx
3
) (Σxy)] / D = 0,08571

a = Y bar - (b * X bar) - (c * X
2
bar) = 16,3143


Y = 16,31429 - 1,46 X + 0,08571 X
2

Koefisien Determinasi ( r
2
) = 92,5854 Persen
Koefisien Korelasi ( r ) = 0,96221

Titik Belok X : 8,51667
Y : 10,0971

Regresi
0
2
4
6
8
10
12
14
16
18
10 12 14 16
Kandungan Protein
K
a
n
d
u
n
g
a
n

P
h
o
s
p
h
o
r
Linier
Kuadrater

Created by Eff. Agus Marmono Rancangan Bujur Sangkar Latin 72

VIII. PERCOBAAN FAKTORIAL


Faktorial bukan merupakan rancangan percobaan sehingga tidak akan di
jumpai perkataan Faktorial Design. Faktorial adalah pola percobaan sedangkan
modelnya menggunakan rancangan dasar seperti RAL, RAK, RBSL, NESTED
tetapi yang paling sering digunakan adalah RAL dan RAK.
Pada bab-bab sebelumnya kita hanya membicarakan percobaan dengan satu
faktor yang secara umum dinyatakan dengan perlakuan dan terdiri dari beberapa
level (dosis).

Contoh :
r
1
= 10 % p
1
= 10 gram
Ransum r
2
= 12 % Pemupukan p
2
= 20 gram
r
3
= 14 % p
3
= 30 gram

(Faktor) (level) (Faktor) (level)


Pada percobaan seperti tersebut diatas hanya satu faktor saja yang
diperhatikan sedangkan faktor lainnya dianggap (diasumsikan) sama. Akan tetapi
seringkali terjadi kita ingin mengamati atau meneliti secara bersama-sama
(pengaruh beberapa faktor yang berbeda misalnya pengaruh antibiotik dan vitamin B-
12 terhadap pertambahan berat badan ayam broiller, dalam keadaan seperti ini perlu
kita berikan perlakuan yang merupakan kombinasi dari antibiotik dan vitamin B-12.

Contoh :
Antibiotik (faktor A) a
1
, a
2
, a
3
..... a
n
Vitamin B-12 (faktor B) b
1
, b
2
, b
3
......b
m

Catatan : Faktor ditulis dengan huruf BESAR
Level ditulis dengan huruf KECIL




Created by Eff. Agus Marmono Percobaan Faktorial 73
misal :
1. Faktor A ada 3 level dan Faktor B ada 4 level maka disebut : 3 x 4 Faktorial
2. Faktor A ada 3 level, Faktor B ada 4 level dan Faktor C ada 3 level maka disebut :
3 x 4 x 3 Faktorial.

misal : Faktor A ada 3 level a
1
, a
2
dan a
3
Faktor B ada 4 level b
1
, b
2
, b
3
dan b
4

maka kombinasi level (sebagai perlakuan) yaitu :

a
1
b
1
a
1
b
2
a
1
b
3
a
1
b
4
a
2
b
1
a
2
b
2
a
2
b
3
a
2
b
4
a
3
b
1
a
3
b
2
a
3
b
3
a
3
b
4

Catatan :
Perbedaan level sebaiknya digunakan yang equal.
misal: a
1
=10 a
2
=20 a
3
=30

Dari uraian diatas dapat dikatakan bahwa kita mempunyai dua faktor atau
lebih masing-masing faktor mempunyai dua level atau lebih, maka kombinasi dari
level-level faktor tersebut dinamakan perlakuan faktorial dan apabila kita rancang
dengan rancangan tertentu (RAL, RAK, RBSL, NESTED) maka kita telah
melakukan percobaan faktorial.

Tahapan Analisis Variansi :
misal : percobaan faktorial dengan rancangan dasar RAK (Faktor A ada 3 level
dan faktor B ada 4 level , Faktor A kualitatif dan Faktor B kuantitatif).









Created by Eff. Agus Marmono Percobaan Faktorial 74
R A K FAKT. RAK FAK. RAK dan Regresi
Blok Blok Blok
Perlakuan Perlakuan Perlakuan
Galat A A
TOTAL B Linier
A x B Kuadrater
Galat B
TOTAL Linier
Kuadrater
Kubik
A x B
Pada A
1
B Linier
B Kuadrater
B Kubik
Pada A
2
B Linier
B Kuadrater
B Kubik
Pada A
3
B Linier
B Kuadrater
B Kubik
G a l a t
TOTAL


BEBERAPA ISTILAH UNTUK PERCOBAAN FAKTORIAL :


1. Simple Effect / Pengaruh Sederhana, adalah efek dari suatu faktor dalam suatu
level faktor yang lain.
2. Main Effect / Pengaruh Utama, adalah total dari pengaruh sederhana dibagi dua
atau 1/2 dari pengaruh sederhana.
3. Interaction Effect / Pengaruh Interaksi, adalah perbedaan respon dari suatu faktor
terhadap level-level faktor yang lain.



Created by Eff. Agus Marmono Percobaan Faktorial 75
Bila dalam percobaan faktorial, faktor A dan B masing- masing 2 level (a
1
dan
a
2
serta b
1
dan b
2
), anggaplah percobaan ini dalam tiga keadaan (I , II dan III, serta
angka-amgka merupakan hasil pengamatan) (Stell and Torrie, 1981).

Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
a
1
b
1
a
2
b
1
a
2
b
1
- a
1
b
1
B b
2
a
1
b
2
a
2
b
2
a
2
b
2
- a
1
b
2

Rata
rata
Pengaruh
sederhana
b
2
- b
1
a
1
b
2
-a
1
b
1
a
2
b
2
-a
2
b
1



Keadaan 1
Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
30 32 31 2
B b
2
36 44 40 8

Rata
rata
33 38 35.5 5
Pengaruh
sederhana
b
2
- b
1
6 12 9


Keadaan 2
Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
30 32 31 2
B b
2
36 26 31 - 10

Rata
rata
33 29 31 - 4
Pengaruh
sederhana
b
2
- b
1
6 - 6 0


Created by Eff. Agus Marmono Percobaan Faktorial 76
Keadaan 3
Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
30 32 31 2
B b
2
36 38 37 2

Rata
rata
33 35 34 2
Pengaruh
sederhana
b
2
- b
1
6 6 6


Pengaruh Sederhana :

Selisih dari dua level (a
2
-a
1
) pada salah satu level dari faktor yang lain (b
1
atau b
2
).

Untuk keadaan I : 2 ; 8 ; 6 ; 12
Untuk keadaan II : 2 ; -10 ; 6 ; -6
Untuk keadaan III : 6 ; 6 ; 2 ; 2

Pengaruh Utama :

Pengaruh sederhana yang dirata-ratakan dalam suatu faktor tertentu.

Pada keadaan I, pengaruh utama A =(2 + 8) / 2 =5
pengaruh utama B =(6 +12) / 2 =9

Pada keadaan II, pengaruh utama A ={2 +(-10)} / 2 =-4
pengaruh utama B ={6 +(- 6)} / 2 = 0

Pada keadaan III, pengaruh utama A =(2 + 2) / 2 =2
pengaruh utama B =(6 + 6) / 2 =6

Pengaruh Interaksi :

Interaksi antara faktor A dan B dirumuskan :

A B =
2
1
{( a
2
b
2
- a
1
b
2
) - ( a
2
b
1
- a
1
b
1
)}


Created by Eff. Agus Marmono Percobaan Faktorial 77
Pada keadaan I, AB =1/2 {(44 - 36) - (32 - 30)} = 3
Pada keadaan II, AB =1/2 {(26 - 36) - (32 - 30)} =-6
Pada keadaan III, AB =1/2 {(38 - 36) - (32 - 30)} = 0

Bila masing-masing keadaan I, II dan III digambar kurva responnya maka akan
diperoleh grafik sebagai berikut :
0
5
10
15
20
25
30
35
40
45
50
a1 a2
b1
b2


0
5
10
15
20
25
30
35
40
a1 a2
b1
b2



Created by Eff. Agus Marmono Percobaan Faktorial 78
0
5
10
15
20
25
30
35
40
a1 a2
b1
b2


Dari gambar di atas terlihat bahwa pada keadaan I dan II terdapat interaksi
antara faktor A dan faktor B. Artinya respon yang dihasilkan oleh berubahnya a
1
ke
a
2
tidak sama dalam keadaan b
1
dan b
2
.

Keadaan I dari a
1
ke a
2
dalam b
1
perubahannya =2
dalam b
2
perubahannya =8
dari b
1
ke b
2
dalam a
1
perubahannya =6
dalam a
2
perubahannya =12

Keadaan II dari a
1
ke a
2
dalam b
1
perubahannya =2
dalam b
2
perubahannya =-10
dari b
1
ke b
2
dalam a
1
perubahannya =6
dalam a
2
perubahannya =-6


Percobaan Faktorial digunakan bila :

1. Dua faktor atau lebih dilibatkan dalam penelitian.
2. Masing-masing faktor mempunyai lebih dari 2 level/dosis sehingga perlakuannya
berupa kombinasi faktor/level.


Created by Eff. Agus Marmono Percobaan Faktorial 79
3. Bila ingin mengetahui pengaruh masing-masing faktor dan interaksi antara faktor-
faktor tersebut.
4. Interaksi hanya dapat diketahui dan di uji bila dilakukan ulangan pengamatan
pada seluruh kombinasi level.
5. Sebaiknya digunakan equal replication (ulangan yang sama) untuk memudahkan
analisis data.
6. Bila terlalu banyak kombinasi level dikhawatirkan materi percobaan tidak
homogen, misal pada RAL menuntut homogenitas materi percobaan.
7. Bila kombinasi level hanya ada satu ulangan (tidak ada ulangan) maka kita tidak
dapat mengetahui interaksi.



MODEL MATEMATIK :


Pada Rancangan Acak Lengkap


2 Faktor
ijk ij j i ijk
) ( Y ε αβ β α µ + + + + =



3 Faktor
ijkl ijk jk ik ij k j i ijkl
) ( ) ( ) ( ) ( Y ε αβγ βγ αγ αβ γ β α µ + + + + + + + + =



Pada Rancangan Acak Kelompok

2 Faktor
ijk ij j k ijk
) ( ε αβ β α ρ µ + + + + + =
i
Y





Created by Eff. Agus Marmono Percobaan Faktorial 80
3 Faktor
ijkl ijk jk ik ij k j l
) ( ) ( ) ( ) ( ε αβγ βγ αγ αβ γ β α ρ µ + + + + + + + + + =
i ijkl
Y




Pada Rancangan Bujur Sangkar Latin

2 Faktor

ijkl l k kl(ij)
) ( Y ε αβ β α κ ρ µ + + + + + + =
ij j i


3 Faktor

ijklm
m l lm(ijk)
) ( ) ( ) ( ) (
Y
ε αβγ βγ αγ αβ
γ β α κ ρ µ
+ + + +
+ + + + + + =
ijk jk ik ij
k j i

Created by Eff. Agus Marmono Percobaan Faktorial 81

VIII. PERCOBAAN FAKTORIAL


Faktorial bukan merupakan rancangan percobaan sehingga tidak akan di
jumpai perkataan Faktorial Design. Faktorial adalah pola percobaan sedangkan
modelnya menggunakan rancangan dasar seperti RAL, RAK, RBSL, NESTED
tetapi yang paling sering digunakan adalah RAL dan RAK.
Pada bab-bab sebelumnya kita hanya membicarakan percobaan dengan satu
faktor yang secara umum dinyatakan dengan perlakuan dan terdiri dari beberapa
level (dosis).

Contoh :
r
1
= 10 % p
1
= 10 gram
Ransum r
2
= 12 % Pemupukan p
2
= 20 gram
r
3
= 14 % p
3
= 30 gram

(Faktor) (level) (Faktor) (level)


Pada percobaan seperti tersebut diatas hanya satu faktor saja yang
diperhatikan sedangkan faktor lainnya dianggap (diasumsikan) sama. Akan tetapi
seringkali terjadi kita ingin mengamati atau meneliti secara bersama-sama
(pengaruh beberapa faktor yang berbeda misalnya pengaruh antibiotik dan vitamin B-
12 terhadap pertambahan berat badan ayam broiller, dalam keadaan seperti ini perlu
kita berikan perlakuan yang merupakan kombinasi dari antibiotik dan vitamin B-12.

Contoh :
Antibiotik (faktor A) a
1
, a
2
, a
3
..... a
n
Vitamin B-12 (faktor B) b
1
, b
2
, b
3
......b
m

Catatan : Faktor ditulis dengan huruf BESAR
Level ditulis dengan huruf KECIL




Created by Eff. Agus Marmono Percobaan Faktorial 73
misal :
1. Faktor A ada 3 level dan Faktor B ada 4 level maka disebut : 3 x 4 Faktorial
2. Faktor A ada 3 level, Faktor B ada 4 level dan Faktor C ada 3 level maka disebut :
3 x 4 x 3 Faktorial.

misal : Faktor A ada 3 level a
1
, a
2
dan a
3
Faktor B ada 4 level b
1
, b
2
, b
3
dan b
4

maka kombinasi level (sebagai perlakuan) yaitu :

a
1
b
1
a
1
b
2
a
1
b
3
a
1
b
4
a
2
b
1
a
2
b
2
a
2
b
3
a
2
b
4
a
3
b
1
a
3
b
2
a
3
b
3
a
3
b
4

Catatan :
Perbedaan level sebaiknya digunakan yang equal.
misal: a
1
=10 a
2
=20 a
3
=30

Dari uraian diatas dapat dikatakan bahwa kita mempunyai dua faktor atau
lebih masing-masing faktor mempunyai dua level atau lebih, maka kombinasi dari
level-level faktor tersebut dinamakan perlakuan faktorial dan apabila kita rancang
dengan rancangan tertentu (RAL, RAK, RBSL, NESTED) maka kita telah
melakukan percobaan faktorial.

Tahapan Analisis Variansi :
misal : percobaan faktorial dengan rancangan dasar RAK (Faktor A ada 3 level
dan faktor B ada 4 level , Faktor A kualitatif dan Faktor B kuantitatif).









Created by Eff. Agus Marmono Percobaan Faktorial 74
R A K FAKT. RAK FAK. RAK dan Regresi
Blok Blok Blok
Perlakuan Perlakuan Perlakuan
Galat A A
TOTAL B Linier
A x B Kuadrater
Galat B
TOTAL Linier
Kuadrater
Kubik
A x B
Pada A
1
B Linier
B Kuadrater
B Kubik
Pada A
2
B Linier
B Kuadrater
B Kubik
Pada A
3
B Linier
B Kuadrater
B Kubik
G a l a t
TOTAL


BEBERAPA ISTILAH UNTUK PERCOBAAN FAKTORIAL :


1. Simple Effect / Pengaruh Sederhana, adalah efek dari suatu faktor dalam suatu
level faktor yang lain.
2. Main Effect / Pengaruh Utama, adalah total dari pengaruh sederhana dibagi dua
atau 1/2 dari pengaruh sederhana.
3. Interaction Effect / Pengaruh Interaksi, adalah perbedaan respon dari suatu faktor
terhadap level-level faktor yang lain.



Created by Eff. Agus Marmono Percobaan Faktorial 75
Bila dalam percobaan faktorial, faktor A dan B masing- masing 2 level (a
1
dan
a
2
serta b
1
dan b
2
), anggaplah percobaan ini dalam tiga keadaan (I , II dan III, serta
angka-amgka merupakan hasil pengamatan) (Stell and Torrie, 1981).

Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
a
1
b
1
a
2
b
1
a
2
b
1
- a
1
b
1
B b
2
a
1
b
2
a
2
b
2
a
2
b
2
- a
1
b
2

Rata
rata
Pengaruh
sederhana
b
2
- b
1
a
1
b
2
-a
1
b
1
a
2
b
2
-a
2
b
1



Keadaan 1
Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
30 32 31 2
B b
2
36 44 40 8

Rata
rata
33 38 35.5 5
Pengaruh
sederhana
b
2
- b
1
6 12 9


Keadaan 2
Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
30 32 31 2
B b
2
36 26 31 - 10

Rata
rata
33 29 31 - 4
Pengaruh
sederhana
b
2
- b
1
6 - 6 0


Created by Eff. Agus Marmono Percobaan Faktorial 76
Keadaan 3
Faktor A Rata
Pengaruh
Sederhana
Level a
1
a
2
rata a
2
- a
1
b
1
30 32 31 2
B b
2
36 38 37 2

Rata
rata
33 35 34 2
Pengaruh
sederhana
b
2
- b
1
6 6 6


Pengaruh Sederhana :

Selisih dari dua level (a
2
-a
1
) pada salah satu level dari faktor yang lain (b
1
atau b
2
).

Untuk keadaan I : 2 ; 8 ; 6 ; 12
Untuk keadaan II : 2 ; -10 ; 6 ; -6
Untuk keadaan III : 6 ; 6 ; 2 ; 2

Pengaruh Utama :

Pengaruh sederhana yang dirata-ratakan dalam suatu faktor tertentu.

Pada keadaan I, pengaruh utama A =(2 + 8) / 2 =5
pengaruh utama B =(6 +12) / 2 =9

Pada keadaan II, pengaruh utama A ={2 +(-10)} / 2 =-4
pengaruh utama B ={6 +(- 6)} / 2 = 0

Pada keadaan III, pengaruh utama A =(2 + 2) / 2 =2
pengaruh utama B =(6 + 6) / 2 =6

Pengaruh Interaksi :

Interaksi antara faktor A dan B dirumuskan :

A B =
2
1
{( a
2
b
2
- a
1
b
2
) - ( a
2
b
1
- a
1
b
1
)}


Created by Eff. Agus Marmono Percobaan Faktorial 77
Pada keadaan I, AB =1/2 {(44 - 36) - (32 - 30)} = 3
Pada keadaan II, AB =1/2 {(26 - 36) - (32 - 30)} =-6
Pada keadaan III, AB =1/2 {(38 - 36) - (32 - 30)} = 0

Bila masing-masing keadaan I, II dan III digambar kurva responnya maka akan
diperoleh grafik sebagai berikut :
0
5
10
15
20
25
30
35
40
45
50
a1 a2
b1
b2


0
5
10
15
20
25
30
35
40
a1 a2
b1
b2



Created by Eff. Agus Marmono Percobaan Faktorial 78
0
5
10
15
20
25
30
35
40
a1 a2
b1
b2


Dari gambar di atas terlihat bahwa pada keadaan I dan II terdapat interaksi
antara faktor A dan faktor B. Artinya respon yang dihasilkan oleh berubahnya a
1
ke
a
2
tidak sama dalam keadaan b
1
dan b
2
.

Keadaan I dari a
1
ke a
2
dalam b
1
perubahannya =2
dalam b
2
perubahannya =8
dari b
1
ke b
2
dalam a
1
perubahannya =6
dalam a
2
perubahannya =12

Keadaan II dari a
1
ke a
2
dalam b
1
perubahannya =2
dalam b
2
perubahannya =-10
dari b
1
ke b
2
dalam a
1
perubahannya =6
dalam a
2
perubahannya =-6


Percobaan Faktorial digunakan bila :

1. Dua faktor atau lebih dilibatkan dalam penelitian.
2. Masing-masing faktor mempunyai lebih dari 2 level/dosis sehingga perlakuannya
berupa kombinasi faktor/level.


Created by Eff. Agus Marmono Percobaan Faktorial 79
3. Bila ingin mengetahui pengaruh masing-masing faktor dan interaksi antara faktor-
faktor tersebut.
4. Interaksi hanya dapat diketahui dan di uji bila dilakukan ulangan pengamatan
pada seluruh kombinasi level.
5. Sebaiknya digunakan equal replication (ulangan yang sama) untuk memudahkan
analisis data.
6. Bila terlalu banyak kombinasi level dikhawatirkan materi percobaan tidak
homogen, misal pada RAL menuntut homogenitas materi percobaan.
7. Bila kombinasi level hanya ada satu ulangan (tidak ada ulangan) maka kita tidak
dapat mengetahui interaksi.



