Rancangan Penelitian RANCOB

RANCANGAN
PERCOBAAN
Oleh:
Effendi Agus Marmono
Edisi 5
LAB. PEMULIAAN TERNAK

FAKULTAS PETERNAKAN
UNIVERSITAS JENDERAL SOEDIRMAN
PURWOKERTO
2005
I. PENDAHULUAN
1.1. RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
Adalah seperangkat pengetahuan yang menjelaskan
rancangan serta cara mamilih dan
membuat
bentuk-bentuk
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
1.2. 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.
Pendahuluan
Misal: Faktor A (Antibiotika)
Faktor B (Protein)
a1 : 0.10 cc
b1 : 10 %
a2 : 0.15 cc
b2 : 14 %
a3 : 0.20 cc
b3 : 16 %
(a1 , a2 , a3 , b1 , b2 dan b3 ) disebut level / dosis jadi sebagai perlakuannya adalah

kombinasi dari dosis untuk setiap faktor = 3 x 3 = 9 kombinasi perlakuan mulai a1 b1
sampai dengan a3 b3 .
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 m2 )
d. SATUAN CONTOH / SAMPLING UNIT
Adalah bagian dari satuan percobaan yang padanya diterapkan pengamatan
tunggal.
misal : - sapi
- Ayam
: sebagai satuan percobaan & juga satuan contoh

: 5 ekor sebagai satuan percobaan dan tiap ekor
sebagai satuan contoh.
- tanaman : satu petak sebagai satuan percobaan dan tiap

tanaman sebagai satuan contoh.
Pendahuluan
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.
Pendahuluan
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)
Yij = + 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.
Pendahuluan
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.
Pendahuluan
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
Yij = + i + ij
Yij : respon terhadap perlakuan ke i pada ulangan ke j
: nilai tengah respon
i : pengaruh perlakuan ke i yang akan kita uji (merupakan selisih nilai tengah
perlakuan ke i dengan nilai tengah umum : i - )
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 ij = Yij - i
Rancangan Acak Lengkap
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
Ulangan = r = 6
misal A, B, C, D, E
Maka ada t x r = N = 5 x 6 = 30 tempat yang dapat berupa pettak / pot

/ kandang dll., yang perlu disediakan.
A
A
A
A
A
A
B
B
B
B
B
B
C
C
C
C
C
C
D
D
D
D
D
D
E
E
E
E
E
E
DIACAK
A
D
C
E
E
C
D
A
B
E
C
D
B
C
C
B
C
A
A
D
E
A
D
B
E
E
A
D
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 :
Tabel 1. Perlakuan x Ulangan

Perlakuan
A
B
C
D
E
TOTAL
U1
Y11
U2
Y12
Ulangan
U3
U4
U5
U6
Y16
Total Perlakuan
(Yi.)
Yij
Y56
(Y..)
Yij : Nilai hasil pengukuran dari perlakuan ke i dan ulang an ke j ( i = 1,2 ....t)
dan ( j = 1,2,....r)
Yi. : Jumlah perlakuan ke i untuk semua ulangan ( j=1 s/d j=6 ).
Y.. : Jumlah semua perlakuan (t = 1 s/d t = 4) dan semua ulangan ( r =1 s/d r = 6 ).
Maka : Y(11) = + 1 + 11
Y(12) = + 1 + 12
Y(13) = + 1 + 13
.
.
Y(16) = + 1 + 16
Y(51) = + 5 + 51
Y(52) = + 5 + 52
Y(53) = + 5 + 53
.
.
Y(56) = + 5 + 56
Variasi yang ada di dalam perlakuan sebagai sumber variasi galat, sedangkan
variasi yang ada diantara perlakuan disebabkan oleh variasi perlakuan dan variasi
galat.
MENGHITUNG JUMLAH KUADRAT
( Y ..) 2
1 .FK =
t .r
2 .JKTotal
i=1
j=1
=
t
3 . JKPerlk =
Y
i =1
Y ij FK =
2
2
i.
FK =
4. JK Galat = JK Total - JK Perlakuan
ANALISIS VARIANSI
Setelah semua perhitungan Jumlah Kuadrat dilakukan kemudian masukkan
lah dalam tabel analisis variansi.
Tabel 2. Analisis Variansi

Sumber
Jumlah
Variasi
Kuadrat
Perlakuan
JK P
Galat
JK G
TOTAL
JK T
Derajat
Bebas
t-1
t(r-1)
tr -1
Kuadrat
F
Tengah
hitung
KT P KT P / KT G
KT G
F tabel
0.05
0.01
10
Komponen
Variansi
Perlakuan
e2 + r p2
Galat
e2
KEUNTUNGAN RAL
1. Fleksibel dalam menetapkan jumlah perlakuan.
2. Jumlah 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
t 0.05
F 0.05
1
12.706
225.000
5
2.571
5.190
10
2.228
3.480
15
2.131
3.060
20
2.086
2.870
30
2.042
2.690
40
2.021
2.610
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)
Perlakuan
R1
R2
R3
R4
TOTAL
1
70
80
88
98
2
73
82
88
95
U l a n g a n
3
4
5
73
74
73
81
80
78
86
87
90
98
93
96
6
72
79
89
99
Total
Perlakuan
435
480
528
579
2022
Perhitungan Jumlah Kuadrat

2022 2 /24 = 170353.5
1. F. Koreksi
2. JK Total
= ( 70 2 +.......+ 99 2 ) - FK = 172330 - 170353.5 = 1976.5
3. JK Perlakuan = ( 435 2 +......+ 579 2 )/6 - FK = 172275 - 170353.5 = 1921.5

4. JK Galat
= JK Total - JK Perlakuan = 1976.5 - 1921.5 = 55
12

Sumber
Variasi
Perlakuan
Galat
TOTAL
Jumlah
Derajat Kuadrat
Kuadrat
Bebas
Tengah
1921.500
3 640.500
55.000
20
2.750
1976.500
23
F
F tabel
hitung
0.05
0.01
232.9091 3.10
4.94
= 1.658
K K = 1.968 %
Memecah JK Perlakuan
Perlk
Ti
Linier
Kuadrater
Kubik
R1
435
-3
1
-1
R2
480
-1
-1
3
R3
528
1
-1
-3
R4
579
3
1
1
Ci.Ti
r. Ci2
(a)
(b)
480
6 x 20
6
6x 4
0
6 x 20
JK Perlakuan =
JK
(a2/b)
1920.0
1.5
0.0
1921.5

Sumber
Variasi
Perlakuan
Linier
Kuadrater
Kubik
Galat
TOTAL
Jumlah
Derajat
Kuadrat
Bebas
1921.500
3
1920.000
1
1.500
1
0.000
1
55.000
20
1976.500
23
Kuadrat
Tengah
640.500
1920.000
1.500
0.000
2.750
F
F tabel
hitung
0.05
0.01
232.9091 3.10
4.94
698.1818 4.35
8.10
0.5455 4.35
8.10
0.0000 4.35
8.10
= 1.658
K K = 1.968 %
13
Analisis Regresi Linier

X
12
12
12
12
12
12
16
16
16
16
16
16
20
20
20
20
20
20
24
24
24
24
24
24
Y
70
73
73
74
73
72
80
82
81
80
78
79
88
88
86
87
90
89
98
95
98
93
96
99
X2
144
144
144
144
144
144
256
256
256
256
256
256
400
400
400
400
400
400
576
576
576
576
576
576
Y2
4900
5329
5329
5476
5329
5184
6400
6724
6561
6400
6084
6241
7744
7744
7396
7569
8100
7921
9604
9025
9604
8649
9216
9801
XY
840
876
876
888
876
864
1280
1312
1296
1280
1248
1264
1760
1760
1720
1740
1800
1780
2352
2280
2352
2232
2304
2376
432
2022
8256
172330
37356
JK x =
X 2 - ( X )2 / N
JK y =
Y 2 - ( Y )2 / N
= 172330 - 170353,5 = 1976,5
JHK xy =
XY - ( X* Y)/N =
8256 -
7776
37356 - 36396
= 480
= 960
14
b xy =
xy
JHK xy
=
x2
JK x
960
= 2
480
a = Y - b . X = 84,25 - (2)(18) = 48,25