MODEL MATEMATIK :


Pada Rancangan Acak Lengkap


2 Faktor
ijk ij j i ijk
) ( Y ε αβ β α µ + + + + =



3 Faktor
ijkl ijk jk ik ij k j i ijkl
) ( ) ( ) ( ) ( Y ε αβγ βγ αγ αβ γ β α µ + + + + + + + + =



Pada Rancangan Acak Kelompok

2 Faktor
ijk ij j k ijk
) ( ε αβ β α ρ µ + + + + + =
i
Y





Created by Eff. Agus Marmono Percobaan Faktorial 80
3 Faktor
ijkl ijk jk ik ij k j l
) ( ) ( ) ( ) ( ε αβγ βγ αγ αβ γ β α ρ µ + + + + + + + + + =
i ijkl
Y




Pada Rancangan Bujur Sangkar Latin

2 Faktor

ijkl l k kl(ij)
) ( Y ε αβ β α κ ρ µ + + + + + + =
ij j i


3 Faktor

ijklm
m l lm(ijk)
) ( ) ( ) ( ) (
Y
ε αβγ βγ αγ αβ
γ β α κ ρ µ
+ + + +
+ + + + + + =
ijk jk ik ij
k j i

Created by Eff. Agus Marmono Percobaan Faktorial 81
Faktor C : Dosis Vitamin C : 0 ; 200 dan 400 µg
Faktor L : Lama Penyimpanan : 0 ; 60 dan 120 menit
Blok : Periode Penyadapan 1 ; 2 dan 3 ( interval 2 hari )
D a t a : Motilitas
Tabel 1. C x L x Blok
Perla- Total Rataan
kuan 1 2 3 Perlk Perlk
c
0
l
0
70.00 75.00 70.00 215.00 71.67
c
0
l
1
65.00 60.00 60.00 185.00 61.67
c
0
l
2
65.00 70.00 65.00 200.00 66.67
c
1
l
0
70.00 70.00 85.00 225.00 75.00
c
1
l
1
70.00 75.00 75.00 220.00 73.33
c
1
l
2
80.00 85.00 90.00 255.00 85.00
c
2
l
0
65.00 70.00 70.00 205.00 68.33
c
2
l
1
75.00 95.00 90.00 260.00 86.67
c
2
l
2
85.00 90.00 95.00 270.00 90.00
Total 645.00 690.00 700.00 2035.00
Tabel 2. C x L x Blok [ Transf. Arc. Sin √ (%) ]
Perla- Total Rataan
kuan 1 2 3 Perlk Perlk
c
0
l
0
56.79 60.00 56.79 173.58 57.86
c
0
l
1
53.73 50.77 50.77 155.27 51.76
c
0
l
2
53.73 56.79 53.73 164.25 54.75
c
1
l
0
56.79 56.79 67.21 180.79 60.26
c
1
l
1
56.79 60.00 60.00 176.79 58.93
c
1
l
2
63.43 67.21 71.57 202.21 67.40
c
2
l
0
53.73 56.79 56.79 167.31 55.77
c
2
l
1
60.00 77.08 71.57 208.64 69.55
c
2
l
2
67.21 71.57 77.08 215.86 71.95
Total 522.20 556.99 565.50 1644.69
B l o k
B l o k
Created by Eff. Agus Marmono Rancangan Percobaan 82
Tabel 3. C x L
c
0
c
1
c
2
Total L Rataan L
l
0
173.58 180.79 167.31 521.68 57.96
l
1
155.27 176.79 208.64 540.70 60.08
l
2
164.25 202.21 215.86 582.32 64.70
Total C 493.09 559.79 591.81 1644.69
Rataan C 54.79 62.20 65.76
»»» Perhitungan Jumlah Kuadat «««
1. F. Koreksi = 1644.69
2
/(3x3x3)= 100185.8
2. J K Total = 56.79
2
+……+ 77.08
2
- FK =
= 101726.0 - 100185.8 = 1540.19
3. J K Blok = 522.202
2
+……+ 565.498
2
/9 - FK =
= 100302.7 - 100185.8 = 116.9371
4. J K Perlakuan = 173.578
2
+……+ 215.858
2
/3 - FK =
= 101387.5 - 100185.8 = 1201.725
5. J K C = 493.091
2
+……+ 591.809
2
/9 - FK =
= 100749.5 - 100185.8 = 563.6868
6. J K L = 521.677
2
+……+ 582.318
2
/9 - FK =
= 100399.6 - 100185.8 = 213.7516
7. J K C x L = 1201.725 - 563.6868 - 213.7516
= 424.2869
7. J K Galat = 1540.190 - 116.9371 - 1201.725
= 221.527
Created by Eff. Agus Marmono Rancangan Percobaan 83
Tabel 4. Anava
Sumber J umlah Derajat Kuadrat F F tabel
Variasi Kuadrat Bebas Tengah hitung 0.05 0.01
Blok 116.937 2 58.469 4.223 3.63 6.23
Perlakuan 1201.725 8 150.216 10.849 2.59 3.89
C 563.687 2 281.843 20.356 3.63 6.23
L 213.752 2 106.876 7.719 3.63 6.23
C x L 424.287 4 106.072 7.661 3.01 4.77
Galat 221.527 16 13.845 σ = 3.721
TOTAL 1540.190 26 K K = 6.108 %
»»» Memecah JK C
Perlakuan c
0
c
1
c
2
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 493.09 559.79 591.81 (a) (b) (a
2
/b)
Linier -1 0 1 98.71802 3 x 3 x 2 541.4026
Kuadrater 1 -2 1 -34.6893 3 x 3 x 6 22.28416
Total J K C = 563.6868
»»» Memecah JK L
Perlakuan l
0
l
1
l
2
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 521.68 540.70 582.32 (a) (b) (a
2
/b)
Linier -1 0 1 60.64094 3 x 3 x 2 204.2958
Kuadrater 1 -2 1 22.59675 3 x 3 x 6 9.455799
Total J K L = 213.7516
Created by Eff. Agus Marmono Rancangan Percobaan 84
»»» Memecah JK C x L
Perl L o c
0
c
1
c
2
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 173.58 180.79 167.31 (a) (b) (a
2
/b)
Linier -1 0 1 -6.2712 3 x 2 6.554655
Kuadrater 1 -2 1 -20.6982 3 x 6 23.80087
Total 30.35552
Perl L
1
c
0
c
1
c
2
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 155.27 176.79 208.64 (a) (b) (a
2
/b)
Linier -1 0 1 53.37832 3 x 2 474.8742
Kuadrater 1 -2 1 10.33167 3 x 6 5.930186
Total 480.8044
Perl L
2
c
0
c
1
c
2
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 164.25 202.21 215.86 (a) (b) (a
2
/b)
Linier -1 0 1 51.61089 3 x 2 443.9474
Kuadrater 1 -2 1 -24.3227 3 x 6 32.86639
Total 476.8138
J K C +J K C x L = 987.9737
Created by Eff. Agus Marmono Rancangan Percobaan 85
Tabel 5. Anava
Sumber J umlah Derajat Kuadrat F F tabel
Variasi Kuadrat Bebas Tengah hitung 0.05 0.01
Blok 116.937 2 58.469 4.223 3.630 6.230
Perlakuan 1201.725 8 150.216 10.849 2.59 3.89
C 563.687 2 281.843 20.356 3.63 6.23
Lin 541.403 1 541.403 39.103 4.49 8.53
Kdr 22.284 1 22.284 1.609 4.49 8.53
L 213.752 2 106.876 7.719 3.63 6.23
Lin 204.296 1 204.296 14.755 4.49 8.53
Kdr 9.456 1 9.456 0.683 4.49 8.53
C x L 424.287 4 106.072 7.661 3.01 4.77
Pd L
0
C Lin 6.555 1 6.555 0.473 4.49 8.53
C Kdr 23.801 1 23.801 1.719 4.49 8.53
Pd L
1
C Lin 474.874 1 474.874 34.298 4.49 8.53
C Kdr 5.930 1 5.930 0.428 4.49 8.53
Pd L
2
C Lin 443.947 1 443.947 32.064 4.49 8.53
C Kdr 32.866 1 32.866 2.374 4.49 8.53
Galat 221.527 16 13.845 σ = 3.721
TOTAL 1540.190 26 K K = 6.108 %
Created by Eff. Agus Marmono Rancangan Percobaan 86
»»» Uji Beda Nyata Jujur «««
BNJ 0.05= 3.6490 x 1.2403 = 4.5259
BNJ 0.01= 4.7860 x 1.2403 = 5.9362
»»» Untuk C
Perlakuan c
0
c
1
c
2
Rataan 54.7878 62.1994 65.7565
c
2
10.9687 3.5572 -
c
1
7.4115 -
c
0 -
»»» Untuk L
Perlakuan l
0
l
1
l
2
Rataan 57.9641 60.0777 64.7020
l
2
7.7924 5.6789 -
l
1
4.2353 -
l
0 -
»»» Untuk C x L
BNJ 0.05= 5.0310 x 2.1483 = 10.8081
BNJ 0.01= 6.2220 x 2.1483 = 13.3667
Perlakuan c
0
l
0
c
0
l
1
c
0
l
2
c
1
l
0
c
1
l
1
Rataan 57.859 51.755 54.749 60.264 58.930
c
2
l
2
14.093 20.197 17.204 11.689 13.023
c
2
l
1
11.689 17.793 14.799 9.284 10.618
c
2
l
0
2.090 4.014 1.020 4.495 3.161
c
1
l
2
9.545 15.649 12.656 7.141 8.475
c
1
l
1
1.070 7.174 4.181 1.334 -
c
1
l
0
2.405 8.509 5.515 -
c
0
l
2
3.110 2.994 -
c
0
l
1
6.104 -
c
0
l
0 -
Created by Eff. Agus Marmono Rancangan Percobaan 87
Perlakuan c
1
l
2
c
2
l
0
c
2
l
1
c
2
l
2
Rataan 67.405 55.769 69.548 71.953
c
2
l
2
4.548 16.184 2.405 -
c
2
l
1
2.144 13.779 -
c
2
l
0
11.636 -
c
1
l
2
-
c
1
l
1
c
1
l
0
c
0
l
2
c
0
l
1
c
0
l
0
Kurva Respon C x L
40
50
60
70
80
0 60 120
Lama Penyimpanan (jam)
M
o
t
i
l
i
t
a
s
C-1
C-2
C-3
Created by Eff. Agus Marmono Rancangan Percobaan 88
D a t a : X : Dosis Vitamin C [ Penyimpanan 60 menit ]
Y : Motilitas
Tabel 1. Data X dan Y
No X Y
X
2
Y
2
XY
1 0 53.73 0 2886.784 0.000
2 0 50.77 0 2577.439 0.000
3 0 50.77 0 2577.439 0.000
4 200 56.79 40000 3225.001 11357.818
5 200 60.00 40000 3600.000 12000.000
6 200 60.00 40000 3600.000 12000.000
7 400 60.00 160000 3600.000 24000.000
8 400 77.08 160000 5941.177 30831.613
9 400 71.57 160000 5121.557 28626.020
N 9
Jumlah 1800 540.69893 600000 33129.396 118815.45
Rataan 200 60.078 66666.667
»»» REGRESI LINIER «««
N = 9 Σ Y = 540.69893 Σ x
2
= 240000
Σ X = 1800 Σ Y
2
= 33129.396 Σ y
2
= 645.46934
Σ X
2
= 600000 Y bar = 60.078 Σ xy = 10675.665
X bar = 200 Σ XY = 118815.45
b = Σxy / Σx
2
= 0.0444819
a = Y bar - b ( X bar ) = 51.181272
Y = 51.181272 + 0.04448194 X
Koefisien Determinasi ( r
2
) = 73.5703807 Persen
Koefisien Korelasi ( r ) = 0.85773178
Created by Eff. Agus Marmono Rancangan Percobaan 89
Regresi pada L
1
50
54
58
62
66
70
0 200 400
Dosis Vitamin C (µg)
M
o
t
i
l
i
t
a
s
Linier
Created by Eff. Agus Marmono Rancangan Percobaan 90
D a t a : X : Dosis Vitamin C [ Penyimpanan 120 menit ]
Y : Motilitas
Tabel 1. Data X dan Y
No X Y
X
2
Y
2
XY
1 0 53.73 0 2886.784 0.000
2 0 56.79 0 3225.001 0.000
3 0 53.73 0 2886.784 0.000
4 200 63.43 40000 4023.993 12686.990
5 200 67.21 40000 4517.655 13442.700
6 200 71.57 40000 5121.557 14313.010
7 400 67.21 160000 4517.655 26885.401
8 400 71.57 160000 5121.557 28626.020
9 400 77.08 160000 5941.177 30831.613
N 9
Jumlah 1800 582.317781 600000 38242.162 126785.74
Rataan 200 64.702 66666.667
»»» REGRESI LINIER «««
N = 9 Σ Y = 582.317781 Σ x
2
= 240000
Σ X = 1800 Σ Y
2
= 38242.162 Σ y
2
= 565.05093
Σ X
2
= 600000 Y bar = 64.702 Σ xy = 10322.179
X bar = 200 Σ XY = 126785.735
b = Σxy / Σx
2
= 0.04300908
a = Y bar - b ( X bar ) = 56.10016
Y = 56.10016 + 0.0430091 X
Koefisien Determinasi ( r
2
) = 78.567679 Persen
Koefisien Korelasi ( r ) = 0.8863841
Created by Eff. Agus Marmono Rancangan Percobaan 91
Regresi pada L
2
50
55
60
65
70
75
0 200 400
Dosis Vitamin C (µg)
M
o
t
i
l
i
t
a
s
Linier
Created by Eff. Agus Marmono Rancangan Percobaan 92

IX. SPLIT PLOT DESIGN


Pada percobaan yang menggunakan dua faktor atau lebih untuk diamati,
kadangkala salah satu faktornya dianggap lebih penting dari faktor yang lain,
sehingga dalam pelaksanaannya mendapat ketelitian yang lebih tinggi.
Misalkan dalam percobaan pengairan (faktor A) dan jenis padi (faktor B).
Untuk melaksanakan percobaan pengairan ini memerlukan petak-petak yang besar,
sehingga dalam petak yang besar ini dapat ditanam berbagai jenis padi untuk
dibandingkan hasilnya.
Untuk melaksanakan percobaan ini tanah dibagi dalam blok-blok sebanyak
ulangan yang ditentukan. Tiap-tiap blok dibagi petakan besar (Main Plot)
sebanyak faktor yang kurang dipentingkan, faktor A ini diletakkan seara random.
Tiap petakan besar ini dibagi lagi menjadi petakan kecil (Sub Plot) sebanyak
faktor yang dipentingkan dan faktor B ini diletakkan secara random pula.

TATALETAK PERCOBAAN

Misalnya dalam suatu percobaan akan dicoba empat macam pengairan a1, a2,
a3, a4 sebagai Main Plot dengan tiga jenis padi yaitu b1, b2 dan b3 sebagai Sub Plot
dan semua diulang sebanyak empat kali.



Kelompok 1

a
1
a
2
a
3
a
4
b 1 3 2 3
b 3 2 1 1
b 2 1 3 2



Created by Eff. Agus Marmono Rancangan Percobaan 93

Kelompok 2

a
1
a
2
a
3
a
4
b 3 2 3 3
b 1 3 1 2
b 2 1 2 1


Kelompok 3

a
1
a
2
a
3
a
4
b 1 1 2 2
b 3 3 1 3
b 2 2 3 1


Kelompok 4

a
1
a
2
a
3
a
4
b 3 1 2 3
b 1 2 1 2
b 2 3 3 1


Disini dilakukan dua tahap pengacakan :
Pertama : level/dosis pada faktor A diacak kedalam satuan utuh (Main Plot)
Kedua : level/dosis pada faktor B diacak kedalam satuan bagian dari tiap-
tiap satuannya.

Beberapa pertimbangan mengapa Split Plot Design digunakan :

1. Bila untuk mengamati suatu faktor dibutuhkan unit/materi percobaan yang
berbeda jumlahnya/besarnya.
Misalnya :
a. Bidang Pertanian :
Ada faktor pengolahan tanah dan faktor varietas tanaman. Kita tidak
mungkin mengerjakan pengolahan tanah pada petak yang sempit, tetapi

Created by Eff. Agus Marmono Rancangan Percobaan 94

dapat menanam varietas padi pada petak yang sempit. Dalam hal ini
pengolahan tanah sebagai satuan utuh sedangkan varietas sebagai satuan
bagian.

b. Bidang Peternakan :
Percobaan penetasan telur, ada faktor suhu dan berat telur. Tidak
mungkin dalam satu mesin tetas terdapat berbagai suhu yang berlainan,
tetapi dalam satu mesin tetas dapat diisi berbagai berat telur.
Maka mesin tetas sebagai satuan utuh dan berat telur sebagai satuan
bagian.

2. Bila dikehendaki agar ruang lingkup percobaan menjadi lebih luas.
Misalnya : Tujuan utama ingin membandingkan beberapa antibiotika dan
diikutkan beberapa strain ternak karena efektivitas antibiotika untuk
setiap ternak berbeda. Maka strain ternak sebagai satuan utuh dan
antibiotika sebagai satuan bagian.

3. Bila salah satu faktor ingin diamati dengan tingkat ketelitian yang lebih tinggi
dari faktor yang lain. Dari skema diatas dapat diketahui bahwa faktor B
diulang sebanyak 16 kali sedangkan faktor A hanya 4 kali.



MODEL MATEMATIK

RAL

ijk ij i jk j ijk
) ( Y ε αβ β δ α µ + + + + + =






Created by Eff. Agus Marmono Rancangan Percobaan 95

RAK
ijk ij i jk j k ijk
) ( Y ε αβ β δ α ρ µ + + + + + + =



RBSL
ijkl ij i jkl j l k ijk
) ( Y ε αβ β δ α κ γ µ + + + + + + + =




TABULASI DATA


Tabel 1. MP x SP x Ulg


Ulangan / (Blok) MAIN
PLOT
SUB
PLOT 1 2 3 4
TOTAL
( Yi j . )
b 1
a 1 b 2 Y ijk
b 3
( Y . j k ) ( Y . j . )
b 1
a 2 b 2
b 3
( Y . j k ) ( Y . j . )
b 1
a 3 b 2
b 3
( Y . j k ) ( Y . j . )
b 1
a 4 b 2
b 3
( Y . j k ) ( Y . j . )
( Y . . k ) ( Y . . . )







Created by Eff. Agus Marmono Rancangan Percobaan 96

Tabel 2. MP x SP

a
1
a
2
a
3
a
4
( Y i . . )
b
1
Yij.
b
2

b
3

( Y . j . ) ( Y . . . )



Perhitungan Jumlah Kuadrat (SPD-RAK)

= =
r . m . s
... Y
Koreksi F . 1
2


∑ ∑ ∑
= = =
= =
s
1 i
m
1 j
r
1 k
ijk
2
TOTAL
K F - Y JK 2.