Maka persamaan garisnya :
= a + b X = 48,25 + 2 X
Y
Koefisien Korelasi = r = 0,986
Koefisien determinasi = r 2 = 97,14 %
15
Regresi Linier
120
P B B H ( gr )
100
80
60
Linier
40
20
0
12
16
20
24
Kadar Protein (%)
16
III. UJI BEDA NYATA

3.1. Pendahuluan
Pada perlakuan Fixed, hipotesis yang kita uji adalah
Ho : 1 = 2 = 3 .. t
H1 : 1 2 3 .. t
Bila F hitung > F tabel berarti kita menolak Ho dan menerima H1
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 Jarak
4. Dunnett's Test
B. Uji Beda Antara Kelompok Nilai Tengah Perlakuan
( Group Comparison )
1. Orthogonal Contrast (Kontras Orthogonal)
2. Non Orthogonal Contrast
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 ). Jumlah semua kemungkinan pasangan nilai tengah akan meningkat
dengan sangat cepat mengikuti meningkatnya jumlah perlakuan.
Misal : Jumlah perlakuan = 5 ada 10 kemungkinan pasangan
Jumlah perlakuan = 10 ada 45 kemungkinan pasangan
Jumlah 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).
Uji Beda Nyata
18
Uji BNT mempunyai tingkat kepekaan yang tinggi jika digunakan sembarang, 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 perlakuan dari maksimal 6 perlakuan.
Uji ini dilakukan dengan cara membandingkan selisih Nilai Tengah perlakuan dengan nilai BNT 0.05 dan BNT 0.01 yang diperoleh dengan bantuan tabel
"t" dan menggunakan formula sebagai berikut :
BNT = (t ; dbgalat ) x
(2 xKTgalat )
r
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
BNT 0.05 = ( 2.086 ) x
( 2 x 2.75 )
= 1.9972
6
BNT 0.01 = ( 2.845 ) x
( 2 x 2.75 )
= 2.7239
6
Uji Beda Nyata
19
Perlakuan
Rata-rata
R4
R3
R2
R1
R1
72.50
24.00
15.50
7.50
0.00
R2
80.00
16.50
8.00
0.00
R3
88.00
8.50
0.00
R4
96.50
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 :
1 1
BNT = (t ; dbgalat ) x KTgalat +
r r
j
i
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
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 3 = 87.25
R 2 = 80.20
R 4 = 96.00
3.3. UJI JARAK GANDA DUNCANT

( DUNCANT NEW MULTIPLE RANGE TEST )
Formula yang digunakan dalam pengujian ini sebagai berikut :
D ( p ; ) = R ( DBgalat ; p ; ) x
KTgalat
r
Keterangan :
p : jarak nilai tengah yang dibandingkan
R : diperoleh dari tabel Duncant ( A.7 )
: 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
Uji Beda Nyata
21
p
R ( 20 ; p ; 0,05 )
R ( 20 ; p ; 0,01 )
2.75
= 0.6770
6
D ( p ; 0.05 )
D ( p ; 0.01 )
p=2
2.95
4.02
p=3
3.10
4.22
p =4
3.18
4.33
1.9972
2.7216
2.0987
2.8570
2.1529
2.9314
Nilai D dengan p tertentu (2, 3 dan 4) dibandingkan dengan selisih nilai

tengah perlakuan yang akan diuji.
Perlakuan
Rata-rata
R4
R3
R2
R1
R1
72.50
24.00
15.50
7.50
0.00
R2
80.00
16.50
8.00
0.00
R3
88.00
8.50
0.00
R4
96.50
0.00
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 membandingkan selisih dua nilai tengah perlakuan dengan nilai BNJ yang diperoleh dengan
menggunakan formula sebagai berikut :
BNJ
= Q ( p ; DBgalat ; ) x
KTgalat
r
Uji Beda Nyata
22
Q
p
r
: Tabel Q ( A.8 )
: jumlah perlakuan yang akan diuji
: jumlah ulangan dari perlakuan yang dibandingkan
: 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
Rata-rata
R4
R3
R2
R1
R1
72.50
24.00
15.50
7.50
0.00
R2
80.00
16.50
8.00
0.00
R3
88.00
8.50
0.00
R4
96.50
0.00
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 :
Uji Beda Nyata
23
d ' = t dunnet ( p ; DBgalat ) x
( 2 xKTgalat )
r
t dunnett's : Tabel A.9.b

p
: Jumlah perlakuan tanpa kontrol
DB galat
: derajat Bebas Galat
: 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.
Uji Beda Nyata
24
3.6. ORTHOGONAL CONTRAS ( Kontras Orthogonal )
Misal dari hasil analisis variansi :

Sumber
Variasi
Perlakuan
Galat
TOTAL
Jumlah
Kuadrat
JK P
JK G
JK T
Derajat
Bebas
t-1
t(r-1)
tr -1
Kuadrat
F
Tengah
hitung
KT P KT P / KT G
KT G
F tabel
0.05
0.01
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.
2.
3.
4.
BNT
DMRT
BNJ
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
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. Jumlah 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
SYARAT:
1. KONTRAS SEMPURNA
t
Cik = 0
i=1
( ulangan sama )
t
ri . Cik = 0
i=1
( ulangan tidak sama )
2. KONTRAS SALING ORTHOGONAL

t
Cik . Cik ' = 0
i=1
(k k') (ulangan sama)
Uji Beda Nyata
26
t
ri . Cik . Cik ' = 0
i=1
(k k') (ulangan tidak sama)
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
tersebut penting ?
Ya
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 ?
Uji Beda Nyata
27
KONTRAS
1. A vs BCD
2. BC vs D
3. B vs C
A
3
B
-1
1
1
C
-1
1
-1
Cik
0
0
0
D
-1
-2
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

B diulang
C diulang
D diulang
KONTRAS
Ulangan
1. A vs BCD
2. BC vs D
3. B vs C
3 kali
4 kali
3 kali
5 kali
A
3
4
B
4
-1
5
3
C
3
-1
5
-4
D
5
-1
-7
Cik
0
0
0
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.
C1k, C2k, ... Ctk : koefisien kontras ke k
Y1. , Y2. ,... Yt.
: total kelompok perlakuan
Uji Beda Nyata
29
4. Hipotesis yang diuji

t
Ho : ( ri Cik i ) = 0
i=1
t
Ho : ( ri Cik i ) 0
i=1
5. Pengujian Kontras
a. Menggunakan uji t
a.1. Ulangan sama
Qk
tk =
r (
) . KTgalat
ik
i=1
a.2. Ulangan tak sama t k =
i=1
t 0.05 =
t 0.01 =
ri C
ik
) . KTgalat
di cari dengan DB galat
b. Menggunakan uji Fisher (F)
b.1. Ulangan sama
Fk =
Q 2k
t
r( C
ik
) . KTgalat
i=1
Uji Beda Nyata
30
Fk =
b.2. Ulangan tidak sama
i=1
F 0.05
F 0.01
ri C
ik
) . KTgalat
dicari dengan DB galat
DB kontras = 1 maka KT kontras = JK Kontras.
Q
JK Kontras =
(r
i=1
ik
Contoh :
Perlakuan = 4 diulang 6 kali
Dari hasil perhitungan diperoleh
Y1. = 246
Y2. = 248
Y3. = 250
Y4. = 255
KONTRAS
Yi .
1. A vs BCD
2. BC vs D
3. B vs C
JK Perlakuan = 7.458
JK Galat
= 10.167
JK Total = 17.625
(total perlakuan A)
(total perlakuan B)
(total perlakuan C)
(total perlakuan D)
A
246
3
B
248
-1
1
1
C
250
-1
1
-1
D
255
-1
-2
Qk
ri. C2ik
(a)
(b)
-15
6 * 12
-12
6* 6
-2
6* 2
JK Perlakuan =
JK
( a2 / b )
3.125
4.000
0.333
7.458
Uji Beda Nyata
31
S. Variasi
Perlakuan
A vc BCD
BC vs D
B vs C
Galat
TOTAL
JK
7.458
3.125
4.000
0.333
10.167
17.625
DB
3
1
1
1
20
23
KT
2.486
3.125
4.000
0.333
0.508
F hit
4.89**
6.15**
7.87**
0.65
F 0.05
3.10
4.35
4.35
4.35
F 0.01
4.94
8.10
8.10
8.10
Hasil yang sama diperoleh pada pengujian kontras menggunakan uji t :