= =
∑ ∑
= =
K F -
s
Y
JK 3.
m
1 j
r
1 k
jk .
2
1 TOTAL SUB

= =

=
K F -
m . s
Y
JK 4.
r
1 k
k ..
2
BLOK

= =

=
K F -
r . s
Y
JK 5.
m
1 j
. j .
2
PLOT MAIN

= = JK - JK - JK JK . 6
PLOT MAIN BLOK 1 S.TOTAL A GALAT




Created by Eff. Agus Marmono Rancangan Percobaan 97

= =
∑∑
= =
K F -
r
Y
JK . 7
s
1 i
m
1 j
. ij
2
2 TOTAL SUB

= =

=
K F -
r . m
Y
JK . 8
s
1 i
.. i
2
PLOT SUB

= = JK - JK - JK JK . 9
PLOT SUB PLOT MAIN 2 S.TOTAL INTERAKSI


= = JK - JK - JK - JK JK . 10
MP SP 1 TOTAL SUB TOTAL B GALAT




Tabel Analisis Variansi
F tabel S U M B E R
V A R I A S I
J umlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F
hitung 0.05 0.01
Blok J K
B
r-1 KT
B
=A A/C
Main Plot J K
MP
m-1 KT
MP
=B B/C
Galat a J K
Ga
(r-1)(m-1) KT
Ga
=C σa =√ C
Sub Total 1 J K
ST1
rm-1 KK a =
Sub Plot J K
SP
s-1 KT
SP
=D D / F
Interaksi J K
Int
(m-1)(s-1) KT
Int
=E E / F
Galat b J K
Gb
m(r-1)(s-1) KT
Gb
=F σb =√ F
Total J K
Tot
rms-1 KK b =













Created by Eff. Agus Marmono Rancangan Percobaan 98
Pada Split Plot Design ada 4 Standar Error


1. Antar nilai rataan MP untuk semua SP

) r . s (
) a galat KT x (2
1 SE =

__ __
misal : MP 1 - MP 2


2. Antar nilai rataan SP untuk semua MP

) r . m (
) b galat KT x (2
2 SE =

__ __
misal : SP 1 - SP 2


3. Antar nilai rataan SP untuk satu taraf/level MP

) r (
) b galat KT x (2
3 SE =

_ _
misal : S 31 - S 21


4. Antar nilai rataan MP untuk satu taraf/level SP

) r . s (
a) galat KT b KTgalat 1) - (s (2
4 SE
+
=

_ _
misal : S 13 - S 12






Created by Eff. Agus Marmono Rancangan Percobaan 99

MP 1 MP 2 MP 3 MP 4 Rataan
SP 1 S 11 S 12 S 13 S 14 SP 1
SP 2 S 21 S 22 S 23 S 24 SP 2
SP 3 S 31 S 32 S 33 S 34 SP 3
Rataan MP 1 MP 2 MP 3 MP 4






Sumber Variasi dan Derajat Bebas SPD pada tiga Rancangan Dasar

R A L R A K R B S L
S VARIASI D B S VARIASI D B S VARIASI D B
M Plot m-1 Blok r-1 Baris r-1
Galat a m(r-1) M Plot m-1 Kolom r-1
Sub Total 1 mr-1 Galat a (m-1)(r-1 M Plot r-1
Sub Plot s-1 Sub Total 1 rm-1 Galat a (r-1)(r-2)
Interaksi (r-1)(s-1) Sub Plot s-1 Sub Total 1 r
2
-1
Galat b m(r-1)(s-1) Interaksi (m-1)(s-1 Sub Plot s-1
TOTAL rms-1 Galat b m(r-1)(s-1) Interaksi (m-1)(s-1)
TOTAL rms-1 Galat b m(r-1)(s-1)
TOTAL rms-1

Created by Eff. Agus Marmono Rancangan Percobaan 100
Main Plot : Umur telur ( 1; 3; 5 dan 7 hari )
Sub Plot : Frekuensi Pemutaran ( 4; 6; 8 kali/hari )
Ulangan : Tiga kali
D a t a : Daya Tetas (%)
Tabel 1. MP x SP x Ulg
M a i n S u b Ulangan
P l o t P l o t 1 2 3
F
1
70.00 85.00 80.00 235.00 78.33
U
1
F
2
80.00 85.00 85.00 250.00 83.33
F
3
90.00 90.00 85.00 265.00 88.33
S. Total 240.00 260.00 250.00 750.00
F
1
70.00 75.00 75.00 220.00 73.33
U
2
F
2
80.00 80.00 85.00 245.00 81.67
F
3
85.00 85.00 80.00 250.00 83.33
S. Total 235.00 240.00 240.00 715.00
F
1
60.00 65.00 65.00 190.00 63.33
U
3
F
2
75.00 70.00 75.00 220.00 73.33
F
3
85.00 80.00 85.00 250.00 83.33
S. Total 220.00 215.00 225.00 660.00
F
1
60.00 65.00 70.00 195.00 65.00
U
4
F
2
70.00 70.00 75.00 215.00 71.67
F
3
75.00 75.00 80.00 230.00 76.67
S. Total 205.00 210.00 225.00 640.00
Total 900.00 925.00 940.00 2765.00
Rataan Total
Created by Eff. Agus Marmono Rancangan Percobaan 101
Tabel 2. MP x SP x Ulg [ Transf. Arc. Sin √ % ]
M a i n S u b Ulangan
P l o t P l o t 1 2 3
F
1
56.79 67.21 63.43 187.43 62.48
U
1
F
2
63.43 67.21 67.21 197.85 65.95
F
3
71.57 71.57 67.21 210.35 70.12
S. Total 191.79 205.99 197.85 595.63
F
1
56.79 60.00 60.00 176.79 58.93
U
2
F
2
63.43 63.43 67.21 194.07 64.69
F
3
67.21 67.21 63.43 197.85 65.95
S. Total 187.43 190.64 190.64 568.71
F
1
50.77 53.73 53.73 158.23 52.74
U
3
F
2
60.00 56.79 60.00 176.79 58.93
F
3
67.21 63.43 67.21 197.85 65.95
S. Total 177.98 173.95 180.94 532.87
F
1
50.77 53.73 56.79 161.29 53.76
U
4
F
2
56.79 56.79 60.00 173.58 57.86
F
3
60.00 60.00 63.43 183.43 61.14
S. Total 167.56 170.52 180.22 518.30
Total 724.76 741.10 749.65 2215.51
Tabel 3. MP x SP
U
1
U
2
U
3
U
4
Total SP
F
1
187.43 176.79 158.23 161.29 683.74
F
2
197.85 194.07 176.79 173.58 742.29
F
3
210.35 197.85 197.85 183.43 789.48
Total MP 595.63 568.71 532.87 518.30 2215.51
Total Rataan
Created by Eff. Agus Marmono Rancangan Percobaan 102
»»» Perhitungan Jumlah Kuadrat «««
1. F. Koreksi = 2215.51
2
/(4x3x3) = 136346.8
2. J K Total = 56.79
2
+….....+ 63.43
2
- FK =
= 137429.3 - 136346.8 = 1082.50
3. J K S.Tot I =( 191.79
2
+….....+ 180.22
2
) / 3 - FK =
=136828.19 - 136346.8 = 481.40
4. J K M. Plot =( 595.63
2
+….....+ 518.30
2
) / (3x3) - FK =
= 136754.6 - 136346.8 = 407.8164
5. J K Galat a =J K S. Total I - J K Main Plot =
= 481.40 - 407.8164 = 73.58
6. J K S.Tot II =( 187.43
2
+….....+ 183.43
2
) / 3 - FK =
= 137270.4 - 136346.8 = 923.6554
7. J K S. Plot =( 683.74
2
+….....+ 789.48
2
) / (4x3) - FK =
= 136814.5 - 136346.8 = 467.6652
8. J K Interaksi =J K S.Total II - J K Main Plot - J K Sub Plot =
= 923.6554 - 407.8164 - 467.6652
= 48.17383
9. J K Galat b =J K Total - J K S. Total I - J K S. Plot - J K Interaksi =
= 1082.50 - 481.40 - 467.6652
- 48.17383
= 85.26
Created by Eff. Agus Marmono Rancangan Percobaan 103
Tabel 4. Analisis Variansi
S u m b e r J umlah Derajat Kuadrat F
V a r i a s i Kuadrat Bebas Tengah hit 0.05 0.01
M. Plot 407.82 3 135.94 14.780 4.070 7.590
Galat a 73.58 8 9.20 σ a = 3.033
S. Total 481.40 11 KK a = 4.928 %
S. Plot 467.67 2 233.83 43.881 3.630 6.230
Interaksi 48.17 6 8.03 1.507 2.740 4.200
Galat b 85.26 16 5.33 σ b = 2.308
T O T A L 1082.50 35 KK b = 3.751 %
»»» Memecah JK Main Plot
Perlakuan U
1
U
2
U
3
U
4
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 595.63 568.71 532.87 518.30 (a) (b)
(a
2
/b)
Linier -3 -1 1 3 -267.83 3 x 3 x 20 398.5162
Kuadrater 1 -1 -1 1 12.35 3 x 3 x 4 4.236736
Kubik -1 3 -3 1 30.19 3 x 3 x 20 5.063534
Total JK MP = 407.8164
»»» Memecah JK Sub Plot
Perlakuan F
1
F
2
F
3
Σ Ci.Ti r. Σ Ci
2
J K
Total Perl 683.74 742.29 789.48 (a) (b)
(a
2
/b)
Linier -1 0 1 105.74 4 x 3 x 2 465.8728
Kuadrater 1 -2 1 -11.36 4 x 3 x 6 1.792356
Total JK SP = 467.6652
F tabel
Created by Eff. Agus Marmono Rancangan Percobaan 104
Tabel 5. Analisis Variansi
S u m b e r J umlah Derajat Kuadrat F
V a r i a s i Kuadrat Bebas Tengah hit 0.05 0.01
M. Plot 407.82 3 135.94 14.780 4.070 7.590
Linier 398.52 1 398.52 43.329 5.320 11.260
Kuadrater 4.24 1 4.24 0.461 5.320 11.260
Kubik 5.06 1 5.06 0.551 5.320 11.260
Galat a 73.58 8 9.1975 σ a = 3.033
S. Total 481.40 11 KK a = 4.928 %
S. Plot 467.67 2 233.83 43.881 3.630 6.230
Linier 465.87 1 465.87 87.425 4.490 8.530
Kuadrater 1.79 1 1.79 0.336 4.490 8.530
Interaksi 48.17 6 8.03 1.507 2.740 4.200
Galat b 85.26 16 5.3288 σ b = 2.308
T O T A L 1082.50 35 KK b = 3.751 %
»»» Uji Beda Nyata Terkecil (BNT) «««
»»» Untuk Main Plot
BNT 0.05= 2.3060 x 1.4296 = 3.2968
BNT 0.01= 3.3550 x 1.4296 = 4.7965
U
1
U
2
U
3
U
4
Rataan 49.6358 47.3925 44.4058 43.1917
U
4
6.4442 4.2008 1.2142 -
U
3
5.2300 2.9867 -
U
2
2.2433 -
U
1
-
F tabel
Created by Eff. Agus Marmono Rancangan Percobaan 105
»»» Untuk Sub Plot
BNT 0.05= 2.1200 x 0.9424 = 1.9979
BNT 0.01= 2.9210 x 0.9424 = 2.7528
F
1
F
2
F
3
Rataan 56.9783 61.8575 65.7900
F
3
8.8117 3.9325 -
F
2
4.8792 -
F
1
-
»»» Untuk Antar Sub Plot dalam tiap Main Plot
BNT 0.05= 2.1200 x 1.8848 = 3.9958
BNT 0.01= 2.9210 x 1.8848 = 5.5056
Main F
1
F
2
F
3
Plot Rataan 62.4767 65.9500 70.1167
F
3
7.6400 4.1667 -
U
1
F
2
3.4733 -
F
1
-
F
1
F
2
F
3
Rataan 58.9300 64.6900 65.9500
F
3
7.0200 1.2600 -
U
2
F
2
5.7600 -
F
1
-
F
1
F
2
F
3
Rataan 52.7433 58.9300 65.9500
F
3
13.2067 7.0200 -
U
3
F
2
6.1867 -
F
1
-
F
1
F
2
F
3
Rataan 53.7633 57.8600 61.1433
F
3
7.3800 3.2833 -
U
4
F
2
4.0967 -
F
1
-
Created by Eff. Agus Marmono Rancangan Percobaan 106
»»» Untuk Antar Main Plot dalam tiap Sub Plot
BNT 0.05= 2.2062 x 3.3903 = 7.4796
BNT 0.01= 3.1220 x 3.3903 = 10.5847
Sub U
1
U
2
U
3
U
4
Plot Rataan 62.4767 58.9300 52.7433 53.7633
U
4
8.7133 5.1667 1.0200 -
F
1
U
3
9.7333 6.1867 -
U
2
3.5467 -
U
1
-
U
1
U
2
U
3
U
4
Rataan 65.9500 64.6900 58.9300 57.8600
U
4
8.0900 6.8300 1.0700 -
F
2
U
3
7.0200 5.7600 -
U
2
1.2600 -
U
1
-
U
1
U
2
U
3
U
4
Rataan 70.1167 65.9500 65.9500 61.1433
U
4
8.9733 4.8067 4.8067 -
F
3
U
3
4.1667 0.0000 -
U
2
4.1667 -
U
1
-
Created by Eff. Agus Marmono Rancangan Percobaan 107
D a t a : X : Umur Telur
Y : Motilitas
Tabel 1. Data X dan Y
No X Y
X
2
Y
2
XY
1 1 56.79 1.0000 3225.1041 56.7900
2 1 63.43 1.0000 4023.3649 63.4300
3 1 71.57 1.0000 5122.2649 71.5700
4 1 67.21 1.0000 4517.1841 67.2100
5 1 67.21 1.0000 4517.1841 67.2100
6 1 71.57 1.0000 5122.2649 71.5700
7 1 63.43 1.0000 4023.3649 63.4300
8 1 67.21 1.0000 4517.1841 67.2100
9 1 67.21 1.0000 4517.1841 67.2100
10 3 56.79 9.0000 3225.1041 170.3700
11 3 63.43 9.0000 4023.3649 190.2900
12 3 67.21 9.0000 4517.1841 201.6300
13 3 60.00 9.0000 3600.0000 180.0000
14 3 63.43 9.0000 4023.3649 190.2900
15 3 67.21 9.0000 4517.1841 201.6300
16 3 60.00 9.0000 3600.0000 180.0000
17 3 67.21 9.0000 4517.1841 201.6300
18 3 63.43 9.0000 4023.3649 190.2900
19 5 50.77 25.0000 2577.5929 253.8500
20 5 60.00 25.0000 3600.0000 300.0000
21 5 67.21 25.0000 4517.1841 336.0500
22 5 53.73 25.0000 2886.9129 268.6500
23 5 56.79 25.0000 3225.1041 283.9500
24 5 63.43 25.0000 4023.3649 317.1500
25 5 53.73 25.0000 2886.9129 268.6500
26 5 60.00 25.0000 3600.0000 300.0000
27 5 67.21 25.0000 4517.1841 336.0500
28 7 50.77 49.0000 2577.5929 355.3900
29 7 56.79 49.0000 3225.1041 397.5300
30 7 60.00 49.0000 3600.0000 420.0000
31 7 53.73 49.0000 2886.9129 376.1100
32 7 56.79 49.0000 3225.1041 397.5300
33 7 60.00 49.0000 3600.0000 420.0000
34 7 56.79 49.0000 3225.1041 397.5300
35 7 60.00 49.0000 3600.0000 420.0000
36 7 63.43 49.0000 4023.3649 444.0100
Created by Eff. Agus Marmono Rancangan Percobaan 108
No X Y
X
2
Y
2
XY
J umlah 144.00 2215.51 756.0000 137429.2901 8594.2100
Rataan 4.00 61.54
Minimum 1.00 50.77
Maksimum 7.00 71.57
N = 36 Σ Y = 2215.51
Σ X = 144.00 Σ Y
2
=137429.2901
Σ X
2
= 756.0000 Y bar = 61.54
X bar = 4.00 Σ XY = 8594.2100
Σ x
2
= 180
Σ y
2
= 1082.49676
Σ xy = -267.83
Koefisien regresi ( b ) = Σxy / Σx
2
= -1.48794444
Intersep ( a ) = Y bar - ( b ) ( X bar ) = 67.4937222
Persamaan Garis Regresi Linier : Y = 67.4937222 - 1.48794444 X
Koefisien Determinasi ( r
2
) ( J K Regresi / J K Total ) x 100 % = 36.815 Persen
Koefisien Korelasi ( r ) =√ ( J K Regresi / J K Total ) = 0.6067
Σ X
2
- Σ ( X )
2
/ N =
Σ Y
2
- Σ ( Y )
2
/ N =
Σ XY - (Σ X)(ΣY) / N =
Created by Eff. Agus Marmono Rancangan Percobaan 109
Regresi
55
60
65
70
1 3 5 7
Umur Telur (hari)
M
o
t
i
l
i
t
a
s
Linier
Created by Eff. Agus Marmono Rancangan Percobaan 110
D a t a : X : Frekuensi Pemutaran
Y : Motilitas
Tabel 1. Data X dan Y
No X Y
X
2
Y
2
XY
1 2 56.79 4.0000 3225.1041 113.5800
2 2 67.21 4.0000 4517.1841 134.4200
3 2 63.43 4.0000 4023.3649 126.8600
4 2 56.79 4.0000 3225.1041 113.5800
5 2 60.00 4.0000 3600.0000 120.0000
6 2 60.00 4.0000 3600.0000 120.0000
7 2 50.77 4.0000 2577.5929 101.5400
8 2 53.73 4.0000 2886.9129 107.4600
9 2 53.73 4.0000 2886.9129 107.4600
10 2 50.77 4.0000 2577.5929 101.5400
11 2 53.73 4.0000 2886.9129 107.4600
12 2 56.79 4.0000 3225.1041 113.5800
13 4 63.43 16.0000 4023.3649 253.7200
14 4 67.21 16.0000 4517.1841 268.8400
15 4 67.21 16.0000 4517.1841 268.8400
16 4 63.43 16.0000 4023.3649 253.7200
17 4 63.43 16.0000 4023.3649 253.7200
18 4 67.21 16.0000 4517.1841 268.8400
19 4 60.00 16.0000 3600.0000 240.0000
20 4 56.79 16.0000 3225.1041 227.1600
21 4 60.00 16.0000 3600.0000 240.0000
22 4 56.79 16.0000 3225.1041 227.1600
23 4 56.79 16.0000 3225.1041 227.1600
24 4 60.00 16.0000 3600.0000 240.0000
25 6 71.57 36.0000 5122.2649 429.4200
26 6 71.57 36.0000 5122.2649 429.4200
27 6 67.21 36.0000 4517.1841 403.2600
28 6 67.21 36.0000 4517.1841 403.2600
29 6 67.21 36.0000 4517.1841 403.2600
30 6 63.43 36.0000 4023.3649 380.5800
31 6 67.21 36.0000 4517.1841 403.2600
32 6 63.43 36.0000 4023.3649 380.5800
33 6 67.21 36.0000 4517.1841 403.2600
34 6 60.00 36.0000 3600.0000 360.0000
35 6 60.00 36.0000 3600.0000 360.0000
36 6 63.43 36.0000 4023.3649 380.5800
Created by Eff. Agus Marmono Rancangan Percobaan 111
No X Y
X
2
Y
2
XY
J umlah 144.00 2215.51 672.0000 137429.2901 9073.5200
Rataan 4.00 61.54
Minimum 2.00 50.77
Maksimum 6.00 71.57
N = 36 Σ Y = 2215.51
Σ X = 144.00 Σ Y
2
=137429.2901
Σ X
2
= 672.0000 Y bar = 61.54
X bar = 4.00 Σ XY = 9073.5200
Σ x
2
= 96
Σ y
2
= 1082.49676
Σ xy = 211.48
Koefisien regresi ( b ) = Σxy / Σx
2
= 2.20291667
Intersep ( a ) = Y bar - ( b ) ( X bar ) = 52.7302778
Persamaan Garis Regresi Linier : Y = 52.7302778 + 2.20291667 X
Koefisien Determinasi ( r
2
) ( J K Regresi / J K Total ) x 100 % = 43.037 Persen
Koefisien Korelasi ( r ) =√ ( J K Regresi / J K Total ) = 0.6560
Σ X
2
- Σ ( X )
2
/ N =
Σ Y
2
- Σ ( Y )
2
/ N =
Σ XY - (Σ X)(ΣY) / N =
Created by Eff. Agus Marmono Rancangan Percobaan 112
Regresi
55
60
65
70
2 4 6
Frekuensi Pemutaran
M
o
t
i
l
i
t
a
s
Linier
Created by Eff. Agus Marmono Rancangan Percobaan 113
X. ANALISIS COVARIANSI

( Analysis of Covariance )


Telah diuraikan dalam Analisis Variansi bahwa usaha- usaha untuk mengontrol
/mengendalikan galat percobaan, meliputi :
a. pemilihan materi dan keadaan lingkungan yang homogen;
b. pengelompokkan materi dan keadaan lingkungan (bila heterogen), menjadi
kelompok - kelompok yang lebih homogen;
c. dilakukannya pengamatan atas variabel lain (variabel pembantu) maka
analisisnya menggunakan Analisis Covariansi.

Pada prinsipnya Ancova merupakan kombinasi dari metode Regresi dan Anova.
Ini mencakup dilakukannya pengukuran variabel lain selain variabel dependen yang
sebenarnya, yang ingin diamati dari materi percobaan itu. Variabel lain yang
disebutkan tadi merupakan variabel pembantu (variabel pengiring atau concomittant
variable atau Covariate) yang mempunyai hubungan sangat erat dengan variabel
dependen, bahkan ikut menentukannya. Diamatinya variabel bantu tadi dimaksudkan
untuk membantu mengurangi galat percobaan melalui penyesuaian-penyesuaian
(adjustment) yaitu dengan meniadakan pengaruh variasi yang diakibatkan oleh
variabel bantunya. Hasil pengamatan variabel dependen disesuaikan / dimurnikan
(adjusted) terhadap hasil pengamatan variabel bantu (yang mungkin bervariasi)
sehingga diperoleh analisis dengan ketepatan yang lebih tinggi.
Berikut ini diberikan beberapa contoh untuk memperjelas pengertiannya :

a. J ika pengaruh ransum ingin diamati terhadap pertambahan berat badan
ternak (variabel dependen =Y), sedangkan pertambahan berat badan itu
dipengaruhi oleh berat awalnya, maka berat badan awal itu dapat dijadikan
variabel bantu (X). dalam hal ini Y perlu dikoreksi karena berasal dari X
yang bervariasi;

b. J ika kadar kolesterol ingin dibandingkan (Y), sedangkan kadar kolesterol itu
dipengaruhi juga oleh umur pasien, maka dalam hal ini umur pasien dapat
dijadikan variabel bantu (X);

c. J ika frekuensi pernafasan sapi yang dikerjakan disawah selama 1 jam ingin
diukur (Y), sedangkan frekuensi pernafasan itu dipengaruhi pula oleh suhu
udara, maka suhu udara dijadikan variabel bantu (X);

Created by Eff. Agus Marmono Rancangan Percobaan 144
d. J ika kadar lemak susu dari beberapa bangsa sapi ingin dibandingkan (Y),
sedangkan kadar lemak susu dipengaruhi pula oleh jumlah serat kasar yang
dimakan maka konsumsi rumput (hijauan) sebagai variabel bantu (X).

Dari beberapa contoh diatas jelaslah bahwa diukurnya variabel pengiring/bantu
(X) akan ikut membantu dalam menginterpretasikan data Y, mengontrol galat dan
meningkatkan ketepatan (precision).
Penggunaan prosedur pengamatan variabel bantu ini umumnya dianggap lebih
efektif dalam mengurangi galat percobaan dibandingkan dengan cara pengelompokkan
oleh karena itu sebagai pedoman bila variasi dalam percobaan tidak dapat dikontrol
dengan cara stratifikasi maka buatlah pengukuran terhadap variabel bantunya dan
gunakanlah prosedur Ancova.
Salah satu syarat yang harus dipenuhi oleh variabel bantu ini ialah bahwa
variabel tersebut harus independen terhadap perlakuan, artinya variabel bantu tidak
boleh dipengaruhi oleh perlakuan percobaan, karena variabel ini untuk mengukur
pengaruh lingkungan (environmental effects).
Dalam teknik Ancova ini total jumlah hasil kali (J HK) dipecah ke dalam
komponen-komponen ancovanya sebagaimana total J K dalam Anava, demikian pula
penentuan derajat bebas serta kuadrat tengah hasil kalinya. Hasil perhitungan Ancova
dapat bernilai negatif, sedangkan hal ini tidak mungkin bagi Anava.




MODEL MATEMATIK

-
RAL


) X - X ( Y
ij ij i ij
ε β τ µ + + + =



Y
ij
: Hasil pengamatan ke j dari perlakuan ke i
µ : Nilai tengah populasi
τi : Pengaruh perlakuan ke i
β : Koefisien regresi untuk semua perlakuan
_
(X
ij
- X) : Deviasi peragam X ke ij dari rata-rata peragam
ε
ij
: Galat percobaan (komponen peubah random)





-
Created by Eff. Agus Marmono Rancangan Percobaan 145
RAK


) X - X ( Y
ij ij i j ij
ε β τ ρ µ + + + + =



Y
ij
: Hasil pengamatan ke j dari perlakuan ke i
µ : Nilai tengah populasi
ρ
j
: Pengaruh kelompok/blok ke j
τi : Pengaruh perlakuan ke I
β : Koefisien regresi untuk semua perlakuan
_
(X
ij
- X) : Deviasi peragam X ke ij dari rata-rata peragam
ε
ij
: Galat percobaan (komponen peubah random)


-
RBSL


) X - X ( Y
ij ij(t) (t) j i ij(t)
ε β τ κ ρ µ + + + + + =


Y
ij(t)
: Hasil pengamatan ke j dari perlakuan ke i
µ : Nilai tengah populasi
ρ
i
: Pengaruh kelompok/blok/baris ke i
κ
j
: Pengaruh kolom ke j
τ
(t)
: Pengaruh perlakuan ke i
β : Koefisien regresi untuk semua perlakuan
_
(X
ij(t)
- X) : Deviasi peragam X ke ij(t) dari rata-rata peragam
ε
ij
: Galat percobaan (komponen peubah random)


Created by Eff. Agus Marmono Rancangan Percobaan 146
D a t a : X : Berat Badan Awal (Kg)
Y : Pertambahan Bobot Badan (gr)
Protein dalam Ransum ( R
1
= 14 % ; R
2
= 16 % ; R
3
= 18 % dan R
4
= 20 % )
Tabel 1. Perlakuan x Ulangan
X Y X Y X Y X Y
1 115.0 255 110.2 330 118.8 425 116.5 550
2 121.5 265 121.0 340 122.0 435 125.0 560
3 124.0 270 120.0 345 133.0 440 135.0 565
4 116.5 300 133.5 375 140.7 470 131.8 595
5 141.8 290 156.5 365 165.5 460 179.0 585
Xi. & Yi. 618.8 1380 641.2 1755 680.0 2230 687.3 2855
X.. = 2627.3 Y .. = 8220
»»» Perhitungan Jumlah Kuadrat dan Jumlah Hasil Kali «««
1. F.Koreksi XX = 2627.3
2
/ (4x5) = 345135.3
F.Koreksi YY = 8220
2
/ (4x5) = 3378420
F.Koreksi XY =( 2627.3 x 8220 ) / (4x5) = 1079820
2. J K Total XX =( 115
2
+….. + 179
2
) - FK XX = 6114.685
J K Total YY =( 255
2
+….. + 585
2
) - FK YY = 248730
J HK Total XY =( 115 x 255 +… +
( 179 x 8220

) - FK XY = 15170.2
3. J K Perlk XX =( 618.8
2
+….. + 687
2
) / 5 - FK XX = 631.1695
J K Perlk YY =( 1380
2
+….. + 2855
2
) / 5 - FK YY = 243250
J HK Perlk XY =( 618.8 x 1380 +… +
( 687.3 x 2855

) / 5 - FK XY = 11758
4. J K Galat XX = 6114.685 - 631.1695 = 5483.516
J K Galat YY = 248730 - 243250 = 5480
J HK Galat XY = 15170.2 - 11758 = 3412.2
R
1
R
2
Ulangan
P e r l a k u a n
R
3
R
4
Created by Eff. Agus Marmono Rancangan Percobaan 147
Tabel 2. Contras Orthogonal dan Polinomial
R
1
R
2
R
3
R
4
Σ Ci.Ti r.Σ Ci
2
J K
618.800 641.200 680.000 687.300 ( a ) ( b )
( a
2
/ b )
Linier -3 -1 1 3 244 5 x 20 597
Kuadrater 1 -1 -1 1 -15 5 x 4 11
Kubik -1 3 -3 1 -48 5 x 20 23
J K Perlakuan XX = 631.2
R
1
R
2
R
3
R
4
Σ Ci.Ti r.Σ Ci
2
J K
1380.000 1755.000 2230.000 2855.000 ( a ) ( b )
( a
2
/ b )
Linier -3 -1 1 3 4900 5 x 20 240100
Kuadrater 1 -1 -1 1 250 5 x 4 3125
Kubik -1 3 -3 1 50 5 x 20 25
J K Perlakuan YY = 243250
J H K
Linier 5 x 20 11970.7
Kuadrater 5 x 4 -188.75
Kubik 5 x 20 -23.95
J K Perlakuan XY = 11758
Perlakuan
XX
Perlakuan
YY
Perlakuan
XY
Created by Eff. Agus Marmono Rancangan Percobaan 148
Tabel 3. Analisis Kovariansi
S u m b e r Derajat F
V a r i a s i Bebas XX YY XY D B J K K T hit 0.05 0.01
Perlakuan 3 631.17 243250 11758
Linier 1 597 240100 11970.7
Kuadrater 1 11 3125 -188.75
Kubik 1 23 25 -23.95
G a l a t 16 5483.516 5480 3412.2 15 3356.707 223.780495
T o t a l 19 6114.69 248730 15170.2
Perlakuan +Galat 19 6114.69 248730 15170.200 18 211093.6
Perlakuan Murni ................ ................ ................ ................ 3 207736.9 69245.6189 309.4355 3.290 5.420
Linier +Galat 17 6080.341 245580 15382.9 16 206662.2
Linier Murni ................ ................ ................ ................ 1 203305.5 203305.473 908.504 4.540 8.680
Kuadrater +Galat 17 5494.917 8605 3223.45 16 6714.047
Kuadrater Murni ................ ................ ................ ................ 1 3357.339 3357.33939 15.00282 4.540 8.680
Kubik +Galat 17 5506.46 5505 3388.25 16 3420.133
Kubik Murni ................ ................ ................ ................ 1 63.42538 63.4253787 0.283427 4.540 8.680
F tabel J K dan J H K P e m u r n i a n
Created by Eff. Agus Marmono Rancangan Percobaan 149
Tabel 4. Pemurnian data
3412.200
5483.516
_ _ _
Perlk. Xi (Xi - X) bxy.(Xi - X) Yi Y' =Yi-bxy(Xi - X)
115.0 -9 -5.451 255 260.451
121.5 -2 -1.406 265 266.406
R
1
124.0 0 0.149 270 269.851
116.5 -7 -4.518 300 304.518
141.8 18 11.226 290 278.774
Rataan 123.8
110.2 -18 -11.226 330 341.226
121.0 -7 -4.505 340 344.505
R
2
120.0 -8 -5.127 345 350.127
133.5 5 3.273 375 371.727
156.5 28 17.585 365 347.415
Rataan 128.2
118.8 -17 -10.703 425 435.703
122.0 -14 -8.712 435 443.712
R
3
133.0 -3 -1.867 440 441.867
140.7 5 2.925 470 467.075
165.5 30 18.357 460 441.643
Rataan 136.0
116.5 -21 -13.043 550 563.043
125.0 -12 -7.753 560 567.753
R
4
135.0 -2 -1.531 565 566.531
131.8 -6 -3.522 595 598.522
179.0 42 25.849 585 559.151
Rataan 137.5
bxy = = 0.622265
Created by Eff. Agus Marmono Rancangan Percobaan 150
Tabel 5. Pemurnian Nilai Tengah Perlakuan
b xy = J HK Galat XY/J K Galat XX = 0.622265
_ Koreksi_ _ _
Perl X Xi - X bxy(Xi-X) Yi Yi terkoreksi
R
1
123.76 -7.605 -4.732325 276 280.7323
R
2
128.24 -3.125 -1.944578 351 352.9446
R
3
136.00 4.635 2.884198 446 443.1158
R
4
137.46 6.095 3.792705 571 567.2073
Rataan 131.37
Syi-yj = [ Sy.x ( 2/r + (Xi. - Xi..)
2
/Exx) ]
0,5
Pembandingan R
1
dengan R
2
Sy0-y1 =[ 223.7805 x 0.4 + 20.0704 ]
0,5
= 9.504276
5483.52
R
1
- R
2
Rataan 280.7323 - 352.9446 = 72.21225
72.21225
9.504276
t 0.05 = 2.131
t 0.01 = 2.947
Pembandingan R
1
dengan R
3
Sy0-y2 =[ 223.7805 x 0.4 + 149.8176 ]
0,5
= 9.778865
5483.52
R
1
- R
3
Rataan 280.7323 - 443.1158 = 162.3835
162.3835
9.778865
t 0.05 = 2.131
t 0.01 = 2.947
t hit = = 7.59787
t hit = = 16.60555
Created by Eff. Agus Marmono Rancangan Percobaan 151
Pembandingan R
1
dengan R
4
Sy0-y3 =[ 223.7805 x 0.4 + 187.69 ]
0,5
= 9.857574
5483.52
R
1
- R
4
Rataan 280.732 - 567.207 = 286.47497
286.475
9.857574
t 0.05 = 2.131
t 0.01 = 2.947
Pembandingan R
2
dengan R
3
Sy1-y2 =[ 223.7805 x 0.4 + 60.2176 ]
0,5
= 9.590081
5483.52
R
2
- R
3
Rataan 352.94458 - 443.11580 = 90.17122
90.17122
9.590081
t 0.05 = 2.131
t 0.01 = 2.947
Pembandingan R
2
dengan R
4
Sy1-y3 =[ 223.7805 x 0.4 + 85.0084 ]
0,5
= 9.642684
5483.52
R
2
- R
4
Rataan 352.94458 - 567.2073 = 214.2627
214.2627
9.642684
t 0.05 = 2.131
t 0.01 = 2.947
t hit = = 22.22024
t hit = = 29.06141
t hit = = 9.402551
Created by Eff. Agus Marmono Rancangan Percobaan 152
Pembandingan R
3
dengan R
4
Sy2-y3 =[ 223.7805 x 0.4 + 2.1316 ]
0,5
= 9.465685
5483.52
R
3
- R
4
Rataan 443.11580 - 567.2073 = 124.0915
124.0915
9.465685
t 0.05 = 2.131
t 0.01 = 2.947
t hit = = 13.10962
Created by Eff. Agus Marmono Rancangan Percobaan 153
D a t a : X : Dosis Protein dalam Ransum (%)
Y : Pertambahan Berat Badan (gram)
No X Y
X
2
X
3
X
4
Y
2
XY
X
2
Y
1 14 260.451 196 2744 38416 67834.74 3646.31 51048.40
2 14 266.406 196 2744 38416 70972.33 3729.69 52215.64
3 14 269.851 196 2744 38416 72819.38 3777.91 52890.73
4 14 304.518 196 2744 38416 92731.00 4263.25 59685.46
5 14 278.774 196 2744 38416 77715.13 3902.84 54639.77
6 16 341.226 256 4096 65536 116434.95 5459.61 87353.77
7 16 344.505 256 4096 65536 118683.83 5512.08 88193.33
8 16 350.127 256 4096 65536 122589.24 5602.04 89632.63
9 16 371.727 256 4096 65536 138180.88 5947.63 95162.08
10 16 347.415 256 4096 65536 120697.04 5558.64 88938.19
11 18 435.703 324 5832 104976 189837.07 7842.65 141167.76
12 18 443.712 324 5832 104976 196880.08 7986.81 143762.59
13 18 441.867 324 5832 104976 195246.26 7953.60 143164.84
14 18 467.075 324 5832 104976 218159.39 8407.36 151332.41
15 18 441.643 324 5832 104976 195048.70 7949.58 143092.39
16 20 563.043 400 8000 160000 317017.05 11260.85 225217.07
17 20 567.753 400 8000 160000 322343.95 11355.07 227101.37
18 20 566.531 400 8000 160000 320957.12 11330.62 226612.31
19 20 598.522 400 8000 160000 358228.61 11970.44 239408.81
20 20 559.151 400 8000 160000 312649.97 11183.02 223660.45
J umlah 340 8220.000 5880 103360 1844640 3625026.71 144640.00 2584280.00
»»» REGRESI LINIER «««
N = 20 Σ Y = 8220 Σ x
2
= 100
Σ X = 340 Σ Y
2
=3625026.71 Σ y
2
= 246606.707
Σ X
2
= 5880.00 Y bar = 411 Σ xy = 4900
X bar = 17 Σ XY = 144640
Created by Eff. Agus Marmono Rancangan Percobaan 154
b =Σxy / Σx
2
= 49
a = Y bar - b ( X bar ) = -422
Y = -422 + 49 X
Koefisien Determinasi ( r
2
) = 97.3615 Persen
Koefisien Korelasi ( r ) = 0.986719
»»» REGRESI KUADRATER «««
N = 20 Σ Y = 8220 Σ x
2
= 100
Σ X = 340 Σ Y
2
= 3625026.7 Σ x
3
= 3400
Σ X
2
= 5880 Σ XY = 144640 Σ x
4
= 115920
Σ X
3
= 103360 Σ X
2
Y= 2584280 Σ y
2
= 246606.707
Σ X
4
= 1844640 Y bar = 411 Σ xy = 4900
X bar = 17 Σ x
2
y= 167600
X
2
bar = 294
D =[( Σx
4
)(Σx
2
) - ( Σx
3
)
2
] = 32000
b = [( Σx
4
) (Σxy) - ( Σx
3
) (Σx
2
y)] / D = -57.25
c = [( Σx
2
) (Σx
2
y) - ( Σx
3
) (Σxy)] / D = 3.125
a = Y bar - (b * X bar) - (c * X
2
bar) = 465.5
Y = 465.5 - 57.25 X + 3.125 X
2
Koefisien Determinasi ( r
2
) = 98.6287 Persen
Koefisien Korelasi ( r ) = 0.99312
Titik Belok X = -0.726
Y = 203.295
Created by Eff. Agus Marmono Rancangan Percobaan 155
Regresi
250
300
350
400
450
500
550
600
14 16 18 20
Dosis Protein (%)
P

B

B
a
d
a
n

(
g
r
)
Linier
Kuadrater
Created by Eff. Agus Marmono Rancangan Percobaan 156
Derajat
Bebas 0.500 0.400 0.030 0.200 0.100 0.050 0.020 0.010 0.001
1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657 636.619
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 31.598
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 12.924
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 8.610
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 6.869
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 5.959
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 5.408
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 5.041
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 4.781
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 4.587
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 4.437
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 4.318
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 4.221
14 0.692 0.866 1.076 1.341 1.761 2.145 2.624 2.977 4.140
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 4.073
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 4.015
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.965
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.922
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.883
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.850
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.819
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.792
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.767
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.745
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.725
26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.707
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.690
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.674
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.659
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.646
40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 3.551
60 0.679 0.848 1.046 1.296 1.671 2.000 2.390 2.660 3.460
120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2.617 3.373
oo 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.291
0.250 0.200 0.015 0.100 0.050 0.025 0.010 0.005 0.0005
TABEL t ( Student )
P r o b a b i l i t a s
P r o b a b i l i t a s
Created by Eff. Agus Marmono Rancangan Percobaan 1
D B
Galat 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 oo
1 161 200 216 225 230 234 237 239 241 242 243 244 245 246 248 249 250 251 252 253 253 254 254 254
4052 4999 5403 5625 2764 5859 5928 5981 6022 6056 6082 6106 6142 6169 6208 6234 6258 6286 6302 6323 6334 6352 6361 6366
2 18.51 19.00 19.16 19.25 19.30 19.33 19.36 19.37 19.38 19.39 19.40 19.41 19.42 19.43 19.44 19.45 19.46 19.47 19.47 19.48 19.49 19.49 19.50 19.50
99.49 99.01 99.17 99.25 99.30 99.33 99.34 99.36 99.38 99.40 99.41 99.42 99.43 99.44 99.45 99.46 99.47 99.48 99.48 99.48 99.49 99.49 99.50 99.50
3 10.13 9.55 9.28 9.12 9.01 8.94 8.88 8.84 8.81 8.78 8.76 8.74 8.71 8.69 8.66 8.64 8.62 8.60 8.58 8.57 8.56 8.54 8.54 8.53
34.12 30.81 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23 27.13 27.05 26.92 26.83 26.69 26.60 26.50 26.41 26.30 26.27 26.22 26.18 26.14 26.12
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.93 5.91 5.87 5.84 5.80 5.77 5.74 5.71 5.70 5.68 5.66 5.65 5.64 5.63
21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.54 14.45 14.37 14.24 14.15 14.02 13.93 13.83 13.74 13.69 13.61 13.57 13.52 13.48 13.46
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.78 4.74 4.70 4.68 4.64 4.60 4.56 4.53 4.50 4.46 4.44 4.42 4.40 4.38 4.37 4.36
16.26 13.27 12.06 11.39 10.97 10.67 10.45 10.27 10.15 10.05 9.96 9.89 9.77 9.68 9.55 9.47 9.38 9.29 9.24 9.17 9.13 9.07 9.07 9.02
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.96 3.92 3.87 3.84 3.81 3.77 3.75 3.72 3.71 3.69 3.68 3.67
13.74 10.92 9.78 9.14 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.60 7.52 7.39 7.31 7.23 7.14 7.09 7.02 6.99 6.94 6.90 6.88
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.63 3.60 3.57 3.52 3.49 3.44 3.41 3.38 3.34 3.32 3.29 3.28 3.25 3.24 3.23
12.25 9.55 8.45 7.85 7.46 7.19 7.00 6.84 6.71 6.62 6.54 6.47 6.35 6.27 6.15 6.07 5.98 5.90 5.85 5.78 5.75 5.70 5.67 5.65
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.34 3.31 3.28 3.23 3.20 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.94 2.93
11.26 8.65 7.59 7.01 6.63 6.37 6.19 6.03 5.91 5.82 5.74 5.67 5.56 5.48 5.36 5.28 5.20 5.11 5.06 5.00 4.96 4.91 4.88 4.86
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.13 3.10 3.07 3.02 2.98 2.93 2.90 2.86 2.82 2.80 2.77 2.76 2.73 2.72 2.71
10.56 8.02 6.99 6.42 6.06 5.80 5.62 5.47 5.35 5.26 5.18 5.11 5.00 4.92 4.80 4.73 4.64 4.56 4.51 4.45 4.41 4.36 4.33 4.31