KONTRAS
1. A vc BCD
2. BC vs D
3. B vs C
ri. C2ik
(b)
6 * 12
6 * 6
6 * 2
Qk
(a)
- 75
- 12
-2
KT galat
(c)
3.125
4.000
0.333
t
a/(b.c)
- 2.48**
- 2.81**
- 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 :
1.
2.
3.
4.
KONTRAS
A vs BCDE
BC vs DE
C vs DE
D vs E
A
4
B
-1
1
C
-1
1
2
D
-1
-1
-1
1
E
-1
-1
-1
-1
Cik
0
0
0
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
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.
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 :
tbk =
Qk
ik
* KT galat
ri
C
i=1
Nilai t tabel dicari dari tabel Bonferroni t statistik ( Tabel A.10 GILL, 1978.
p. 72-75 )
t/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 :
Yi.
A
44
B
C
119 84
D
51
E
65
F
22
G
32
H
33
KT galat = 7.62
Uji Beda Nyata
34
Ujilah set kontras berikut ini !

Perlakuan
Yi .
A vs Semua
BC vs DE
F vs GH
DE vs FGH
A
44
7
B
119
-1
1
C
84
-1
1
D
51
-1
-1
3
E
65
-1
-1
3
F
22
-1
G
32
-1
H
33
-1
2
-2
-1
-2
-1
-2
C2ik
56
4
6
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
tb 1 =
tb 2 =
16.33
(56/6)(7.6 2)
= 1.936
14.50
= 6.433 **
(4/6)(7.62 )
Uji Beda Nyata
35
tb 3 =
tb 4 =
- 3.5
(6/6)(7.62 )
= - 1.268
29
(30/6)(7.6 2)
= 4.698 **
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. Jika 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 :
Yijk = + i + ij + ijh
Yijk : Variabel yang diamati / diukur
: Nilai tengah populasi
: Pengaruh perlakuan ke i
ij
: Pengaruh unit percobaan ke j karena perlakuan ke i
ijh : (baca Eta ijk) Pengaruh sampel ke k dari unit percobaan ke j perlakuan ke i
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
Sub Petak
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
Yi..
Y..
Perlakuan
C
Yijk
38
Untuk analisis data model di atas maka perlu dihitung terlebih dahulu :
1. Faktor Koreksi = Y 2 ... / (knm) =
2. JK Total = Yijk FK =
2
i =1 j =1 k =1
3. JK Perlakuan =
Y ..
i =1
FK =
n.m
4. JK Galat Percobaan =
Y .
ij
i =1 j =1
F K JK Perlakuan =
5. JK Galat Sampling = JK Total JK Perlakuan JK Galat Percobaan =
Tabel Anava.
S. Variasi
JK
DB
KT
F hitung
Perlakuan
JK P
k-1
KT P
KT P/ KT GP
Galat Percobaan
JK GP
k(n-1)
KT GP
KT GP/ KT GS
Galat Sampling
JK GS
kn(m-1)
KT GS
TOTAL
JK T
knm-1
F 0.05 F 0.01
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 :
40

Sub Petak
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
1
2
3
Yij.
Yi..
Y..
A
1120
1210
1250
3580
1350
1320
1330
4000
1350
1390
1450
4190
1330
1290
1190
3810
1440
1200
1430
4070
1420
1310
1250
3980
23630
B
1250
1300
1290
3840
1430
1450
1390
4270
1370
1420
1390
4180
1450
1240
1290
3980
1340
1280
1360
3980
1260
1310
1390
3960
24210
Perlakuan
C
1350
1340
1390
4080
1250
1450
1350
4050
1490
1350
1330
4170
1370
1410
1500
4280
1340
1490
1320
4150
1410
1380
1290
4080
24810
125280
D
1430
1450
1550
4430
1330
1560
1440
4330
1340
1450
1480
4270
1450
1460
1380
4290
1520
1480
1390
4390
1370
1320
1400
4090
25800
E
1500
1490
1470
4460
1540
1640
1450
4630
1450
1540
1440
4430
1510
1480
1470
4460
1520
1490
1330
4340
1540
1490
1480
4510
26830
41
1. F. Koreksi
= 125280 2/(5x6x3) = 174389760
2. JK Total
= 1120 2+..+ 1480 2 - F K =

= 175219000 174389760 = 829240
3. JK Perlakuan
= ( 23630 2+..+ 26830 2)/(6x3) -F K =

= 174751444 174389760 = 361684,44
4. JK Galat Percobaan
= (3580 2+..+ 4510 2)/(3) - F K - JK Perlakuan =

= 174921333 - 174389760 - 361684,44
= 169888,89
5. JK Galat Sampling
= 829240 - 361684,44 - 169888,89

= 297666,67

Sumber
Variasi
Perlakuan
Galat Percobaan
Galat Sampling
Total
Jumlah
Derajat Kuadrat
Kuadrat
Bebas
Tengah
361684,44
4
90421,111
169888,89
25
6795,556
297666,67
60
4961,111
829240,00
89
F
hitung
13,306
1,370
F tabel
0,05
0,01
2,76
4,18
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. Jumlah 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
A
a b
.
.
.
.
.
.
.
.
.
.
.
.
B
a
.
.
.
.
.
.
C
b
.
.
.
.
.
.
a
.
.
.
.
.
.
b
.
.
.
.
.
.
Un Equal
A
a b
.
.
.
.
.
.
.
.
.
.
a
.
.
.
B
b
.
.
.
.
.
.
.
.
C
c
.
.
.
.
.
.
.
a
.
.
.
.
.
b
.
.
.
.
.
.
.
c
.
.
.
.
.
.
.
.
.
.
Pola Tersarang / Nested
d
.
.
.
.
.
.
.
.
43
Tiga Tingkat
Equal
Un Equal
A
a
1
.
.
.
.
.
.
b
2
.
.
.
.
.
.
1
.
.
.
.
.
.
a
2
.
.
.
.
.
.
1
.
.
.
.
.
.
b
2
.
.
.
.
.
.
1
.
.
.
.
.
.
a
2
.
.
.
.
.
.
1
.
.
.
.
.
.
2
.
.
.
.
.
1
.
.
.
.
.
.
.
B
b
2 3
. .
. .
. .
. .
.
.
.
.
a
1
.
.
.
.
.
.
2
.
.
.
.
.
.
.
MODEL MATEMATIK
Yijk = + i + (i)j +
Yijk
i
(i) j
(ij)k
(ij)k
:
:
:
:
Nilai yang diamati

Nilai tengah populasi
Pengaruh kelompok/grup ke i
Galat percobaan/pengaruh satuan percobaan/sub kelompok/sub grup ke j
dalam kelompok ke i
: 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).
44
Dalam hal seperti ini anak tersarang dalam induk dan induk tersarang dalam
pejantan.
Grup (i)
S. Grup (j)
Sampel (k)
A
a
B
c
C
c
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 )
45
(Y...)2
1. Faktor Koreksi =
t .r .s
2. JK Total =
Yijk - FK
2
i =1 j =1 k =1
Yi..
3. JK AntarPejantan =
t
i=1
r .s
r
Yij.
Yi..
4. JK AntarInduk =
i =1 j =1
- FK =
2
i =1
r .s
5. JK Antar Anak = JK Total - JK Ant Pej - JK Ant Induk =
Tabel ANAVA
Sumber
Variasi
Antar Pejantan
Antar Induk
Galat
TOTAL
Jumlah
Kuadrat
JK P
JK I
JK G
JK T
Derajat
Bebas
t-1
t(r-1)
tr(s-1)
trs-1
Kuadrat
F
Tengah
hitung
KT P KT P / KT I
KT I KT I / KT G
KT G
F tabel
0.05
0.01
46
Komponen Variansi
Antar Pejantan
Antar Induk
Galat
a2
a2
a2
Equal
+ s i2 + sr p2
+ s i2
Un Equal
a2 + k2 i2 + k3 p2
a2 + k1 i2
a2
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 :
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
50 50 55 60
65 65
60 50 65
6
55
65
65
55
7
Yij.
255 345 375 310 430 305 435 365 290 365 395 380
Yi..
1285
1535
1430
Y..
4250
nij.
ni.
n..
24
25
73
24
1. F. Koreksi
= 4250 2 / 73
2. JK Total
= 55 2 +.+ 65 2 - F K =
= 249450 - 247431,5
= 2018,493
3. JK Ant Pej
= 1285 2 / 24 +.. + 1430 2 / 24 - F K =