10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.97 2.94 2.91 2.86 2.82 2.77 2.74 2.70 2.67 2.64 2.61 2.59 2.56 2.55 2.54
10.04 7.56 6.55 5.99 5.64 5.39 5.21 5.06 4.95 4.85 4.78 4.71 4.60 4.52 4.41 4.33 4.25 4.17 4.12 4.05 4.01 3.96 3.93 3.91
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.86 2.82 2.79 2.74 2.70 2.65 2.61 2.57 2.53 2.50 2.47 2.45 2.42 2.41 2.40
8.65 7.20 6.22 5.67 5.32 5.07 4.88 4.74 4.63 5.54 4.46 4.40 4.29 4.21 4.10 4.02 3.94 3.86 3.80 3.74 3.70 3.66 3.62 3.60
12 4.75 3.88 3.49 3.26 3.11 3.00 2.92 2.85 2.80 2.76 2.72 2.69 2.64 2.60 2.54 2.50 2.46 2.42 2.40 2.36 2.35 2.32 2.31 2.30
9.33 6.93 5.95 5.41 5.06 4.82 4.65 4.50 4.39 4.30 4.22 4.16 4.05 3.98 3.86 3.78 3.70 3.61 3.56 3.49 3.46 3.41 3.38 3.36
TABEL F
DB Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 2
D B
Galat 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 oo
13 4.67 3.80 3.41 3.18 3.02 2.92 2.84 2.77 2.72 2.67 2.63 2.60 2.55 2.51 2.46 2.42 2.38 2.34 2.32 2.28 2.26 2.24 2.22 2.21
9.07 6.70 5.74 5.20 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.85 3.78 3.67 3.59 3.51 3.42 3.37 3.30 3.27 3.21 3.18 3.16
14 4.60 3.74 3.34 3.11 2.96 2.85 2.77 2.70 2.65 2.60 2.56 2.53 2.48 2.44 2.39 2.35 2.31 2.27 2.24 2.21 2.19 2.16 2.14 2.13
8.86 6.51 5.56 5.03 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.70 3.62 3.51 3.43 3.34 3.26 3.21 3.14 3.11 3.06 3.02 3.00
15 4.54 3.68 3.29 3.06 2.90 2.79 2.70 2.64 2.59 2.55 2.51 2.48 2.43 2.39 2.33 2.29 2.25 2.21 2.18 2.15 2.12 2.10 2.08 2.07
8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.56 3.48 3.36 3.29 3.20 3.12 3.07 3.00 2.97 2.92 2.89 2.87
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.45 2.42 2.37 2.33 2.28 2.24 2.20 2.16 2.13 2.09 2.07 2.04 2.02 2.01
8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.61 3.55 3.45 3.37 3.25 3.18 3.10 3.01 2.96 2.89 2.86 2.80 2.77 2.75
17 4.45 3.59 3.20 2.96 2.81 2.70 2.62 2.55 2.50 2.45 2.41 2.38 2.33 2.29 2.23 2.19 2.15 2.11 2.08 2.04 2.02 1.99 1.97 1.96
8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.45 3.35 3.27 3.16 3.08 3.00 2.92 2.86 2.79 2.76 2.70 2.67 2.65
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.29 2.25 2.19 2.15 2.11 2.07 2.04 2.00 1.98 1.95 1.93 1.92
8.28 6.01 5.09 4.58 4.25 4.01 3.85 3.71 3.60 3.51 3.44 3.37 3.27 3.19 3.07 3.00 2.91 2.83 2.78 2.71 2.68 2.62 2.59 2.57
19 4.38 3.52 3.13 2.90 2.74 2.63 2.55 2.48 2.43 2.38 2.34 2.31 2.26 2.21 2.15 2.11 2.07 2.02 2.00 1.96 1.94 1.91 1.90 1.88
8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.19 3.12 3.00 2.92 2.84 2.76 2.70 2.63 2.60 2.54 2.51 2.49
20 4.35 3.49 3.10 2.87 2.71 2.60 2.52 2.45 2.40 2.35 2.31 2.28 2.23 2.18 2.12 2.08 2.04 1.99 1.96 1.92 1.90 1.87 1.85 1.84
8.10 5.85 4.94 4.43 4.10 3.87 3.71 3.56 3.45 3.37 3.30 3.23 3.13 3.05 2.94 2.86 2.77 2.69 2.63 2.56 2.53 2.47 2.44 2.42
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.20 2.15 2.09 2.05 2.00 1.96 1.93 1.89 1.87 1.84 1.82 1.81
8.02 5.78 4.87 4.37 4.04 3.81 3.65 3.51 3.40 3.31 3.24 3.17 3.07 2.99 2.88 2.80 2.72 2.63 2.58 2.51 2.47 2.42 2.38 2.36
22 4.30 3.44 3.05 2.82 2.66 2.55 2.47 2.40 2.35 2.30 2.26 2.23 2.18 2.13 2.07 2.03 1.98 1.93 1.91 1.87 1.84 1.81 1.80 1.78
7.94 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.19 3.12 3.02 2.94 2.83 2.75 2.67 2.58 2.53 2.46 2.42 2.37 2.33 2.31
23 4.28 3.42 3.03 2.80 2.64 2.53 2.45 2.38 2.32 2.28 2.24 2.20 2.14 2.10 2.04 2.00 1.96 1.91 1.88 1.84 1.82 1.79 1.77 1.76
7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.14 3.07 2.97 2.89 2.78 2.70 2.62 2.53 2.48 2.41 2.37 2.32 2.28 2.26
24 4.26 3.40 3.01 2.78 2.62 2.51 2.43 2.36 2.30 2.26 2.22 2.18 2.13 2.09 2.02 1.98 1.94 1.89 1.86 1.82 1.80 1.76 1.74 1.73
7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.25 3.17 3.09 3.03 2.93 2.85 2.74 2.66 2.58 2.49 2.44 2.36 2.33 2.27 2.23 2.21
25 4.24 3.38 2.99 2.76 2.60 2.49 2.41 2.34 2.28 2.24 2.20 2.16 2.11 2.06 2.00 1.96 1.92 1.87 1.84 1.80 1.77 1.74 1.72 1.71
7.77 5.57 4.68 4.18 3.86 3.63 3.46 3.32 3.21 3.13 3.05 2.99 2.89 2.81 2.70 2.62 2.54 2.45 2.40 2.32 2.29 2.23 2.19 2.17
DB Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 3
D B
Galat 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 oo
26 4.22 3.37 2.89 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.10 2.05 1.99 1.95 1.90 1.85 1.82 1.78 1.76 1.72 1.70 1.69
7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.17 3.09 3.02 2.96 2.86 2.77 2.66 2.58 2.50 2.41 2.36 2.28 2.25 2.19 2.15 2.13
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.30 2.25 2.20 2.16 2.13 2.08 2.03 1.97 1.93 1.88 1.84 1.80 1.76 1.74 1.71 1.68 1.67
7.68 5.49 4.60 4.11 3.79 3.56 3.39 3.26 3.14 3.06 2.98 2.93 2.83 2.74 2.63 2.55 2.47 2.38 2.33 2.25 2.21 2.16 2.12 2.10
28 4.20 3.34 2.95 2.71 2.56 2.44 2.36 2.29 2.24 2.19 2.15 2.12 2.06 2.02 1.96 1.91 1.87 1.81 1.78 1.75 1.72 1.69 1.67 1.65
7.64 5.45 4.57 4.07 3.76 3.53 3.36 3.23 3.11 3.03 2.95 2.90 2.80 2.71 2.60 2.52 2.44 2.35 2.30 2.22 2.18 2.13 2.09 2.06
29 4.18 3.33 2.93 2.70 2.54 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.05 2.00 1.94 1.90 1.85 1.80 1.77 1.73 1.71 1.68 1.65 1.64
7.60 5.52 4.54 4.04 3.73 3.50 3.33 3.20 3.08 3.00 2.92 2.87 2.77 2.68 2.57 2.49 2.41 2.32 2.27 2.19 2.15 2.10 2.06 2.03
30 4.17 3.32 2.92 2.69 2.53 2.42 2.34 2.27 2.21 2.16 2.12 2.09 2.04 1.99 1.93 1.89 1.84 1.79 1.76 1.72 1.69 1.66 1.64 1.62
7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.06 2.98 2.90 2.84 2.74 2.66 2.55 2.47 2.38 2.29 2.24 2.16 2.13 2.07 2.03 2.01
32 4.15 3.30 2.90 2.67 2.51 2.40 2.32 2.25 2.19 2.14 2.10 2.07 2.02 1.97 1.91 1.86 1.82 1.76 1.74 1.69 1.67 1.64 1.61 1.59
7.50 5.34 4.46 3.97 3.66 3.42 3.25 3.12 3.01 2.94 2.86 2.80 2.70 2.62 2.51 2.42 2.34 2.25 2.20 2.12 2.08 2.02 1.98 1.96
34 4.13 3.28 2.88 2.65 2.49 2.38 2.30 2.23 2.17 2.12 2.08 2.05 2.00 1.95 1.89 1.84 1.80 1.74 1.71 1.67 1.64 1.61 1.59 1.57
7.44 5.29 4.42 3.93 3.61 3.38 3.21 3.08 2.97 2.89 2.82 2.76 2.66 2.58 2.47 2.38 2.30 2.21 2.15 2.08 2.04 1.98 1.94 1.91
36 4.11 3.26 2.86 2.63 2.48 2.36 2.28 2.21 2.15 2.10 2.06 2.03 1.99 1.93 1.87 1.82 1.78 1.72 1.69 1.65 1.62 1.59 1.56 1.55
7.39 5.25 4.38 3.89 3.58 3.35 3.18 3.04 2.94 2.86 2.78 2.72 2.62 2.54 2.43 2.35 2.26 2.17 2.12 2.04 2.00 1.94 1.90 1.87
38 4.10 3.25 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.96 1.92 1.85 1.80 1.76 1.71 1.67 1.63 1.60 1.57 1.54 1.53
7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.91 2.82 2.75 2.69 2.59 2.51 2.40 2.32 2.22 2.14 2.08 2.00 1.97 1.90 1.86 1.84
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.07 2.04 2.00 1.95 1.90 1.84 1.79 1.74 1.69 1.66 1.61 1.59 1.55 1.53 1.51
7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.88 2.80 2.73 2.66 2.56 2.49 2.37 2.29 2.20 2.11 2.05 1.97 1.94 1.88 1.84 1.81
42 4.07 3.22 2.83 2.59 2.44 2.32 2.24 2.17 2.11 2.06 2.02 1.99 1.94 1.89 1.82 1.78 1.73 1.68 1.64 1.60 1.57 1.54 1.51 1.49
7.27 5.15 4.29 3.80 3.49 3.26 3.10 2.96 2.86 2.77 2.70 2.64 2.54 2.46 2.35 2.26 2.17 2.08 2.02 1.94 1.91 1.85 1.80 1.78
44 4.06 3.21 2.82 2.56 2.43 2.31 2.23 2.16 2.10 2.05 2.01 1.98 1.92 1.88 1.81 1.76 1.72 1.66 1.63 1.58 1.56 1.52 1.50 1.48
7.24 5.12 4.26 3.78 3.46 3.24 3.07 2.94 2.84 2.75 2.68 2.62 2.52 2.44 2.32 2.24 2.15 2.06 2.00 1.92 1.88 1.82 1.78 1.75
46 4.05 3.20 2.81 2.57 2.42 2.30 2.20 2.14 2.09 2.04 2.00 1.97 1.91 1.87 1.80 1.75 1.71 1.65 1.62 1.57 1.54 1.51 1.48 1.46
7.21 5.10 4.24 3.76 3.44 3.22 3.05 2.92 2.82 2.73 2.66 2.60 2.50 2.42 2.30 2.22 2.13 2.04 1.98 1.90 1.86 1.80 1.76 1.72
DB Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 4
D B
Galat 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 oo
48 4.04 3.19 2.80 2.56 2.41 2.30 2.21 2.14 2.08 2.03 1.99 1.96 1.90 1.86 1.79 1.74 1.70 1.64 1.61 1.56 1.53 1.50 1.47 1.45
7.19 5.08 4.22 3.74 3.42 3.20 3.04 2.90 2.80 2.71 2.64 2.58 2.48 2.40 2.28 2.20 2.11 2.02 1.96 1.88 1.84 1.78 1.73 1.70
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.02 1.98 1.95 1.90 1.85 1.78 1.73 1.69 1.63 1.60 1.55 1.52 1.48 1.46 1.44
7.17 5.06 4.19 3.72 3.41 3.18 3.02 2.88 2.79 2.70 2.62 2.56 2.46 2.39 2.26 2.18 2.10 2.00 1.94 1.86 1.82 1.76 1.71 1.68
55 4.02 3.17 2.78 2.54 2.38 2.27 2.18 2.11 2.05 2.00 1.97 1.93 1.88 1.83 1.76 1.72 1.67 1.61 1.58 1.52 1.50 1.46 1.43 1.41
7.12 5.01 4.16 3.68 3.37 3.15 2.98 2.85 2.75 2.66 2.59 2.53 2.43 2.35 2.23 2.15 2.06 1.96 1.90 1.82 1.78 1.71 1.66 1.64
60 4.00 3.15 2.76 2.52 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.86 1.81 1.75 1.70 1.65 1.59 1.56 1.50 1.48 1.44 1.41 1.39
7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.56 2.50 2.40 2.32 2.20 2.12 2.03 1.93 1.87 1.79 1.74 1.68 1.63 1.60
65 3.99 3.14 2.75 2.51 2.36 2.24 2.15 2.08 2.02 1.98 1.94 1.90 1.85 1.80 1.73 1.68 1.63 1.57 1.54 1.49 1.46 1.42 1.39 1.37
7.04 4.95 4.10 3.62 3.31 3.09 2.93 2.79 2.70 2.61 2.54 2.47 2.37 2.30 2.18 2.09 2.00 1.90 1.84 1.76 1.71 1.64 1.60 1.56
70 3.98 3.13 2.74 2.50 2.35 2.32 2.14 2.07 2.01 1.97 1.93 1.89 1.84 1.79 1.72 1.67 1.62 1.56 1.53 1.47 1.45 1.40 1.37 1.35
7.01 4.92 4.08 3.60 3.29 3.07 2.91 2.77 2.67 2.59 2.51 2.45 2.35 2.28 2.15 2.07 1.98 1.88 1.82 1.74 1.69 1.62 1.56 1.53
80 3.96 3.11 2.72 2.48 2.33 2.21 2.12 2.05 1.99 1.95 1.91 1.88 1.82 1.77 1.70 1.65 1.60 1.54 1.51 1.45 1.42 1.38 1.35 1.32
6.96 4.88 4.04 3.56 3.25 3.04 2.87 2.74 2.64 2.55 2.48 2.41 2.32 2.24 2.11 2.03 1.94 1.84 1.78 1.70 1.65 1.57 1.52 1.49
100 3.94 3.09 2.70 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.79 1.75 1.68 1.63 1.57 1.51 1.48 1.42 1.39 1.34 1.30 1.28
6.90 4.82 3.98 3.51 3.20 2.99 2.82 2.69 2.59 2.51 2.43 2.36 2.26 2.19 2.06 1.98 1.89 1.79 1.73 1.64 1.59 1.51 1.46 1.43
125 3.92 3.07 2.68 2.44 2.29 2.17 2.08 2.04 1.95 1.90 1.86 1.83 1.77 1.72 1.65 1.60 1.55 1.49 1.45 1.39 1.36 1.31 1.27 1.25
6.84 4.78 3.94 3.47 3.17 2.95 2.79 2.65 2.56 2.47 2.40 2.33 2.23 2.15 2.03 1.94 1.85 1.75 1.68 1.59 1.54 1.46 1.40 1.37
150 3.91 3.06 2.67 2.53 2.27 2.16 2.07 2.00 1.94 1.89 1.85 1.82 1.76 1.71 1.64 1.59 1.54 1.47 1.44 1.37 1.34 1.29 1.25 1.22
6.81 4.75 3.91 3.44 3.13 2.92 2.76 2.62 2.53 2.44 2.37 2.30 2.20 2.12 2.00 1.91 1.83 1.72 1.66 1.56 1.51 1.43 1.37 1.33
200 3.89 3.04 2.65 2.41 2.26 2.14 2.05 1.98 1.92 1.87 1.83 1.80 1.74 1.69 1.62 1.57 1.52 1.45 1.42 1.35 1.32 1.26 1.22 1.19
6.76 4.71 3.88 3.41 3.11 2.90 2.73 2.60 2.50 2.41 2.34 2.28 2.17 2.09 1.97 1.88 1.79 1.69 1.62 1.53 1.48 1.39 1.33 1.28
400 3.86 3.02 2.62 2.39 2.23 2.12 2.03 1.96 1.90 1.85 1.81 1.78 1.72 1.67 1.60 1.54 1.49 1.42 1.38 1.32 1.28 1.22 1.16 1.13
6.70 4.66 3.83 3.36 3.06 2.85 2.69 2.55 2.46 2.37 2.29 2.23 2.12 2.04 1.92 1.84 1.74 1.64 1.57 1.47 1.42 1.32 1.24 1.19
1000 3.85 3.00 2.61 2.38 2.22 2.10 2.02 1.95 1.89 1.84 1.80 1.76 1.70 1.65 1.58 1.53 1.47 1.41 1.36 1.30 1.26 1.19 1.13 1.08
6.60 4.62 3.80 3.34 3.04 2.82 2.66 2.53 2.43 2.34 2.26 2.20 2.09 2.01 1.89 1.81 1.71 1.61 1.54 1.44 1.38 1.28 1.19 1.11
DB Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 5
D B
Galat 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 oo
oo 3.84 2.99 2.60 2.37 2.21 2.09 2.01 1.94 1.88 1.83 1.79 1.75 1.69 1.64 1.57 1.52 1.46 1.40 1.35 1.28 1.24 1.17 1.11 1.00
6.64 4.60 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32 2.24 2.18 2.07 1.99 1.87 1.79 1.69 1.59 1.52 1.41 1.36 1.25 1.15 1.00
DB Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 6
Derajat 5 1 Derajat 5 1
Bebas persen persen Bebas persen persen
1 0.997 1.000 24 0.388 0.496
2 0.950 0.990 25 0.381 0.487
3 0.878 0.959 26 0.374 0.478
4 0.811 0.917 27 0.367 0.470
5 0.754 0.874 28 0.361 0.463
6 0.707 0.834 29 0.355 0.456
7 0.666 0.798 30 0.349 0.449
8 0.632 0.765 35 0.325 0.418
9 0.602 0.735 40 0.304 0.393
10 0.576 0.708 45 0.288 0.372
11 0.553 0.684 50 0.273 0.354
12 0.532 0.661 60 0.250 0.325
13 0.514 0.641 70 0.232 0.302
14 0.497 0.623 80 0.217 0.283
15 0.482 0.606 90 0.205 0.267
16 0.468 0.590 100 0.195 0.254
17 0.456 0.575 125 0.174 0.228
18 0.444 0.561 150 0.159 0.208
19 0.433 0.549 200 0.138 0.181
20 0.423 0.537 300 0.113 0.148
21 0.413 0.526 400 0.098 0.128
22 0.404 0.515 500 0.088 0.115
23 0.396 0.505 1000 0.062 0.081
TABEL KORELASI ( r )
Created by Eff. Agus Marmono Rancangan Percobaan 7
Tabel Q ( Untuk Uji Beda Nyata Jujur / HSD )
α = 0.05
DB
Galat 2 3 4 5 6 7 8 9 10
1 17.970 26.980 32.820 37.080 40.410 43.120 45.400 47.360 49.070
2 6.085 8.331 9.798 10.880 11.740 12.440 13.030 13.540 13.090
3 4.501 5.910 6.825 7.502 8.037 8.478 8.853 9.177 9.462
4 3.927 5.040 5.757 6.287 6.707 7.053 7.347 7.602 7.826
5 3.635 4.602 5.218 5.673 6.033 6.330 6.582 6.802 6.995
6 3.461 4.339 4.896 5.305 5.628 5.895 6.122 6.319 6.493
7 3.344 4.165 4.681 5.060 5.359 5.606 5.815 5.998 6.158
8 3.261 4.041 4.529 4.886 5.167 5.399 5.597 5.767 5.918
9 3.199 3.949 4.415 4.756 5.024 5.244 5.432 5.595 5.739
10 3.151 3.877 4.327 4.654 4.912 5.124 5.305 5.461 5.599
11 3.113 3.820 4.256 4.574 4.823 5.028 5.202 5.353 5.487
12 3.082 3.773 4.199 4.508 4.751 4.950 5.119 5.265 5.395
13 3.055 3.735 4.151 4.453 4.690 4.885 5.049 5.192 5.318
14 3.033 3.702 4.111 4.407 4.639 4.829 4.990 5.131 5.254
15 3.014 3.674 4.760 4.367 4.595 4.782 4.940 5.077 5.158
16 2.998 3.649 4.046 4.333 4.557 4.741 4.897 5.031 5.150
17 2.984 3.628 4.020 4.303 4.524 4.705 4.858 4.991 5.108
18 2.971 3.609 3.997 4.277 4.495 4.675 4.824 4.956 5.071
19 2.960 3.593 3.997 4.253 4.469 4.645 4.794 4.924 5.038
20 2.950 3.578 3.958 4.232 4.445 4.620 4.768 4.896 5.008
24 2.919 3.532 3.901 4.166 4.373 4.541 4.684 4.807 4.915
30 2.888 3.486 3.845 4.102 4.302 4.464 4.602 4.720 4.824
40 2.858 3.442 3.791 4.039 4.232 4.389 4.521 4.635 4.735
60 2.829 3.399 3.737 3.977 4.163 4.314 4.441 4.550 4.646
120 2.800 3.356 3.685 3.917 4.096 4.241 4.363 4.468 4.560
oo 2.772 3.314 3.633 3.858 4.030 4.170 4.286 4.387 4.474
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 8
α = 0.01
DB
Galat 2 3 4 5 6 7 8 9 10
1 90.030 135.000 164.300 185.600 202.200 215.800 227.200 237.000 245.600
2 14.040 19.020 22.290 24.720 26.630 28.200 29.530 30.680 31.690
3 8.261 10.620 12.170 13.330 14.240 15.000 15.640 16.200 16.690
4 6.512 8.120 9.173 9.958 10.580 11.100 11.550 11.930 12.270
5 5.702 6.976 7.804 8.421 8.913 9.321 9.669 9.972 10.240
6 5.234 6.331 7.033 7.556 7.973 8.318 8.613 8.869 9.097
7 4.949 5.919 6.543 7.005 7.373 7.679 7.939 8.166 8.368
8 4.746 5.635 6.204 6.625 6.960 7.237 7.474 7.681 7.863
9 4.596 5.428 5.957 6.348 6.658 6.915 7.134 7.325 7.495
10 4.482 5.270 5.769 6.136 6.428 6.669 6.875 7.055 7.213
11 4.392 5.146 5.621 5.970 6.247 6.476 6.672 6.842 6.992
12 4.320 5.046 5.502 5.836 6.101 6.321 6.507 6.670 6.814
13 4.260 4.964 5.404 5.727 5.981 6.192 6.372 6.528 6.667
14 4.210 4.895 5.322 5.634 5.881 6.085 6.258 6.409 6.543
15 4.168 4.836 5.252 5.556 5.796 5.994 6.162 6.309 6.439