= 248254,2 - 247431,5 = 822,7015
4. JK Ant Ind
= 255 2/5 + . + 380 2 /6 - F K =

= 248584,2 - 248254,2 = 329,9583
= 247431,5
5. JK Ant Anak = 2018,493 - 822,7015 - 329,9583

= 865,8333
48

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

BNT 0.05 =
BNT 0.01 =
x
x
1,7303
1,7303
=
=
3,9140
5,6236
A
53,5417
B
61,4000
7,8583
B
61,4000
C
59,5833
1,8167
2,2620
3,2500
x
x
1,7479
1,7479
=
=
3,9538
5,6807
C
59,5833
6,0417
Antar Induk dalam Pejantan C
5676
BNT 0.05 =
BNT 0.01 =
2,2620
3,2500
A
53,5417
BNT 0.05 =
BNT 0.01 =
1,9997
2,6593
I1
58,0000
x
x
2,2813
2,2813
=
=
4,5620
6,0667
I2
60,8333
2,8333
49
BNT 0.05 =
BNT 0.01 =
BNT 0.05 =
BNT 0.01 =
I1
58,0000
I4
63,3333
5,3333
1,9997
2,6593
x
x
2,2060
2,2060
=
=
4,4114
5,8665
I1
58,0000
I3
56,4286
1,5714
1,9997
2,6593
x
x
2,0960
2,0960
=
=
4,1914
5,5740
I3
56,4286
4,4048
I3
56,4286
I4
63,3333
6,9048
1,9997
2,6593
x
x
2,1752
2,1752
=
=
4,3497
5,7844
I4
63,3333
2,5000
I2
60,8333
BNT 0.05 =
BNT 0.01 =
I2
60,8333
Untuk Antar Induk dalam Pejantan A dan B dapat dikerjakan sendiri.
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
Yij = + j + i + ij
Yij
j
i
ij
:
:
:
:
Nilai yang diamati/diukur

Nilai tengah populasi
Pengaruh blok ke j ( j = 1....r )
Pengaruh perlakuan ke i ( i = 1 ....t )
: Pengaruh pengacakan pada blok ke j dan perlakuan ke i.
Rancangan Acak Kelompok
51
SYARAT RAK
1. Jumlah perlakuan harus > 2
2. Jumlah 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) R1 ; R2 ; R3 ; R4

Sebagai blok periode laktasi I; II; III.....VI maka pengacakan perlakuannya
sebagai berikut :
I
R1
R3
R4
R2
II
R2
R3
R1
R4
BLOK
III
IV
R3
R4
R1
R2
R2
R1
R4
R3
V
R2
R4
R1
R3
VI
R3
R1
R2
R4
52
TABULASI DATA
Perlakuan
( Ransum )
R1
R2
R3
R4
Total Blok (Y.j)
BLOK
3
4
Total Perlk
(Yi.)
Yij
Y..
PERHITUNGAN JUMLAH KUADRAT
1. Faktor
Koreksi
2. JK
TOTAL
Y
= ..
t .r
Y
i=1
j=1
3 . JK
Blok
j=1
Y.j
2
ij
- F K =
t
t
4. JK
Perlakuan
i=1
-F K =
Y i.
- F K =
5. JK Galat = JK Total - JK Blok - JK Perlakuan =
53
Tabel Analisis Variansi

Sumber
VarIasi
Blok
Perlakuan
Galat
TOTAL
Jumlah
Kuadrat
JKB
JKP
JKG
JKT
Derajat
Bebas
r-1
t-1
(t-1)(r-1)
tr-1
Kuadrat
Tengah
KTB
KTP
KTG
F
hitung
KTB/KTG
KTP/KTG
F tabel
0.05
0.01
Komponen Variansi
Blok
e2 + t B2
Perlakuan
e2 + r P2
Galat
e2
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. Jumlah ulangan untuk tiap perlakuan harus sama.
3. Tidak fleksibel seperti pada RAL yaitu bila ada data yang hilang harus diestimasikan dahulu.
54
Contoh soal :
Penelitian pengaruh pemberian protein dalam ransum terhadap pertambahan
bobot badan harian telah dilakukan pada ternak ayam broiler.
Sebagai perlakuan R1 ; R2 ; R3 dan R4 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
R1
R2
R3
R4
Blok
27,00
28,00
28,00
27,00
27,00
28,00
165,00
27,50
0,55
31,00
33,00
33,00
32,00
30,00
30,00
189,00
31,50
1,38
29,00
30,00
29,00
29,00
28,00
29,00
174,00
29,00
0,63
29,00
32,00
32,00
30,00
29,00
31,00
183,00
30,50
1,38
116,00
123,00
122,00
118,00
114,00
118,00
711,00
Blok
1
2
3
4
5
6
Perlk
Rataan
S. Baku

1. Faktor Koreksi
= 711,0000 2 / (4x6) = 21063,375
2. JK Total
= 27,0000 2 ++ 31,0000 2 - F K =
= 21141 - 21063,375 = 77,625
3. JK Blok
= ( 116,0000 2 ++ 118,0000 2 ) / 4 - FK =
= 21078,25 - 21063,375 = 14,875
4. JK Perlakuan
= ( 165,0000 2 ++ 183,0000 2 ) / 6 - FK =
= 21118,5 - 21063,375 = 55,125
5. JK Galat
77,625 - 14,875 - 55,125 = 7,625
55

Sumber
Variasi
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F
Hitung
F Tabel
0.05
0.01
Blok
14,87500
2,97500
5,8525
2,900
4,560
Perlakuan
55,12500
18,37500
36,1475
3,290
5,420
7,62500
15
0,50833
0,713
77,62500
23
KK =
2,407
Galat
TOTAL
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 JK 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
Perlk
Linier
Kuadrater
Kubik
R1
R2
R3
R4
165,000 189,000 174,000 183,000

-3
-1
1
3
1
-1
-1
1
-1
3
-3
1
Ci.Ti
r. Ci2
JK
(a)
39,0000
15,0000
63,0000
(b)
6 x 20
6x 4
6 x 20
(a2/b)
12,675
9,375
33,075
JK Perlakuan
= 55,125
Hasil pemecahan JK Perlakuan dimasukkan dalam Tabel Anava yang baru

sebagai berikut :
56

Sumber
Jumlah
Derajat
Kuadrat
Kuadrat
Bebas
Tengah
Hitung
Blok
14,87500
2,975000
Perlakuan
55,12500
Linier
12,67500
Variasi
Kuadrater
Kubik
Galat
TOTAL
F Tabel
0.05
0.01
5,8525
2,900
4,560
18,375000
36,1475
3,290
5,420
12,675000
24,9344
4,540
8,680
9,37500
9,375000
18,4426
4,540
8,680
33,07500
33,075000
65,0656
4,540
8,680
7,62500
15
0,508333
0,713
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 JK 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
1
2
.
.
.
24
N
X
10
10
.
.
.
16
X
X2
X3
X4
X5
X6
Y2
XY
31
Y X2
X3
X4
X5
X6
Y2
XY
Y
27
28
X2Y
X3Y
X2Y X3Y
57
REGRESI LINIER
24
Y=
X=
312
X2 =
X bar =
4176
13
N=
711
x2 =
120
Y =
21141
y =
77,625
Y bar =
XY =
29,625
9282
xy =
39
711
x2 =
120
21141
x =
3120
b = xy / x2= 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
24
Y=
312
Y =
X =
4176
XY =
9282
x =
81504
X3 =
57408
X2Y=
124668
y2 =
77,625
X4 =
808128
Y bar =
29,625
xy =
39
x y=
954
N=
X=
2
X bar =
2
X bar =
13
3
4
174
D = [( x4)(x2) - ( x3)2] = 46080

b = [( x4) (xy) - ( x3) (x2y)] / D = 4,3875
c = [( x2) (x2y) - ( x3) (xy)] / D = -0,15625
58
a = Y bar - (b * X bar) - (c * X2 bar) = -0,225