16 4.131 4.786 5.192 5.489 5.722 5.915 6.079 6.222 6.350
17 4.099 4.742 5.140 5.430 5.659 5.847 6.007 6.147 6.270
18 4.071 4.703 5.094 5.379 5.603 5.788 5.944 6.081 6.200
19 4.046 4.676 5.054 5.334 5.554 5.735 5.889 6.002 6.141
20 4.024 4.639 5.018 5.294 5.510 5.688 5.839 5.970 6.087
24 3.956 4.546 4.907 5.168 5.374 5.542 5.685 5.809 5.919
30 3.889 4.455 4.799 5.048 5.242 5.401 5.536 5.653 5.756
40 3.825 4.367 4.696 4.931 5.114 5.265 5.392 5.502 5.599
60 3.762 4.282 4.595 4.818 4.991 5.133 5.253 5.356 5.477
120 3.702 4.200 4.497 4.709 4.872 5.005 5.118 5.214 5.299
oo 3.643 4.120 4.403 4.603 4.757 4.882 4.987 5.078 5.157
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 9
α = 0.05
DB
Galat 11 12 13 14 15 16 17 18 19
1 50.590 51.960 53.200 54.330 55.360 56.320 57.220 58.040 58.830
2 14.390 14.750 15.080 15.380 15.650 15.910 16.140 16.370 16.570
3 9.717 9.946 10.150 10.350 10.530 10.690 10.840 10.980 11.110
4 8.027 8.208 8.373 8.525 8.664 8.794 8.914 9.028 9.134
5 7.168 7.324 7.466 7.596 7.717 7.828 7.932 8.030 8.122
6 6.649 6.789 6.917 7.034 7.143 7.244 7.338 7.426 7.508
7 6.302 6.431 6.550 6.658 6.759 6.852 6.939 7.020 7.097
8 6.054 6.175 6.287 6.389 6.483 6.571 6.653 6.729 6.802
9 5.867 5.983 6.089 6.186 6.276 6.359 6.437 6.510 6.579
10 5.722 5.833 5.935 6.028 6.114 6.194 6.269 6.339 6.405
11 5.605 5.713 5.811 5.901 5.984 6.067 6.134 6.202 6.265
12 5.511 5.615 5.710 5.798 5.878 5.953 6.023 6.089 6.151
13 5.431 5.533 5.625 5.711 5.789 5.862 5.931 5.995 6.055
14 5.364 5.463 5.554 5.637 5.714 5.786 5.852 5.915 5.974
15 5.306 5.404 5.493 5.574 5.649 5.720 5.785 5.846 5.904
16 5.256 5.352 5.439 5.520 5.593 5.662 5.727 5.786 5.843
17 5.212 5.307 5.392 5.471 5.544 5.612 5.675 5.734 5.790
18 5.174 5.267 5.352 5.429 5.501 5.568 5.630 5.688 5.743
19 5.140 5.231 5.315 5.391 5.462 5.528 5.589 5.647 5.701
20 5.108 5.199 5.282 5.357 5.427 5.493 5.553 5.610 5.663
24 5.012 5.099 5.179 5.251 5.319 5.381 5.439 5.494 5.545
30 4.917 5.001 5.077 5.147 5.221 5.271 5.327 5.379 5.429
40 4.824 4.904 4.977 5.044 5.106 5.163 5.216 5.266 5.313
60 4.732 4.808 4.878 4.942 5.001 5.056 5.107 5.154 5.199
120 4.641 4.714 4.781 4.842 4.898 4.950 4.998 5.044 5.086
oo 4.552 4.622 4.685 4.743 4.796 4.845 4.891 4.934 4.974
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 10
α = 0.01
DB
Galat 11 12 13 14 15 16 17 18 19
1 253.200 260.000 266.200 271.800 277.000 281.800 286.300 290.400 294.300
2 32.590 33.400 34.130 34.810 35.430 36.000 36.530 37.030 37.500
3 17.130 17.530 17.890 18.220 18.520 18.810 19.070 19.320 19.550
4 12.570 12.840 13.090 13.320 13.530 13.730 13.910 14.080 14.240
5 10.480 10.700 10.890 11.080 11.240 11.400 11.550 11.680 11.810
6 9.301 9.485 9.653 9.808 9.951 10.080 10.210 10.320 10.430
7 8.548 8.711 8.860 8.997 9.124 9.242 9.353 9.456 9.554
8 8.027 8.176 8.312 8.436 8.552 8.659 8.760 8.854 8.943
9 7.647 7.784 7.910 8.025 8.132 8.232 8.325 8.412 8.496
10 7.356 7.485 7.603 7.712 7.812 7.906 7.993 8.076 8.153
11 7.128 7.250 7.362 7.465 7.560 7.649 7.732 7.809 7.883
12 6.943 7.060 7.167 7.265 7.356 7.441 7.520 7.594 7.665
13 6.791 6.903 7.006 7.101 7.188 7.209 7.345 7.417 7.415
14 6.664 6.772 6.871 6.962 7.047 7.126 7.199 7.268 7.333
15 6.555 6.660 6.757 6.845 6.927 7.003 7.074 7.142 7.204
16 6.462 6.564 6.658 6.744 6.823 6.898 6.967 7.032 7.093
17 6.381 6.480 6.372 6.656 6.734 6.806 6.873 6.937 6.997
18 6.310 6.407 6.497 6.579 6.655 6.725 6.792 6.854 6.912
19 6.247 6.342 6.430 6.510 6.585 6.654 6.719 6.780 6.837
20 6.191 6.285 6.371 6.450 6.523 6.591 6.654 6.714 6.771
24 6.017 6.106 6.186 6.261 6.330 6.394 6.453 6.510 6.563
30 5.849 5.932 6.008 6.078 6.143 6.203 6.259 6.311 6.361
40 5.686 5.764 5.835 5.900 5.961 6.017 6.069 6.119 6.165
60 5.523 5.601 5.667 5.728 5.785 5.837 5.886 5.931 5.974
120 5.375 5.443 5.505 5.562 5.614 5.662 5.708 5.750 5.790
oo 5.227 5.290 5.348 5.400 5.448 5.493 5.535 5.574 5.611
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 11
α = 0.05
DB
Galat 20 22 24 26 28 30 32 34 36
1 59.560 60.910 62.120 63.220 64.230 65.150 66.010 66.810 67.560
2 16.770 17.130 17.450 17.750 18.020 18.270 18.500 18.720 18.920
3 11.240 11.470 11.680 11.870 12.050 12.210 12.360 12.500 12.630
4 9.233 9.418 9.584 9.736 9.875 10.000 10.120 10.230 10.340
5 8.208 8.368 8.512 8.643 8.764 8.875 8.979 9.075 9.165
6 7.587 7.730 7.861 7.979 8.008 8.189 8.283 8.370 8.452
7 7.170 7.303 7.423 7.533 7.634 7.728 7.814 7.895 7.972
8 6.870 6.995 7.109 7.212 7.307 7.395 7.477 7.554 7.625
9 6.664 6.763 6.871 6.970 7.061 7.145 7.222 7.295 7.363
10 6.467 6.582 6.686 6.781 6.868 6.948 7.023 7.093 7.159
11 6.326 6.436 6.536 6.628 6.712 6.790 6.863 6.930 6.994
12 6.209 6.317 6.414 6.503 6.585 6.660 6.731 6.796 6.858
13 6.112 6.217 6.312 6.398 6.478 6.551 6.620 6.684 6.744
14 6.029 6.132 6.224 6.309 6.387 6.459 6.526 6.588 6.647
15 5.958 6.059 6.149 6.233 6.309 6.379 6.445 6.506 6.564
16 5.897 5.995 6.084 6.166 6.241 6.310 6.374 6.434 6.491
17 5.842 5.940 6.027 6.107 6.181 6.249 6.313 6.372 6.427
18 5.794 5.890 5.977 6.055 6.128 6.195 6.258 6.316 6.371
19 5.752 5.846 5.932 6.009 6.081 6.147 6.209 6.267 6.321
20 5.714 5.807 5.891 5.968 6.039 6.104 6.165 6.222 6.275
24 5.594 5.683 5.764 5.838 5.906 5.968 6.027 6.081 6.132
30 5.475 5.561 5.638 5.709 5.774 5.833 5.889 5.941 5.990
40 5.358 5.439 5.513 5.581 5.642 5.700 5.753 5.803 5.849
60 5.241 5.319 5.389 5.453 5.512 5.566 5.617 5.664 5.708
120 5.126 5.200 5.266 5.327 5.382 5.434 5.481 5.526 5.568
oo 5.012 5.081 5.144 5.201 5.253 5.301 5.346 5.388 5.427
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 12
α = 0.01
DB
Galat 20 22 24 26 28 30 32 34 36
1 298.000 304.700 310.800 316.300 321.300 326.000 330.300 334.300 338.000
2 37.950 38.760 39.490 40.150 40.760 41.320 41.840 42.330 42.780
3 19.770 20.170 20.530 20.860 21.160 21.440 21.700 21.950 22.170
4 14.400 14.680 14.930 15.160 15.370 15.570 15.750 15.920 16.080
5 11.930 12.160 12.360 12.540 12.710 12.870 13.020 13.150 13.280
6 10.540 10.730 10.910 11.060 11.210 11.340 11.470 11.580 11.690
7 9.646 9.815 9.970 9.450 9.569 9.678 9.779 9.874 9.964
8 9.027 9.182 9.322 9.450 9.569 9.678 9.779 9.874 9.964
9 8.573 8.717 8.847 8.966 9.075 9.177 9.271 9.360 9.443
10 8.226 8.361 8.483 8.595 8.698 8.794 8.883 8.966 9.044
11 7.952 8.080 8.196 8.303 8.400 8.491 8.575 8.654 8.728
12 7.731 7.853 7.964 8.066 8.159 8.246 8.327 8.402 8.473
13 7.548 7.665 7.772 7.870 7.960 8.043 8.121 8.193 8.262
14 7.395 7.508 7.611 7.705 7.792 7.873 7.948 8.018 8.084
15 7.264 7.374 7.474 7.566 7.650 7.728 7.800 7.869 7.932
16 7.152 7.258 7.356 7.445 7.527 7.602 7.673 7.739 7.802
17 7.053 7.158 7.253 7.340 7.420 7.493 7.563 7.627 7.687
18 6.968 7.070 7.163 7.247 7.325 7.398 7.465 7.528 7.587
19 6.891 6.992 7.082 7.166 7.242 7.313 7.379 7.440 7.498
20 6.823 6.922 7.011 7.092 7.168 7.237 7.302 7.362 7.419
24 6.612 6.705 6.789 6.865 6.936 7.001 7.062 7.119 7.173
30 6.407 6.494 6.572 6.644 6.710 6.772 6.828 6.881 6.932
40 6.209 6.289 6.362 6.429 6.490 6.547 6.600 6.650 6.697
60 6.015 6.090 6.158 6.220 6.227 6.330 6.378 6.424 6.467
120 5.827 5.897 5.959 6.016 6.069 6.117 6.162 6.204 6.244
oo 5.645 5.709 5.766 5.818 5.866 5.911 5.952 5.990 6.026
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 13
α = 0.05
DB
Galat 38 40 50 60 70 80 90 100
1 68.260 68.920 71.730 73.970 75.820 77.400 78.770 79.980
2 19.110 19.280 20.050 20.660 21.160 21.590 21.960 22.290
3 12.750 12.870 13.360 13.760 14.080 14.360 14.610 14.820
4 10.440 10.530 10.930 11.240 11.510 11.730 11.920 12.090
5 9.250 9.330 9.674 9.949 10.180 10.380 10.540 10.690
6 8.529 8.601 8.913 9.163 9.370 9.548 9.702 9.839
7 8.043 8.110 8.400 8.632 8.824 8.989 9.133 9.261
8 7.693 7.756 8.029 8.248 8.430 8.586 8.722 8.643
9 7.428 7.488 7.749 7.958 8.132 8.281 8.410 8.526
10 7.220 7.279 7.529 7.730 7.897 8.041 8.166 8.276
11 7.053 7.110 7.352 7.546 7.708 7.847 7.968 8.075
12 6.916 6.970 7.205 7.394 7.552 7.687 7.804 7.909
13 6.800 6.854 7.083 7.267 7.421 7.552 7.667 7.769
14 6.702 6.754 6.979 7.159 7.309 7.438 7.550 7.650
15 6.618 6.669 6.888 7.065 7.212 7.339 7.449 7.546
16 6.544 6.594 6.810 6.984 7.128 7.252 7.360 7.457
17 6.479 6.529 6.741 6.912 7.054 7.176 7.183 7.377
18 6.422 6.471 6.680 6.848 6.989 7.109 7.213 7.307
19 6.371 6.419 6.626 6.792 6.930 7.048 7.152 7.244
20 6.325 6.373 6.576 6.740 6.877 6.994 7.097 7.187
24 6.181 6.226 6.421 6.579 6.710 6.822 6.920 7.008
30 6.037 6.080 6.267 6.417 6.543 6.650 6.744 6.827
40 5.893 5.934 6.112 6.255 6.375 6.477 6.566 6.645
60 5.750 5.789 5.958 6.093 6.206 6.303 6.387 6.462
120 5.607 5.644 5.802 5.929 6.035 6.126 6.205 6.275
oo 5.463 5.498 5.646 5.764 5.863 5.947 6.020 6.085
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 14
α = 0.01
DB
Galat 38 40 50 60 70 80 90 100
1 341.500 344.800 358.900 370.100 379.400 387.300 394.100 400.100
2 43.210 43.610 45.330 46.700 48.830 48.800 49.640 50.380
3 22.390 22.590 23.450 24.130 24.710 25.190 25.620 25.990
4 16.230 16.370 16.980 17.460 17.860 18.200 18.500 18.770
5 13.400 13.520 14.000 14.390 14.720 14.990 15.230 15.450
6 11.800 11.900 12.310 12.650 12.920 13.160 13.370 13.550
7 10.770 10.850 11.230 11.520 11.770 11.990 12.170 12.340
8 10.050 10.130 10.470 10.750 10.970 11.170 11.340 11.490
9 9.521 9.594 9.912 10.170 10.380 10.570 10.730 10.870
10 9.117 9.187 9.486 9.726 9.927 10.100 10.250 10.390
11 8.798 8.864 9.148 9.377 9.568 9.732 9.875 10.000
12 8.539 8.603 8.875 9.094 9.277 9.434 9.571 9.693
13 8.326 8.387 8.648 8.859 8.035 9.187 9.318 9.436
14 8.146 8.204 8.457 8.661 8.832 8.178 9.106 9.219
15 7.992 8.049 8.295 8.492 8.658 8.800 8.924 9.035
16 7.860 7.916 8.154 8.347 8.507 8.646 8.767 8.874
17 7.745 7.799 8.031 8.219 8.377 8.511 8.630 8.735
18 7.643 7.696 7.924 8.107 8.261 8.393 8.508 8.611
19 7.553 7.605 7.828 8.008 8.159 8.288 8.401 8.502
20 7.473 7.523 7.742 7.919 8.067 8.194 8.305 8.404
24 7.223 7.270 7.476 7.642 7.780 7.900 8.004 8.097
30 6.978 7.023 7.215 7.370 7.500 7.611 7.709 7.796
40 6.740 6.782 6.960 7.104 7.225 7.328 7.419 7.500
60 6.507 6.546 6.710 6.843 6.954 7.050 7.133 7.207
120 6.281 6.316 6.467 6.588 6.689 6.776 6.852 6.919
oo 6.060 6.092 6.228 6.338 6.429 6.507 6.575 6.636
k = Jumlah Perlakuan
Created by Eff. Agus Marmono Rancangan Percobaan 15
DB Proba-
Galat bilitas 2 3 4 5 6 7 8 9 10 12 14 16 18 20
1 0.05 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00
0.01 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00
2 0.05 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09
0.01 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00
3 0.05 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50
0.01 8.26 8.50 8.60 8.70 8.80 8.90 8.90 9.00 9.00 9.00 9.10 9.20 9.30 9.30
4 0.05 3.93 4.01 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02
0.01 6.51 6.80 6.90 7.00 7.10 7.10 7.20 7.20 7.30 7.30 7.40 7.40 7.50 7.50
5 0.05 3.64 3.74 3.79 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83
0.01 5.70 5.96 6.11 6.18 6.26 6.33 6.40 6.44 6.50 6.60 6.60 6.70 6.70 6.80
6 0.05 3.46 3.58 3.64 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68
0.01 5.24 5.51 5.65 5.73 5.81 5.88 5.95 6.00 6.00 6.10 6.20 6.20 6.30 6.30
7 0.05 3.35 3.47 3.54 3.58 3.60 3.61 3.61 3.61 3.61 3.61 3.61 3.61 3.61 3.61
0.01 4.95 5.22 5.37 5.45 5.53 5.61 5.69 5.73 5.80 5.80 5.90 5.90 6.00 6.00
8 0.05 3.26 3.39 3.47 3.52 3.55 3.56 3.56 3.56 3.56 3.56 3.56 3.56 3.56 3.56
0.01 4.74 5.00 5.14 5.23 5.32 5.40 5.47 5.51 5.50 5.60 5.70 5.70 5.80 5.80
9 0.05 3.20 3.34 3.41 3.47 3.50 3.52 3.52 3.52 3.52 3.52 3.52 3.52 3.52 3.52
0.01 4.60 4.86 4.99 5.08 5.17 5.25 5.32 5.36 5.40 5.50 5.50 5.60 5.70 5.70
10 0.05 3.15 3.30 3.37 3.43 3.46 3.47 3.47 3.47 3.47 3.47 3.47 3.47 3.47 3.48
0.01 4.48 4.73 4.88 4.96 5.09 5.13 5.20 5.24 5.28 5.36 5.42 5.48 5.54 5.55
TABEL DMRT
p = banyaknya nilai tengah dalam wilayah yang diuji
Created by Eff. Agus Marmono Rancangan Percobaan 16
DB Proba-
Galat bilitas 2 3 4 5 6 7 8 9 10 12 14 16 18 20
11 0.05 3.11 3.27 3.35 3.39 3.43 3.44 3.45 3.46 3.46 3.46 3.46 3.46 3.47 3.48
0.01 4.39 4.63 4.77 4.86 4.94 5.01 5.06 5.12 5.15 5.24 5.28 5.34 5.38 5.39
12 0.05 3.08 3.23 3.33 3.36 3.40 3.42 3.44 3.44 3.46 3.46 3.46 3.46 3.47 3.48
0.01 4.32 4.55 4.68 4.76 4.84 4.92 4.96 5.02 5.07 5.13 5.17 5.22 5.24 5.26