Y = -0,225 + 4,3875 X - 0,15625 X2
Koefisien Korelasi
( r ) = 0,532971
Titik Belok
X = 14,04
Y = 30,58
REGRESI KUBIK
N=
X=
24
X4 =
808128
Y2 =
21141
312
X =
11611392
XY =
9282
X = 169756416
X Y=
124668
X3Y=
1718616
X =
4176
X3 =
57408
Matrik X'X
24
312
4176
57408
5
6
Y=
312
4176
57408
808128
Invers Matrik X'X

6393,5 -1519,7361
-1519,7361 361,724537
118,375 -28,211806
-3,0243056 0,72164352
4176
57408
808128
11611392
711
57408
808128
11611392
169756416
118,375 -3,0243056
-28,211806 0,72164352
2,203125 -0,0564236
-0,0564236 0,00144676
59
6393,5 -1519,7361
-1519,7361 361,724537
118,375 -28,211806
-3,0243056 0,72164352
118,375 -3,0243056
-28,211806 0,72164352
2,203125 -0,0564236
-0,0564236 0,00144676
711
-457,5
9282
113,5
=
124668
-8,6875
1718616
0,21875
Y = -457,5 + 113,5 X - 8,6875 X2 + 0,21875 X3

Koefisien Korelasi
( r ) = 0,84270102
Titik Belok
X1 = 11,72
X2 = 14,7529499
Y1 = 31,57
Y2 = 28,5297765
Regresi
32
PBBH (gram)
31
30
Linier
29
Kuadrater
28
Kubik
27
26
25
10
12
14
16
Kandungan Protein dalam Ransum (%)
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.
Jalan 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
Yij(t)= + i + j +t +ij
Yij(t)
i
j
t
ij
: Nilai yang diamati/diukur

: Pengaruh baris ke i ( i = 1....r)
: (Kappa j) Pengaruh kolom ke j (j=1....r)
: (Tau t) Pengaruh perlakuan ke t (t=1...r)
: Galat percobaan
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. Jumlah 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.
62
Mula- mula
Kolom diacak
K o l o m
K o l o m
Baris diacak
Hasil akhir
K o l o m
K o l o m
K1 K2 K3 K4 K5
B1
B2
B3
B4
B5
TABULASI DATA
Data disusun dalam dua tabel :
1. Tabel Baris x Kolom (hasil dari lapangan)
2. Tabel Perlakuan
63
Tabel 1. Baris x Kolom

K1
K2
K3
K4
K5
D
C
E
B
B1
A (Y131)
E
D
B
C
B2
A (Y241)
E
C
B
D
B3 A (Y311)
C
B
E
D
B4
A (Y451)
B
D
C
E
B5
A (Y521)
Y.j
Tabel 2. Perlakuan
A
B
Y 311
Y 521
Y 131
Y 241
Y 451
Y- -t
Yi.
Y..
Y..
1. Faktor Koreksi = Y.. 2 / (r 2 )
2. JK TOTAL =
i, j = 1
ij
-F K =
3 . JK BARIS =
Y
i =1
i.
- F K =
64
4 . JK KOLOM =
Y
j =1
.j
- F K =
r
r
5 . JK PERLAKUAN =
Y
t =1
--t
- F K =
6 . JK GALAT = JK TOTAL JK BARIS JK KOLOM JK PERLAKUAN

ANALISIS VARIANSI
S u m b e r Jumlah Derajat
V a r i a s i Kuadrat
Bebas
Baris
JK B
r -1
Kolom
JK K
r -1
Perlakuan
JK P
r -1
Galat
JK G
(r-1)(r-2)
TOTAL
JK T
r2-1
Kuadrat
Tengah
KT B
KT K
KT P
KT G
F
Hitung
KT B / KT G
KT K / KT G
KT P / KT G
F Tabel
0.05
0.01
Komponen Variansi
Baris
2e + r 2b
Kolom
2e + r 2k
Perlakuan
2e + r 2t
Galat
2e
65
PERBANDINGAN ANTARA RAL - RAK - RBSL

Sumber Variasi
Baris
Kolom / Blok
Perlakuan
Galat
RAL
RAK
RBSL
e + r 2b
2e + r 2k
2e + r 2t
2
2e + r 2t
2e
2e + t 2b
2e + r 2t
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
Jumlah 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.
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
R5 = 17
R1 = 09
R3 = 12
R2 = 11
R3 = 13
R4 = 16
R5 = 18
R2 = 10
R1 = 10
R1 = 11
R2 = 12
R3 = 12
R5 = 17
R4 = 15
R5 = 19
R1 = 11
R2 = 11
R4 = 15
R3 = 13
R2 = 13
R3 = 12
R4 = 14
R1 = 10
R5 = 18
Tabel 1. Baris x Kolom

K1
K2
R4 = 15 R3 = 13
B1
R5 = 17 R4 = 16
B2
R1 = 09 R5 = 18
B3
R3 = 12 R2 = 10
B4
R2 = 11 R1 = 10
B5
Y.j
64
67
K3
R1 = 11
R2 = 12
R3 = 12
R5 = 17
R4 = 15
67
K4
R5 = 19
R1 = 11
R2 = 11
R4 = 15
R3 = 13
69
Tabel 2. Perlakuan
R1
9
10
11
11
10
Y--t
51
R2
11
10
12
11
13
57
R3
12
13
12
13
12
62
R4
15
16
15
15
14
75
K5
R2 = 13
R3 = 12
R4 = 14
R1 = 10
R5 = 18
67
Yi.
71
68
64
64
67
334
R5
17
18
17
19
18
89
334
67

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

= 152 +....+ 182 - F K
= 199,76
3. JK Kolom
= ( 642 +....+ 672 )/5 - F K
= 2,56
4. JK Baris
= ( 712 +....+ 672 )/5 - F K
= 6,96
5. JK Perlakuan = ( 512 +....+ 892 )/5 - F K

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

S. Variasi
JK
P. Laktasi
2,56
Bangsa
6,96
Ransum
185,76
Galat
4,48
TOTAL
199,76
DB
4
4
4
12
24
KT
0,6400
1,7400
46,4400
0,3733
F hit
1,714
4,661
124,393
=
KK =
F 0,05
3,260
3,260
3,260
0,611
4,573
F 0,01
5,410
5,410
5,410
%
Memecah JK Ransum
Perlakuan
R1
R2
R3
R4
R5
Ci.Ti
Total Perl
Linier
Kuadrater
Kubik
Kuartik
51
-2
2
-1
1
57
-1
-1
2
-4
62
0
-2
0
6
75
1
-1
-2
-4
89
2
2
1
1
(a)
r . Ci2
(b)
94
5 x 10
24
5 x 14
2
5 x 10
-16
5 x 70
JK Perlakuan
=
JK
(a2/b)
176,7200
8,2286
0,0800
0,7314
185,7600
68

S. Variasi
JK
P. Laktasi
2,560
Bangsa
6,960
Ransum
185,760
Linier
176,720
Kuadrat
8,229
Kubik
0,080
Kuartik
0,731
Galat
4,480
TOTAL
199,760
DB
4
4
4
1
1
1
1
12
24
KT
0,6400
1,7400
46,4400
176,7200
8,2286
0,0800
0,7314
0,3733
F hit
1,714
4,661
124,393
473,357
22,041
0,214
1,959
=
KK =
F 0,05
3,260
3,260
3,260
4,750
4,750
4,750
4,750
0,611
4,573
F 0,01
5,410
5,410
5,410
9,330
9,330
9,330
9,330
%
69
Data:
X : Kandungan Protein dalam Ransum

Y : Kandungan phosphor dalam air susu
Analisis Regresi Linier dan Kuadrater

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
N
Jumlah
Rataan
X
10
10
10
10
10
12
12
12
12
12
14
14
14
14
14
16
16
16
16
16
18
18
18
18
18
25
350
14
Y
9,00
10,00
11,00
11,00
10,00
11,00
10,00
12,00
11,00
13,00
12,00
13,00
12,00
13,00
12,00
15,00
16,00
15,00
15,00
14,00
17,00
18,00
17,00
19,00
18,00
X2
100
100
100
100
100
144
144
144
144
144
196
196
196
196
196
256
256
256
256
256
324
324
324
324
324
X4
10000
10000
10000
10000
10000
20736
20736
20736
20736
20736
38416
38416
38416
38416
38416
65536
65536
65536
65536
65536
104976
104976
104976
104976
104976
Y2
81,00
100,00
121,00
121,00
100,00
121,00
100,00
144,00
121,00
169,00
144,00
169,00
144,00
169,00
144,00
225,00
256,00
225,00
225,00
196,00
289,00
324,00
289,00
361,00
324,00
XY
90
100
110
110
100
132
120
144
132
156
168
182
168
182
168
240
256
240
240
224
306
324
306
342
324
X2Y
900
1000
1100
1100
1000
1584
1440
1728
1584
1872
2352
2548
2352
2548
2352
3840
4096
3840
3840
3584
5508
5832
5508
6156
5832
334
13,36
5100 77000 1198320

204
4662
4864
73496
X3
1000
1000
1000
1000
1000
1728
1728
1728
1728
1728
2744
2744
2744
2744
2744
4096
4096
4096
4096
4096
5832
5832
5832
5832
5832
70
REGRESI LINIER
25
Y=
X=
350
X2 =
X bar =
5100
14
N=
334
x2 =
200
Y =
4662
y =
199,76
Y bar =
XY =
13,36
4864
xy =
188
b = xy / x2= 0,94
a = Y bar - b ( X bar ) = 0,2
Y = 0,20 + 0,94 X
Koefisien Korelasi
( r ) = 0,94056
REGRESI KUADRATER
25
Y=
350
Y =
X =
5100
X3 =
X =
N=
X=
2
X bar =
2
X bar =
334
x2 =
200
4662
x =
5600
XY =
4864
x =
157920
77000
XY2 =
73496
y2 =
199,76
1198320
Y bar =
13,36
xy =
188
x y=
5360
14
3
4
204
71
D = [( x4)(x2) - ( x3)2] = 224000

b = [( x4) (xy) - ( x3) (x2y)] / D = -1,46
c = [( x2) (x2y) - ( x3) (xy)] / D = 0,08571
a = Y bar - (b * X bar) - (c * X2 bar) = 16,3143
Y = 16,31429 - 1,46 X + 0,08571 X2

Koefisien Korelasi
( r ) = 0,96221
Titik Belok
X : 8,51667
Y : 10,0971
Kandungan Phosphor
Regresi
18
16
14
12
10
8
6
4
2
0
Linier
Kuadrater
10
12
14
16
Kandungan Protein
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 :
Ransum
r1 = 10 %
r2 = 12 %
r3 = 14 %
(Faktor)
p1 = 10 gram
p2 = 20 gram
p3 = 30 gram
Pemupukan
(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 B12 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
Vitamin B-12
Catatan :
(faktor A) a1, a2, a3 ..... an

(faktor B) b1, b2, b3 ......bm
Faktor ditulis dengan huruf BESAR

Level ditulis dengan huruf KECIL
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 a1, a2 dan a3
Faktor B ada 4 level b1, b2, b3 dan b4
maka kombinasi level (sebagai perlakuan) yaitu :
a1 b1
a2 b1
a3 b1
a1 b2
a2 b2
a3 b2
a1 b3
a2 b3
a3 b3
a1 b4
a2 b4
a3 b4
Catatan :
Perbedaan level sebaiknya digunakan yang equal.
misal: a1 = 10
a2 = 20
a3 = 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).
Percobaan Faktorial
74
RAK
Blok
Perlakuan
Galat
TOTAL
FAKT. RAK
Blok
Perlakuan
A
B
AxB
Galat
TOTAL
FAK. RAK dan Regresi

Blok
Perlakuan
A
Linier
Kuadrater
B
Linier
Kuadrater
Kubik
AxB
Pada A1
B Linier
B Kuadrater
B Kubik
Pada A2
B Linier
B Kuadrater
B Kubik
Pada A3
B Linier
B Kuadrater
B Kubik
Galat
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.
Percobaan Faktorial
75
Bila dalam percobaan faktorial, faktor A dan B masing- masing 2 level (a1 dan
a2 serta b1 dan b2), anggaplah percobaan ini dalam tiga keadaan (I , II dan III, serta
angka-amgka merupakan hasil pengamatan) (Stell and Torrie, 1981).
Faktor
Rata
rata
Pengaruh
Sederhana
a2-a1
Level
A
a1
a2
b1
a1b1
a2b1
a2b1 - a1b1
b2
Rata
rata
a1b2
a2b2
a2b2 - a1b2
Pengaruh
b - b a b -a b a b -a b
sederhana 2 1 1 2 1 1 2 2 2 1
Keadaan 1
Faktor
a2
Rata
rata
Pengaruh
Sederhana
a2-a1
30
32
31
36
44
40
33
38
35.5
12
Level
A
a1
b1
b2
Rata
rata
Pengaruh
b -b
sederhana 2 1
Keadaan 2
Faktor
a2
Rata
rata
Pengaruh
Sederhana
a2-a1
30
32
31
36
26
31
- 10
33
29
31
-4
-6
Level
A
a1
b1
b2
Rata
rata
Pengaruh
b -b
sederhana 2 1
Percobaan Faktorial
76
Keadaan 3
Faktor
a2
Rata
rata
Pengaruh
Sederhana
a2-a1
30
32
31
36
38
37
33
35
34
Level
A
a1
b1
b2
Rata
rata
Pengaruh
b -b
sederhana 2 1
Pengaruh Sederhana :
Selisih dari dua level (a2-a1) pada salah satu level dari faktor yang lain (b1 atau b2).
Untuk keadaan I
:2
Untuk keadaan II
:2
; -10
; 6 ; -6
Untuk keadaan III
:6
; 2 ; 2
; 6 ; 12
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 Interaksi :
Interaksi antara faktor A dan B dirumuskan :
AB=
1
{( a2b2 - a1b2 ) - ( a2b1 - a1b1 )}
2
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 :
50
45
40
35
30
b1
25
b2
20
15
10
5
0
a1
a2
40
35
30
25
b1
20
b2
15
10
5
0
a1
a2
Percobaan Faktorial
78
40
35
30
25
b1
20
b2
15
10
5
0
a1
a2
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 a1 ke
a2 tidak sama dalam keadaan b1 dan b2.
Keadaan I dari a1 ke a2 dalam b1
dalam b2
dari b1 ke b2 dalam a1
dalam a2
perubahannya = 2
perubahannya = 8
perubahannya = 6
perubahannya = 12
Keadaan II dari a1 ke a2 dalam b1

dalam b2
dalam a2
perubahannya = 2
perubahannya = -10
perubahannya = 6
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.
Percobaan Faktorial
79
3. Bila ingin mengetahui pengaruh masing-masing faktor dan interaksi antara faktorfaktor 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
Yijk = + i + j + ( )ij + ijk
3 Faktor
Yijkl = + i + j + k +()ij +( )ik +( )jk +()ijk + ijkl
Pada Rancangan Acak Kelompok