13 0.05 3.06 3.21 3.30 3.35 3.38 3.41 3.42 3.44 3.45 3.45 3.46 3.46 3.47 3.47
0.01 4.26 4.48 4.62 4.69 4.74 4.84 4.88 4.94 4.98 5.04 5.08 5.13 5.14 5.15
14 0.05 3.03 3.18 3.27 3.33 3.37 3.39 3.41 3.42 3.44 3.45 3.46 3.46 3.47 3.47
0.01 4.21 4.42 4.55 4.63 4.70 4.78 4.83 4.87 4.91 4.96 5.00 5.04 5.06 5.07
15 0.05 3.01 3.16 3.25 3.31 3.36 3.38 3.40 3.42 3.43 3.44 3.45 3.46 3.47 3.47
0.01 4.17 4.37 4.50 4.58 4.64 4.72 4.77 4.81 4.84 4.90 4.94 4.97 4.99 5.00
16 0.05 3.00 3.15 3.23 3.30 3.34 3.37 3.39 3.41 3.43 3.44 3.45 3.46 3.47 3.47
0.01 4.13 4.34 4.45 4.54 4.60 4.67 4.72 4.76 4.79 4.85 4.88 4.91 4.93 4.94
17 0.05 2.98 3.13 3.22 3.28 3.33 3.36 3.38 3.40 3.42 3.44 3.45 3.46 3.47 3.47
0.01 4.10 4.30 4.41 4.50 4.56 4.63 4.68 4.72 4.75 4.80 4.83 4.86 4.88 4.89
18 0.05 2.97 3.12 3.21 3.27 3.32 3.35 3.37 3.39 3.41 3.43 3.45 3.46 3.47 3.47
0.01 4.07 4.27 4.38 4.46 4.53 4.59 4.64 4.68 4.71 4.76 4.79 4.82 4.84 4.85
19 0.05 2.96 3.11 3.19 3.26 3.31 3.35 3.37 3.39 3.41 3.43 3.44 3.46 3.47 3.47
0.01 4.05 4.24 4.35 4.43 4.50 4.56 4.61 4.64 4.67 4.72 4.76 4.79 4.81 4.82
20 0.05 2.95 3.10 3.18 3.25 3.30 3.34 3.36 3.38 3.40 3.43 3.44 3.46 3.46 3.47
0.01 4.02 4.22 4.33 4.40 4.47 4.53 4.58 4.61 4.65 4.69 4.73 4.76 4.78 4.79
22 0.05 2.93 3.08 3.17 3.24 3.29 3.32 3.35 3.37 3.39 3.42 3.44 3.45 3.46 3.47
0.01 3.99 4.17 4.28 4.36 4.42 4.48 4.53 4.57 4.60 4.65 4.68 4.71 4.74 4.75
p = banyaknya nilai tengah dalam wilayah yang diuji
Created by Eff. Agus Marmono Rancangan Percobaan 17
DB Proba-
Galat bilitas 2 3 4 5 6 7 8 9 10 12 14 16 18 20
24 0.05 2.92 3.09 3.15 3.22 3.28 3.31 3.34 3.37 3.38 3.41 3.44 3.45 3.46 3.47
0.01 3.96 4.14 4.24 4.33 4.39 4.44 4.49 4.53 4.57 4.62 4.64 4.67 4.70 4.72
26 0.05 2.91 3.06 3.14 3.21 3.27 3.30 3.34 3.36 3.38 3.41 3.43 3.43 3.46 3.47
0.01 3.93 4.11 4.21 4.30 4.36 4.41 4.46 4.50 4.53 4.58 4.62 4.65 4.67 4.69
28 0.05 2.90 3.04 3.13 3.20 3.26 3.30 3.33 3.35 3.37 3.40 3.43 3.45 3.46 3.47
0.01 3.91 4.08 4.18 4.28 4.34 4.39 4.43 4.47 4.51 4.56 4.60 4.62 4.65 4.67
30 0.05 2.89 3.04 3.12 3.20 3.25 3.29 3.32 3.35 3.37 3.40 3.43 3.44 3.46 3.47
0.01 3.89 4.06 4.16 4.22 4.32 4.36 4.41 4.45 4.48 4.54 4.58 4.61 4.63 4.65
40 0.05 2.86 3.01 3.10 3.17 3.22 3.27 3.30 3.33 3.35 3.39 3.42 3.44 3.46 3.47
0.01 3.82 3.99 4.10 4.17 4.24 4.30 4.34 4.37 4.41 4.46 4.51 4.54 4.57 4.59
60 0.05 2.83 2.98 3.08 3.14 3.20 3.24 3.28 3.31 3.33 3.37 3.40 3.43 3.45 3.47
0.01 3.76 3.92 4.03 4.12 4.17 4.23 4.27 4.31 4.34 4.39 4.44 4.47 4.50 4.53
100 0.05 2.80 2.95 3.05 3.12 3.18 3.22 3.26 3.29 3.32 3.36 3.40 3.42 3.45 3.47
0.01 3.71 3.86 3.98 4.06 4.11 4.17 4.21 4.25 4.29 4.35 4.38 4.42 4.45 4.48
oo 0.05 2.77 2.92 3.02 3.09 3.15 3.19 3.23 3.26 3.29 3.34 3.38 3.41 3.44 3.47
0.01 3.64 3.80 3.90 3.98 4.04 4.09 4.14 4.17 4.20 4.26 4.31 4.34 4.38 4.41
p = banyaknya nilai tengah dalam wilayah yang diuji
Created by Eff. Agus Marmono Rancangan Percobaan 18
DB Prob
Galat 1 2 3 4 5 6 7 8 9
5 0.05 2.57 3.03 3.39 3.66 3.88 4.06 4.22 4.36 4.49
0.01 4.03 4.63 5.09 5.44 5.73 5.97 6.18 6.36 6.53
6 0.05 2.45 2.86 3.18 3.41 3.60 3.75 3.88 4.00 4.11
0.01 3.71 4.22 4.60 4.88 5.11 5.30 5.47 5.61 5.74
7 0.05 2.36 2.75 3.04 3.24 3.41 3.54 3.66 3.76 3.86
0.01 3.50 3.95 4.28 4.52 4.71 4.87 5.01 5.13 5.24
8 0.05 2.31 2.67 2.94 3.13 3.28 3.40 3.51 3.60 3.68
0.01 3.36 3.77 4.06 4.27 4.44 4.58 4.70 4.81 4.90
9 0.05 2.26 2.61 2.86 3.04 3.18 3.29 3.39 3.48 3.55
0.01 3.25 3.63 3.90 4.09 4.24 4.37 4.48 4.57 4.65
10 0.05 2.23 2.57 2.81 2.97 3.11 3.21 3.31 3.39 3.46
0.01 3.17 3.53 3.78 3.95 4.10 4.21 4.31 4.40 4.47
11 0.05 2.20 2.53 2.76 2.92 3.05 3.15 3.24 3.31 3.38
0.01 3.11 3.45 3.68 3.85 3.98 4.09 4.18 4.26 4.33
12 0.05 2.18 2.50 2.72 2.88 3.00 3.10 3.18 3.25 3.32
0.01 3.05 3.39 3.61 3.76 3.89 3.99 4.08 4.15 4.22
13 0.05 2.16 2.48 2.69 2.84 2.96 3.06 3.14 3.21 3.27
0.01 3.01 3.33 3.54 3.69 3.81 3.91 3.99 4.06 4.13
14 0.05 2.14 2.46 2.67 2.81 2.93 3.02 3.10 3.17 3.23
0.01 2.98 3.29 3.49 3.64 3.75 3.84 3.92 3.99 4.05
15 0.05 2.13 2.44 2.64 2.79 2.90 2.99 3.07 3.13 3.19
0.01 2.95 3.25 3.45 3.59 3.70 3.79 3.86 3.93 3.99
16 0.05 2.12 2.42 2.63 2.77 2.88 2.96 3.04 3.10 3.16
0.01 2.92 3.22 3.41 3.55 3.65 3.74 3.82 3.88 3.93
17 0.05 2.11 2.41 2.61 2.75 2.85 2.94 3.01 3.08 3.13
0.01 2.90 3.19 3.38 3.51 3.62 3.70 3.77 3.83 3.89
18 0.05 2.10 2.40 2.59 2.73 2.84 2.92 2.99 3.05 3.11
0.01 2.88 3.17 3.35 3.48 3.58 3.67 3.74 3.80 3.85
19 0.05 2.09 2.39 2.58 2.72 2.82 2.90 2.97 3.04 3.09
0.01 2.86 3.15 3.33 3.46 3.55 3.64 3.70 3.76 3.81
Tabel Dunnet dua arah
p = jumlah perlakuan selain kontrol
Created by Eff. Agus Marmono Rancangan Percobaan 19
DB Prob
Galat 1 2 3 4 5 6 7 8 9
20 0.05 2.09 2.38 2.57 2.70 2.81 2.89 2.96 3.02 3.07
0.01 2.85 3.13 3.31 3.43 3.53 3.61 3.67 3.73 3.78
24 0.05 2.06 2.35 2.53 2.66 2.76 2.84 2.91 2.96 3.01
0.01 2.80 3.07 3.24 3.36 3.45 3.52 3.58 3.64 3.69
30 0.05 2.04 2.32 2.50 2.62 2.72 2.79 2.86 2.91 2.96
0.01 2.75 3.01 3.17 3.28 3.37 3.44 3.50 3.55 3.59
40 0.05 2.02 2.29 2.47 2.58 2.67 2.75 2.81 2.86 2.90
0.01 2.70 2.95 3.10 3.21 3.29 3.36 3.41 3.46 3.50
60 0.05 2.00 2.27 2.43 2.55 2.63 2.70 2.76 2.81 2.85
0.01 2.66 2.90 3.04 3.14 3.22 3.28 3.33 3.38 3.42
120 0.05 1.98 2.24 2.40 2.51 2.59 2.66 2.71 2.76 2.80
0.01 2.62 2.84 2.98 3.08 3.15 3.21 3.25 3.30 3.33
oo 0.05 1.96 2.21 2.37 2.47 2.55 2.62 2.67 2.71 2.75
0.01 2.58 2.79 2.92 3.01 3.08 3.14 3.18 3.22 3.25
p = jumlah perlakuan selain kontrol
Created by Eff. Agus Marmono Rancangan Percobaan 20
DB Prob
Galat 1 2 3 4 5 6 7 8 9
5 0.05 2.02 2.44 2.68 2.85 2.98 3.08 3.16 3.24 3.30
0.01 3.37 3.90 4.21 4.43 4.60 4.73 4.85 4.94 5.03
6 0.05 1.40 2.34 2.56 2.71 2.83 2.92 3.00 3.07 3.12
0.01 3.14 3.61 3.88 4.07 4.21 4.33 4.43 4.51 4.59
7 0.05 1.89 2.27 2.48 2.62 2.73 2.82 2.89 2.95 3.01
0.01 3.00 3.42 3.66 3.83 3.96 4.07 4.15 4.23 4.30
8 0.05 1.86 2.22 2.42 2.55 2.66 2.74 2.81 2.87 2.92
0.01 2.90 3.29 3.51 3.67 3.79 3.88 3.96 4.03 4.09
9 0.05 1.83 2.18 2.37 2.50 2.60 2.68 2.75 2.81 2.86
0.01 2.82 3.19 3.40 3.55 3.66 3.75 3.82 3.89 3.94
10 0.05 1.81 2.15 2.34 2.47 2.56 2.64 2.70 2.76 2.81
0.01 2.76 3.11 3.31 3.45 3.56 3.64 3.71 3.78 3.83
11 0.05 1.80 2.13 2.31 2.44 2.53 2.60 2.67 2.72 2.77
0.01 2.72 3.06 3.25 3.38 3.48 3.56 3.63 3.69 3.74
12 0.05 1.78 2.11 2.29 2.41 2.50 2.58 2.64 2.69 2.74
0.01 2.68 3.01 3.19 3.32 3.42 3.50 3.56 3.62 3.67
13 0.05 1.77 2.09 2.27 2.39 2.48 2.55 2.61 2.66 2.71
0.01 2.65 2.97 3.15 3.27 3.37 3.44 3.51 3.56 3.61
14 0.05 1.76 2.08 2.25 2.37 2.46 2.53 2.59 2.64 2.69
0.01 2.62 2.94 3.11 3.23 3.32 3.40 3.46 3.51 3.56
15 0.05 1.75 2.07 2.24 2.36 2.44 2.51 2.57 2.62 2.67
0.01 2.60 2.91 3.08 3.20 3.29 3.36 3.42 3.47 3.52
16 0.05 1.75 2.06 2.23 2.34 2.43 2.50 2.56 2.61 2.65
0.01 2.58 2.88 3.05 3.17 3.26 3.33 3.39 3.44 3.48
17 0.05 1.74 2.05 2.22 2.33 2.42 2.49 2.54 2.59 2.64
0.01 2.57 2.86 3.03 3.14 3.23 3.30 3.36 3.41 3.45
18 0.05 1.73 2.04 2.21 2.32 2.41 2.48 2.53 2.58 2.62
0.01 2.55 2.84 3.01 3.12 3.21 3.27 3.33 3.38 3.42
19 0.05 1.73 2.03 2.20 2.31 2.40 2.47 2.52 2.57 2.61
0.01 2.54 2.83 2.99 3.10 3.18 3.25 3.31 3.36 3.40
p = jumlah perlakuan selain kontrol
Tabel Dunnet satu arah
Created by Eff. Agus Marmono Rancangan Percobaan 21
DB Prob
Galat 1 2 3 4 5 6 7 8 9
20 0.05 1.72 2.03 2.19 2.30 2.39 2.46 2.51 2.56 2.60
0.01 2.53 2.81 2.97 3.08 3.17 3.23 3.29 3.34 3.38
24 0.05 1.71 2.01 2.17 2.28 2.36 2.43 2.48 2.53 2.57
0.01 2.49 2.77 2.92 3.03 3.11 3.17 3.22 3.27 3.31
30 0.05 1.70 1.99 2.15 2.25 2.33 2.40 2.45 2.50 2.54
0.01 2.46 2.72 2.87 2.97 3.05 3.11 3.16 3.21 3.24
40 0.05 1.68 1.97 2.13 2.23 2.31 2.37 2.42 2.47 2.51
0.01 2.42 2.68 2.82 2.92 2.99 3.05 3.10 3.14 3.18
60 0.05 1.67 1.95 2.10 2.21 2.28 2.35 2.39 2.44 2.48
0.01 2.39 2.64 2.78 2.87 2.94 3.00 3.04 3.08 3.12
120 0.05 1.66 1.93 2.08 2.18 2.26 2.32 2.37 2.41 2.45
0.01 2.36 2.60 2.73 2.82 2.89 2.94 2.99 3.03 3.06
oo 0.05 1.64 1.92 2.06 2.16 2.23 2.29 2.34 2.38 2.42
0.01 2.33 2.56 2.68 2.77 2.84 2.89 2.94 2.97 3.00
p = jumlah perlakuan selain kontrol
Created by Eff. Agus Marmono Rancangan Percobaan 22
Tabel . Koefisien dan pembagi untuk pembanding Orthogonal
Jumlah Derajat Pembagi Lamda
Perl Polinom T 1 T 2 T 3 T 4 T 5 T 6 Σ Ci
2
2 Linier -1 1 2 2
3 Linier -1 0 1 2 1
Kuadrater 1 -2 1 6 3
4 Linier -3 -1 1 3 20 2
Kuadrater 1 -1 -1 1 4 1
Kubik -1 3 -3 1 20 10/3
5 Linier -2 -1 0 1 2 10 1
Kuadrater 2 -1 -2 -1 2 14 1
Kubik -1 2 0 -2 1 10 5/6
Kuartik 1 -4 6 -4 1 70 35/12
6 Linier -5 -3 -1 1 3 5 70 2
Kuadrater 5 -1 -4 -4 -1 5 84 3/2
Kubik -5 7 4 -4 -7 5 180 5/3
Kuartik 1 -3 2 2 -3 1 28 7/12
Kuintik -1 5 -10 10 -5 1 252 21/10
7 8
Lin Kdr Kbk Krt Knt Lin Kdr Kbk Krt Knt
-7 7 -7 7 -7
-3 5 -1 3 -1 -5 1 5 -13 23
-2 0 1 -7 4 -3 -3 7 -3 -17
-1 -3 1 1 -5 -1 -5 3 9 -15
0 -4 0 6 0 1 -5 -3 9 15
1 -3 -1 1 5 3 -3 -7 -3 17
2 0 -1 -7 -4 5 1 -5 -13 -23
3 5 1 3 1 7 7 7 7 7
28 84 6 154 84 168 168 264 616 2184
1 1 1/6 7/12 7/20 2 1 2/3 7/12 7/10
Total Perlakuan
dalam Regresi dengan perlakuan berjarak sama
Created by Eff. Agus Marmono Rancangan Percobaan 23
% 0.000 0.010 0.020 0.030 0.040 0.050 0.060 0.070 0.080 0.090
0.00 0.000 0.573 0.810 0.992 1.146 1.281 1.404 1.516 1.621 1.719
0.10 1.812 1.901 1.985 2.066 2.144 2.220 2.292 2.363 2.432 2.498
0.20 2.563 2.627 2.688 2.749 2.808 2.866 2.923 2.979 3.033 3.087
0.30 3.140 3.192 3.243 3.293 3.343 3.392 3.440 3.487 3.534 3.580
0.40 3.626 3.671 3.716 3.760 3.803 3.846 3.889 3.931 3.973 4.014
0.50 4.055 4.095 4.135 4.175 4.214 4.253 4.292 4.330 4.368 4.405
0.60 4.443 4.480 4.516 4.553 4.589 4.624 4.660 4.695 4.730 4.765
0.70 4.799 4.834 4.868 4.901 4.935 4.968 5.001 5.034 5.067 5.099
0.80 5.132 5.164 5.195 5.227 5.259 5.290 5.321 5.352 5.383 5.413
0.90 5.444 5.474 5.504 5.534 5.564 5.593 5.623 5.652 5.681 5.710
1 5.739 5.768 5.796 5.825 5.853 5.881 5.909 5.937 5.965 5.993
2 8.130 8.151 8.171 8.191 8.212 8.232 8.252 8.272 8.292 8.312
3 9.974 9.991 10.008 10.024 10.041 10.058 10.075 10.091 10.108 10.124
4 11.537 11.552 11.566 11.581 11.595 11.610 11.624 11.639 11.653 11.668
5 12.921 12.934 12.947 12.960 12.973 12.987 13.000 13.013 13.026 13.039
6 14.179 14.191 14.203 14.215 14.227 14.239 14.251 14.263 14.275 14.287
7 15.342 15.353 15.364 15.375 15.387 15.398 15.409 15.420 15.431 15.442
8 16.430 16.440 16.451 16.462 16.472 16.483 16.493 16.504 16.514 16.525
9 17.458 17.468 17.478 17.488 17.498 17.508 17.518 17.528 17.538 17.547
10 18.435 18.444 18.454 18.464 18.473 18.483 18.492 18.502 18.511 18.521
11 19.370 19.379 19.388 19.397 19.406 19.415 19.425 19.434 19.443 19.452
12 20.268 20.277 20.286 20.294 20.303 20.312 20.321 20.330 20.338 20.347
13 21.134 21.143 21.151 21.160 21.168 21.177 21.185 21.194 21.202 21.211
14 21.973 21.981 21.989 21.998 22.006 22.014 22.022 22.030 22.039 22.047
15 22.786 22.795 22.803 22.811 22.819 22.827 22.835 22.843 22.851 22.859
16 23.578 23.586 23.594 23.602 23.609 23.617 23.625 23.633 23.641 23.648
17 24.350 24.358 24.365 24.373 24.381 24.388 24.396 24.403 24.411 24.419
18 25.104 25.112 25.119 25.126 25.134 25.141 25.149 25.156 25.164 25.171
19 25.842 25.849 25.857 25.864 25.871 25.878 25.886 25.893 25.900 25.908
20 26.565 26.572 26.579 26.587 26.594 26.601 26.608 26.615 26.622 26.629
21 27.275 27.282 27.289 27.296 27.303 27.310 27.317 27.324 27.331 27.338
22 27.972 27.979 27.986 27.993 28.000 28.007 28.014 28.020 28.027 28.034
23 28.658 28.665 28.672 28.679 28.685 28.692 28.699 28.706 28.713 28.719
24 29.334 29.341 29.347 29.354 29.361 29.367 29.374 29.381 29.388 29.394
25 30.000 30.007 30.013 30.020 30.026 30.033 30.040 30.046 30.053 30.060
TABEL TRANSFORMASI ARCUS SINUS √ %
Created by Eff. Agus Marmono Rancangan Percobaan 24
% 0.000 0.010 0.020 0.030 0.040 0.050 0.060 0.070 0.080 0.090
26 30.657 30.664 30.670 30.677 30.683 30.690 30.696 30.703 30.710 30.716
27 31.306 31.313 31.319 31.326 31.332 31.339 31.345 31.352 31.358 31.364
28 31.948 31.954 31.961 31.967 31.974 31.980 31.986 31.993 31.999 32.005
29 32.583 32.589 32.595 32.602 32.608 32.614 32.621 32.627 32.633 32.640
30 33.211 33.217 33.223 33.230 33.236 33.242 33.248 33.255 33.261 33.267
31 33.833 33.839 33.846 33.852 33.858 33.864 33.870 33.877 33.883 33.889
32 34.450 34.456 34.462 34.468 34.474 34.481 34.487 34.493 34.499 34.505
33 35.062 35.068 35.074 35.080 35.086 35.092 35.098 35.104 35.110 35.116
34 35.669 35.675 35.681 35.687 35.693 35.699 35.705 35.711 35.717 35.723
35 36.271 36.277 36.283 36.289 36.295 36.301 36.307 36.313 36.319 36.325
36 36.870 36.876 36.882 36.888 36.894 36.900 36.906 36.912 36.918 36.924
37 37.465 37.471 37.477 37.483 37.489 37.495 37.501 37.506 37.512 37.518
38 38.057 38.063 38.069 38.074 38.080 38.086 38.092 38.098 38.104 38.110
39 38.645 38.651 38.657 38.663 38.669 38.675 38.681 38.687 38.692 38.698
40 39.232 39.237 39.243 39.249 39.255 39.261 39.267 39.272 39.278 39.284
41 39.815 39.821 39.827 39.833 39.838 39.844 39.850 39.856 39.862 39.868
42 40.397 40.402 40.408 40.414 40.420 40.426 40.431 40.437 40.443 40.449
43 40.976 40.982 40.988 40.993 40.999 41.005 41.011 41.017 41.022 41.028
44 41.554 41.560 41.565 41.571 41.577 41.583 41.589 41.594 41.600 41.606
45 42.130 42.136 42.142 42.148 42.153 42.159 42.165 42.171 42.176 42.182
46 42.706 42.711 42.717 42.723 42.729 42.734 42.740 42.746 42.752 42.757
47 43.280 43.286 43.292 43.297 43.303 43.309 43.315 43.320 43.326 43.332
48 43.854 43.860 43.865 43.871 43.877 43.882 43.888 43.894 43.900 43.905
49 44.427 44.433 44.438 44.444 44.450 44.456 44.461 44.467 44.473 44.479
50 45.000 45.006 45.011 45.017 45.023 45.029 45.034 45.040 45.046 45.052
51 45.573 45.579 45.584 45.590 45.596 45.602 45.607 45.613 45.619 45.625
52 46.146 46.152 46.158 46.163 46.169 46.175 46.181 46.186 46.192 46.198
53 46.720 46.726 46.731 46.737 46.743 46.749 46.754 46.760 46.766 46.772
54 47.294 47.300 47.306 47.312 47.317 47.323 47.329 47.335 47.340 47.346
55 47.870 47.875 47.881 47.887 47.893 47.898 47.904 47.910 47.916 47.921
56 48.446 48.452 48.458 48.463 48.469 48.475 48.481 48.486 48.492 48.498
57 49.024 49.030 49.035 49.041 49.047 49.053 49.059 49.064 49.070 49.076
58 49.603 49.609 49.615 49.621 49.627 49.632 49.638 49.644 49.650 49.656
59 50.185 50.191 50.197 50.202 50.208 50.214 50.220 50.226 50.231 50.237
60 50.768 50.774 50.780 50.786 50.792 50.798 50.804 50.809 50.815 50.821
61 51.355 51.360 51.366 51.372 51.378 51.384 51.390 51.396 51.402 51.407
62 51.943 51.949 51.955 51.961 51.967 51.973 51.979 51.985 51.990 51.996
63 52.535 52.541 52.547 52.553 52.559 52.565 52.571 52.577 52.583 52.588
64 53.130 53.136 53.142 53.148 53.154 53.160 53.166 53.172 53.178 53.184
65 53.729 53.735 53.741 53.747 53.753 53.759 53.765 53.771 53.777 53.783
Created by Eff. Agus Marmono Rancangan Percobaan 25
% 0.000 0.010 0.020 0.030 0.040 0.050 0.060 0.070 0.080 0.090
66 54.331 54.338 54.344 54.350 54.356 54.362 54.368 54.374 54.380 54.386
67 54.938 54.945 54.951 54.957 54.963 54.969 54.975 54.981 54.987 54.993
68 55.550 55.556 55.562 55.569 55.575 55.581 55.587 55.593 55.599 55.605
69 56.167 56.173 56.179 56.185 56.192 56.198 56.204 56.210 56.216 56.223
70 56.789 56.795 56.802 56.808 56.814 56.820 56.827 56.833 56.839 56.845
71 57.417 57.424 57.430 57.436 57.443 57.449 57.455 57.462 57.468 57.474
72 58.052 58.058 58.065 58.071 58.077 58.084 58.090 58.097 58.103 58.109
73 58.694 58.700 58.706 58.713 58.719 58.726 58.732 58.739 58.745 58.752
74 59.343 59.349 59.356 59.362 59.369 59.375 59.382 59.388 59.395 59.402
75 60.000 60.007 60.013 60.020 60.026 60.033 60.040 60.046 60.053 60.060
76 60.666 60.673 60.680 60.686 60.693 60.700 60.706 60.713 60.720 60.727
77 61.342 61.349 61.355 61.362 61.369 61.376 61.383 61.389 61.396 61.403
78 62.028 62.035 62.042 62.049 62.056 62.062 62.069 62.076 62.083 62.090
79 62.725 62.732 62.739 62.746 62.753 62.760 62.767 62.775 62.782 62.789
80 63.435 63.442 63.449 63.456 63.464 63.471 63.478 63.485 63.492 63.499
81 64.158 64.165 64.173 64.180 64.187 64.195 64.202 64.209 64.217 64.224
82 64.896 64.903 64.911 64.918 64.926 64.933 64.941 64.948 64.956 64.963
83 65.650 65.658 65.665 65.673 65.680 65.688 65.696 65.703 65.711 65.719
84 66.422 66.430 66.437 66.445 66.453 66.461 66.469 66.477 66.484 66.492
85 67.214 67.222 67.230 67.238 67.246 67.254 67.262 67.270 67.278 67.286
86 68.027 68.035 68.044 68.052 68.060 68.069 68.077 68.085 68.093 68.102
87 68.866 68.874 68.883 68.891 68.900 68.908 68.917 68.925 68.934 68.942
88 69.732 69.741 69.750 69.759 69.767 69.776 69.785 69.794 69.803 69.812
89 70.630 70.639 70.649 70.658 70.667 70.676 70.685 70.694 70.704 70.713
90 71.565 71.575 71.584 71.594 71.603 71.613 71.622 71.632 71.642 71.651
91 72.542 72.552 72.562 72.572 72.582 72.593 72.603 72.613 72.623 72.633
92 73.570 73.581 73.591 73.602 73.612 73.623 73.634 73.644 73.655 73.665
93 74.658 74.670 74.681 74.692 74.703 74.715 74.726 74.737 74.748 74.760
94 75.821 75.833 75.845 75.857 75.870 75.882 75.894 75.906 75.918 75.930
95 77.079 77.092 77.105 77.119 77.132 77.145 77.158 77.171 77.185 77.198
96 78.463 78.478 78.492 78.507 78.522 78.536 78.551 78.566 78.581 78.595
97 80.026 80.043 80.059 80.076 80.093 80.110 80.127 80.144 80.161 80.178
98 81.870 81.890 81.911 81.932 81.952 81.973 81.994 82.014 82.035 82.056
99 84.261 84.290 84.319 84.348 84.377 84.407 84.436 84.466 84.496 84.526
100 90.000
Created by Eff. Agus Marmono Rancangan Percobaan 26
Derajat
Bebas 0.995 0.975 0.900 0.500 0.100 0.050 0.025 0.010 0.005
1 0.000 0.000 0.016 0.455 2.706 3.841 5.024 6.635 7.879
2 0.010 0.051 0.211 1.386 4.605 5.991 7.378 9.210 10.597
3 0.072 0.216 0.584 2.366 6.251 7.815 9.348 11.345 12.838
4 0.207 0.484 1.064 3.357 7.779 9.488 11.143 13.277 14.860
5 0.412 0.831 1.610 4.351 9.236 11.070 12.832 15.086 16.750
6 0.676 1.237 2.204 5.348 10.645 12.592 14.449 16.812 18.548
7 0.989 1.690 2.833 6.346 12.017 14.067 16.013 18.475 20.278
8 1.344 2.180 3.490 7.344 13.362 15.507 17.535 20.090 21.955
9 1.735 2.700 4.168 8.343 14.648 16.919 19.023 21.666 23.589
10 2.156 3.247 4.865 9.342 15.987 18.307 20.483 23.209 25.188
11 2.603 3.816 5.578 10.341 17.275 19.675 21.920 24.725 26.757
12 3.074 4.404 6.304 11.340 18.549 21.026 23.337 26.217 28.300
13 3.565 5.009 7.042 12.340 19.812 22.362 24.736 27.688 29.819
14 4.075 5.629 7.790 13.339 21.064 23.685 26.119 29.141 31.319
15 4.601 6.262 8.547 14.339 22.307 24.996 27.488 30.578 32.801
16 5.142 6.908 9.312 15.338 23.542 26.296 28.845 32.000 34.267
17 5.697 7.564 10.085 16.338 24.769 27.587 30.191 33.409 35.718
18 6.265 8.231 10.865 17.338 25.989 28.869 31.526 34.805 37.156
19 6.844 8.907 11.651 18.338 27.204 30.144 32.852 36.191 38.582
20 7.434 9.591 12.443 19.337 28.412 31.410 34.170 37.566 39.997
21 8.034 10.283 13.240 20.337 29.615 32.670 35.479 38.932 41.401
22 8.643 10.982 14.042 21.337 30.813 33.924 36.781 40.289 42.796
23 9.260 11.688 14.848 22.337 32.007 35.172 38.076 41.638 44.181
24 9.886 12.401 15.659 23.337 33.196 36.415 39.364 42.980 45.558
25 10.520 13.120 16.473 24.337 34.382 37.652 40.646 44.314 46.928
26 11.160 13.844 17.292 25.336 35.563 38.885 41.923 45.642 48.290
27 11.808 14.573 18.114 26.336 36.741 40.113 43.194 46.963 49.645
28 12.461 15.308 18.939 27.336 37.916 41.337 44.461 48.278 50.993
29 13.121 16.047 19.768 28.336 39.088 42.557 45.722 49.588 52.336
30 13.787 16.791 20.599 29.336 40.256 43.773 46.979 50.892 53.672
31 14.458 17.539 21.434 30.336 41.422 44.985 48.232 52.192 55.003
32 15.135 18.291 22.271 31.336 42.585 46.194 49.481 53.486 56.329
33 15.816 19.047 23.110 32.336 43.745 47.400 50.725 54.776 57.649
34 16.502 19.806 23.952 33.336 44.903 48.602 51.966 56.061 58.964
35 17.192 20.570 24.797 34.336 46.059 49.802 53.203 57.342 60.275
36 17.887 21.336 25.643 35.336 47.212 50.998 54.437 58.619 61.582
37 18.586 22.106 26.492 36.335 48.363 52.192 55.668 59.893 62.884
38 19.289 22.879 27.343 37.335 49.513 53.384 56.896 61.162 64.182
39 19.996 23.654 28.196 38.335 50.660 54.572 58.120 62.428 65.476
40 20.707 24.433 29.051 39.335 51.805 55.758 59.342 63.691 66.766
P r o b a b i l i t a s
TABEL CHI SQUARE (χ
2
)
Created by Eff. Agus Marmono Rancangan Percobaan 27
Derajat
Bebas 0.995 0.975 0.900 0.500 0.100 0.050 0.025 0.010 0.005
41 21.421 25.215 29.907 40.335 52.949 56.942 60.561 64.950 68.053
42 22.139 25.999 30.765 41.335 54.090 58.124 61.777 66.206 69.336
43 22.860 26.786 31.625 42.335 55.230 59.304 62.990 67.460 70.616
44 23.584 27.575 32.487 43.335 56.369 60.481 64.202 68.710 71.893
45 24.311 28.366 33.350 44.335 57.505 61.656 65.410 69.957 73.166
46 25.042 29.160 34.215 45.335 58.641 62.830 66.617 71.202 74.437
47 25.775 29.956 35.081 46.335 59.774 64.001 67.821 72.443 75.704
48 26.511 30.755 35.949 47.335 60.907 65.171 69.023 73.683 76.969
49 27.250 31.555 36.818 48.335 62.038 66.339 70.222 74.920 78.231
50 27.991 32.357 37.689 49.335 63.167 67.505 71.420 76.154 79.490
51 28.735 33.162 38.560 50.335 64.295 68.669 72.616 77.386 80.747
52 29.481 33.968 39.433 51.335 65.422 69.832 73.810 78.616 82.001
53 30.230 34.776 40.308 52.335 66.548 70.993 75.002 79.843 83.253
54 30.981 35.586 41.183 53.335 67.673 72.153 76.192 81.069 84.502
55 31.735 36.398 42.060 54.335 68.796 73.311 77.380 82.292 85.749
56 32.491 37.212 42.937 55.335 69.918 74.468 78.567 83.514 86.994
57 33.249 38.027 43.816 56.335 71.040 75.624 79.752 84.733 88.237
58 34.009 38.844 44.696 57.335 72.160 76.778 80.936 85.950 89.477
59 34.771 39.662 45.577 58.335 73.279 77.931 82.117 87.166 90.715
60 35.535 40.482 46.459 59.335 74.397 79.082 83.298 88.380 91.952
61 36.301 41.303 47.342 60.335 75.514 80.232 84.476 89.591 93.186
62 37.069 42.126 48.226 61.335 76.630 81.381 85.654 90.802 94.419
63 37.838 42.950 49.111 62.335 77.745 82.829 86.830 92.010 95.649
64 38.610 43.776 49.996 63.335 78.860 83.675 88.004 93.217 96.878
65 39.383 44.603 50.883 64.335 79.973 84.821 89.177 94.422 98.105
66 40.158 45.431 51.770 65.335 81.085 85.965 90.349 95.626 99.331
67 40.935 46.261 52.659 66.335 82.197 87.108 91.519 96.826 100.55
68 41.714 47.092 53.548 67.334 83.308 88.250 92.689 98.029 101.78
69 42.494 47.924 54.438 68.334 84.418 89.391 93.856 99.228 103.00
70 43.275 48.758 55.329 69.334 85.527 90.531 95.023 100.43 104.21
71 44.058 49.592 56.221 70.334 86.635 91.670 96.189 101.62 105.43
72 44.843 50.428 57.113 71.334 87.743 92.808 97.353 102.82 106.65
73 45.629 51.265 58.006 72.334 88.850 93.945 98.516 104.01 107.86
74 46.417 52.103 58.900 73.334 89.956 95.081 99.678 105.20 109.07
75 47.206 52.942 59.795 74.334 91.061 96.217 100.84 106.39 110.29
76 47.997 53.782 60.690 75.334 92.166 97.351 102.00 107.58 111.50
77 48.788 54.623 61.586 76.334 93.270 98.484 103.16 108.77 112.70
78 49.582 55.466 62.483 77.334 94.373 99.617 104.32 109.96 113.91
79 50.376 56.309 63.380 78.334 95.476 100.75 105.47 111.14 115.12
80 51.172 57.153 64.278 79.334 96.578 101.88 106.63 112.33 116.32
P r o b a b i l i t a s
Created by Eff. Agus Marmono Rancangan Percobaan 28
Derajat
Bebas 0.995 0.975 0.900 0.500 0.100 0.050 0.025 0.010 0.005
81 51.969 57.998 65.176 80.334 97.680 103.01 107.78 113.51 117.52
82 52.767 58.845 66.076 81.334 98.780 104.14 108.94 114.69 118.73
83 53.567 59.692 66.976 82.334 99.880 105.27 110.09 115.88 119.93
84 54.368 60.540 67.876 83.334 100.98 106.39 111.24 117.06 121.13
85 55.170 61.389 68.777 84.334 102.08 107.52 112.39 118.24 122.32
86 55.973 62.239 69.679 85.334 103.18 108.65 113.54 119.41 123.52
87 56.777 63.089 70.581 86.334 104.28 109.77 114.69 120.59 124.72
88 57.582 63.941 71.484 87.334 105.37 110.90 115.84 121.77 125.91
89 58.389 64.793 72.387 88.334 106.47 112.02 116.99 122.94 127.11
90 59.196 65.647 73.291 89.334 107.56 113.15 118.14 124.12 128.30
91 60.005 66.501 74.196 90.334 108.66 114.27 119.28 125.29 129.49
92 60.815 67.356 75.101 91.334 109.76 115.39 120.43 126.46 130.68
93 61.625 68.211 76.006 92.334 110.85 116.51 121.57 127.63 131.87
94 62.437 69.068 76.912 93.334 111.94 117.63 122.72 128.80 133.06
95 63.250 69.925 77.818 94.334 113.04 118.75 123.86 129.97 134.25
96 64.063 70.783 78.725 95.334 114.13 119.87 125.00 131.14 135.43
97 64.878 71.642 79.633 96.334 115.22 120.99 126.14 132.31 136.62
98 65.694 72.501 80.541 97.334 116.32 122.11 127.28 133.48 137.80
99 66.510 73.361 81.449 98.334 117.41 123.23 128.42 134.64 138.99
100 67.320 74.222 82.358 99.334 118.50 124.34 129.56 135.81 140.17
P r o b a b i l i t a s
Created by Eff. Agus Marmono Rancangan Percobaan 29
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000
Tabel Z
Created by Eff. Agus Marmono Rancangan Percobaan 30

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->