2 Faktor
Yijk = + k + i + j + ( ) ij + ijk
Percobaan Faktorial
80
3 Faktor
Yijkl = + l +i+ j + k + ()ij +()ik +()jk +()ijk +ijkl
Pada Rancangan Bujur Sangkar Latin

2 Faktor
Ykl(ij) = + k + l + i + j + ( )ij + ijkl

3 Faktor
Ylm(ijk) = + l + m + i + j + k +
( )ij + ( )ik + ( ) jk + ( )ijk + ijklm
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 :
Ransum
r1 = 10 %
r2 = 12 %
r3 = 14 %
(Faktor)
p1 = 10 gram
p2 = 20 gram
p3 = 30 gram
Pemupukan
(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 B12 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
Vitamin B-12
Catatan :
(faktor A) a1, a2, a3 ..... an

(faktor B) b1, b2, b3 ......bm
Faktor ditulis dengan huruf BESAR

Level ditulis dengan huruf KECIL
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 a1, a2 dan a3
Faktor B ada 4 level b1, b2, b3 dan b4
maka kombinasi level (sebagai perlakuan) yaitu :
a1 b1
a2 b1
a3 b1
a1 b2
a2 b2
a3 b2
a1 b3
a2 b3
a3 b3
a1 b4
a2 b4
a3 b4
Catatan :
Perbedaan level sebaiknya digunakan yang equal.
misal: a1 = 10
a2 = 20
a3 = 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).
Percobaan Faktorial
74
RAK
Blok
Perlakuan
Galat
TOTAL
FAKT. RAK
Blok
Perlakuan
A
B
AxB
Galat
TOTAL
FAK. RAK dan Regresi

Blok
Perlakuan
A
Linier
Kuadrater
B
Linier
Kuadrater
Kubik
AxB
Pada A1
B Linier
B Kuadrater
B Kubik
Pada A2
B Linier
B Kuadrater
B Kubik
Pada A3
B Linier
B Kuadrater
B Kubik
Galat
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.
Percobaan Faktorial
75
Bila dalam percobaan faktorial, faktor A dan B masing- masing 2 level (a1 dan
a2 serta b1 dan b2), anggaplah percobaan ini dalam tiga keadaan (I , II dan III, serta
angka-amgka merupakan hasil pengamatan) (Stell and Torrie, 1981).
Faktor
Rata
rata
Pengaruh
Sederhana
a2-a1
Level
A
a1
a2
b1
a1b1
a2b1
a2b1 - a1b1
b2
Rata
rata
a1b2
a2b2
a2b2 - a1b2
Pengaruh
b - b a b -a b a b -a b
sederhana 2 1 1 2 1 1 2 2 2 1
Keadaan 1
Faktor
a2
Rata
rata
Pengaruh
Sederhana
a2-a1
30
32
31
36
44
40
33
38
35.5
12
Level
A
a1
b1
b2
Rata
rata
Pengaruh
b -b
sederhana 2 1
Keadaan 2
Faktor
a2
Rata
rata
Pengaruh
Sederhana
a2-a1
30
32
31
36
26
31
- 10
33
29
31
-4
-6
Level
A
a1
b1
b2
Rata
rata
Pengaruh
b -b
sederhana 2 1
Percobaan Faktorial
76
Keadaan 3
Faktor
a2
Rata
rata
Pengaruh
Sederhana
a2-a1
30
32
31
36
38
37
33
35
34
Level
A
a1
b1
b2
Rata
rata
Pengaruh
b -b
sederhana 2 1
Pengaruh Sederhana :
Selisih dari dua level (a2-a1) pada salah satu level dari faktor yang lain (b1 atau b2).
Untuk keadaan I
:2
Untuk keadaan II
:2
; -10
; 6 ; -6
Untuk keadaan III
:6
; 2 ; 2
; 6 ; 12
Pengaruh Utama :
Pengaruh sederhana yang dirata-ratakan dalam suatu faktor tertentu.
Pada keadaan I,
Pada keadaan II,
pengaruh utama A = {2 + (-10)} / 2 = -4

pengaruh utama B = {6 + (- 6)} / 2 = 0
Pada keadaan III,
Pengaruh Interaksi :
Interaksi antara faktor A dan B dirumuskan :
AB=
1
{( a2b2 - a1b2 ) - ( a2b1 - a1b1 )}
2
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 :
50
45
40
35
30
b1
25
b2
20
15
10
5
0
a1
a2
40
35
30
25
b1
20
b2
15
10
5
0
a1
a2
Percobaan Faktorial
78
40
35
30
25
b1
20
b2
15
10
5
0
a1
a2
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 a1 ke
a2 tidak sama dalam keadaan b1 dan b2.
Keadaan I dari a1 ke a2 dalam b1
dalam b2
dalam a2
perubahannya = 2
perubahannya = 8
perubahannya = 6
perubahannya = 12
Keadaan II dari a1 ke a2 dalam b1

dalam b2
dalam a2
perubahannya = 2
perubahannya = -10
perubahannya = 6
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.
Percobaan Faktorial
79
3. Bila ingin mengetahui pengaruh masing-masing faktor dan interaksi antara faktorfaktor 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
Yijk = + i + j + ( )ij + ijk
3 Faktor
Yijkl = + i + j + k +()ij +( )ik +( )jk +()ijk + ijkl
Pada Rancangan Acak Kelompok

2 Faktor
Yijk = + k + i + j + ( ) ij + ijk
Percobaan Faktorial
80
3 Faktor
Yijkl = + l +i+ j + k + ()ij +()ik +()jk +()ijk +ijkl
Pada Rancangan Bujur Sangkar Latin

2 Faktor
Ykl(ij) = + k + l + i + j + ( )ij + ijkl

3 Faktor
Ylm(ijk) = + l + m + i + j + k +
( )ij + ( )ik + ( ) jk + ( )ijk + ijklm
Percobaan Faktorial
81
Faktor C : Dosis Vitamin C : 0 ; 200 dan 400 g

Faktor L : Lama Penyimpanan : 0 ; 60 dan 120 menit
Blok
: Periode Penyadapan 1 ; 2 dan 3 ( interval 2 hari )
Data:
Motilitas
Tabel 1. C x L x Blok
Perlakuan
c0 l0
1
70.00
Blok
2
75.00
3
70.00
Total
Rataan
Perlk
Perlk
215.00
71.67
c0 l1
65.00
60.00
60.00
185.00
61.67
c0 l2
65.00
70.00
65.00
200.00
66.67
c1 l0
70.00
70.00
85.00
225.00
75.00
c1 l1
70.00
75.00
75.00
220.00
73.33
c1 l2
80.00
85.00
90.00
255.00
85.00
c2 l0
65.00
70.00
70.00
205.00
68.33
c2 l1
75.00
95.00
90.00
260.00
86.67
c2 l2
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 (%) ]

Perlakuan
c0 l0
1
56.79
Blok
2
60.00
3
56.79
c0 l1
53.73
50.77
50.77
155.27
51.76
c0 l2
53.73
56.79
53.73
164.25
54.75
c1 l0
56.79
56.79
67.21
180.79
60.26
c1 l1
56.79
60.00
60.00
176.79
58.93
c1 l2
63.43
67.21
71.57
202.21
67.40
c2 l0
53.73
56.79
56.79
167.31
55.77
c2 l1
60.00
77.08
71.57
208.64
69.55
c2 l2
67.21
71.57
77.08
215.86
71.95
Total
522.20
556.99
565.50
1644.69
Total
Rataan
Perlk
Perlk
173.58
57.86
Rancangan Percobaa n 82
Tabel 3. C x L
c0
c1
c2
l0
173.58
180.79
167.31
521.68
57.96
l1
155.27
176.79
208.64
540.70
60.08
l2
164.25
202.21
215.86
582.32
64.70
Total C
Rataan C
493.09
54.79
559.79
62.20
591.81
65.76
1644.69
Total L Rataan L
Perhitungan Jumlah Kuadat
2
1644.69 /(3x3x3)= 100185.8
1. F. Koreksi
2. JK Total
=
=
2
56.79 ++
101726.0
-
2
77.08 - FK =
100185.8
=
3. JK Blok
=
=
2
522.202 ++
100302.7
-
2
565.498 /9 - FK =
100185.8
=
116.9371
4. JK Perlakuan
=
=
2
173.578 ++
101387.5
-
2
215.858 /3 - FK =
100185.8
=
1201.725
5. JK C
=
=
2
493.091 ++
100749.5
-
2
591.809 /9 - FK =
100185.8
=
563.6868
6. JK L
=
=
2
521.677 ++
100399.6
-
2
582.318 /9 - FK =
100185.8
=
213.7516
7. JK C x L
=
=
1201.725
424.2869
563.6868
213.7516
7. JK Galat
=
=
1540.190
221.527
116.9371
1201.725
1540.19
Tabel 4. Anava
Sumber
Jumlah
Derajat
Kuadrat
Variasi
Kuadrat
Bebas
Tengah
hitung
Blok
F tabel
0.05
0.01
116.937
58.469
4.223
3.63
6.23
1201.725
150.216
10.849
2.59
3.89
563.687
281.843
20.356
3.63
6.23
213.752
106.876
7.719
3.63
6.23
CxL
424.287
106.072
3.01
4.77
221.527
1540.190
16
26
13.845
7.661
=
KK=
Perlakuan
Galat
TOTAL
3.721
6.108 %
Memecah JK C
Perlakuan
c0
c1
c2
Ci.Ti
r. Ci2
JK
Total Perl
493.09
559.79
591.81
(a)
(b)
(a2/b)
Linier
-1
98.71802 3 x 3 x 2
541.4026
Kuadrater
-2
-34.6893 3 x 3 x 6
22.28416
Total
JK C =
563.6868
Memecah JK L
Perlakuan
l0
l1
l2
Ci.Ti
r. Ci2
JK
Total Perl
521.68
540.70
582.32
(a)
(b)
2
(a /b)
Linier
-1
60.64094 3 x 3 x 2
204.2958
Kuadrater
-2
22.59675 3 x 3 x 6
9.455799
Total
JK L =
213.7516
Memecah JK C x L
c0
c1
c2
Ci.Ti
r. Ci2
JK
173.58
180.79
167.31
(a)
(b)
(a2/b)
Linier
-1
-6.2712
3x 2
6.554655
Kuadrater
-2
-20.6982
3x 6
23.80087
Perl
Lo
Total Perl
Total
30.35552
c0
c1
c2
Ci.Ti
r. Ci
JK
155.27
176.79
208.64
(a)
(b)
(a2/b)
Linier
-1
53.37832
3x 2
474.8742
Kuadrater
-2
10.33167
3x 6
5.930186
Perl
L1
Total Perl
Total
480.8044
c0
c1
c2
Ci.Ti
r. Ci
JK
164.25
202.21
215.86
(a)
(b)
(a2/b)
Linier
-1
51.61089
3x 2
443.9474
Kuadrater
-2
-24.3227
3x 6
32.86639
Perl
L2
Total Perl
Total
476.8138
JK C + JK C x L =
987.9737
Tabel 5. Anava
Sumber
Jumlah
Derajat
Kuadrat
Variasi
Kuadrat
Bebas
Tengah
hitung
Blok
F tabel
0.05
0.01
116.937
58.469
4.223
3.630
6.230
1201.725
150.216
10.849
2.59
3.89
563.687
281.843
20.356
3.63
6.23
Lin
541.403
541.403
39.103
4.49
8.53
Kdr
22.284
22.284
1.609
4.49
8.53
213.752
106.876
7.719
3.63
6.23
Lin
204.296
204.296
14.755
4.49
8.53
Kdr
9.456
9.456
0.683
4.49
8.53
424.287
106.072
7.661
3.01
4.77
C Lin
6.555
6.555
0.473
4.49
8.53
C Kdr
Pd L 1
23.801
23.801
1.719
4.49
8.53
C Lin
474.874
474.874
34.298
4.49
8.53
C Kdr
Pd L 2
5.930
5.930
0.428
4.49
8.53
C Lin
443.947
443.947
32.064
4.49
8.53
C Kdr
32.866
32.866
4.49
8.53
221.527
1540.190
16
26
13.845
2.374
=
KK=
Perlakuan
C
CxL
Pd L
Galat
TOTAL
3.721
6.108 %
BNJ 0.05=
BNJ 0.01=
3.6490
4.7860
Uji Beda Nyata Jujur
x
x
1.2403
1.2403
=
=
4.5259
5.9362
=
=
10.8081
13.3667
Untuk C
Perlakuan
Rataan
c2
c1
c0
c0
54.7878
10.9687
c1
62.1994
3.5572
7.4115
-
c2
65.7565
-
Untuk L
Perlakuan
Rataan
l2
l1
l0
l0
57.9641
7.7924
l1
60.0777
5.6789
4.2353
-
l2
64.7020
-
Untuk C x L
BNJ 0.05=
BNJ 0.01=
5.0310
6.2220
x
x
Perlakuan
c0 l0
c0 l1
c0 l2
c1 l0
c1 l1
Rataan
c2 l2
c2 l1
c2 l0
c1 l2
c1 l1
c1 l0
c0 l2
c0 l1
c0 l0
57.859
14.093
11.689
2.090
9.545
1.070
2.405
3.110
6.104
-
51.755
20.197
17.793
4.014
15.649
7.174
8.509
2.994
-
54.749
17.204
14.799
1.020
12.656
4.181
5.515
-
60.264
11.689
9.284
4.495
7.141
1.334
-
58.930
13.023
10.618
3.161
8.475
-
2.1483
2.1483
c1 l2
67.405
4.548
c2 l0
55.769
16.184
c2 l1
2.144
13.779
c2 l0
11.636
Perlakuan
Rataan
c2 l2
c1 l2
c2 l1
69.548
2.405
c2 l2
71.953
-
c1 l1
c1 l0
c0 l2
c0 l1
c0 l0
Kurva Respon C x L
80
Motilitas
70
C-1
C-2
C-3
60
50
40
0
60
120
Lama Penyimpanan (jam)
Data :
X : Dosis Vitamin C
Y : Motilitas
[ Penyimpanan 60 menit ]
Tabel 1. Data X dan Y

No
1
2
3
4
5
6
7
8
9
0
0
0
200
200
200
400
400
400
N
Jumlah
Rataan
53.73
50.77
50.77
56.79
60.00
60.00
60.00
77.08
71.57
9
1800 540.69893
200
60.078
Y2
0
0
0
40000
40000
40000
160000
160000
160000
2886.784
2577.439
2577.439
3225.001
3600.000
3600.000
3600.000
5941.177
5121.557
REGRESI LINIER
Y = 540.69893
X=
1800
Y = 33129.396
X =
X bar =
600000
200
Y bar =
60.078
XY = 118815.45
0.000
0.000
0.000
11357.818
12000.000
12000.000
24000.000
30831.613
28626.020
600000 33129.396 118815.45

66666.667
N=
XY
x2 =
240000
y = 645.46934
xy = 10675.665
2
2
b = xy / x = 0.0444819
a=
Y bar - b ( X bar ) =
Y = 51.181272
Koefisien Determinasi ( r 2 ) =
Koefisien Korelasi
(r) =
51.181272
0.04448194 X
73.5703807 Persen
0.85773178
Rancangan Percobaan 89
Regresi pada L 1
70
Motilitas
66
62
Linier
58
54
50
0
200
400
Dosis Vitamin C (g)
Data :
X : Dosis Vitamin C
Y : Motilitas
[ Penyimpanan 120 menit ]

No
1
2
3
4
5
6
7
8
9
0
0
0
200
200
200
400
400
400
N
Jumlah
Rataan
Y2
Y
53.73
56.79
53.73
63.43
67.21
71.57
67.21
71.57
77.08
0
0
0
40000
40000
40000
160000
160000
160000
9
1800 582.317781
600000
200
64.702 66666.667
2886.784
3225.001
2886.784
4023.993
4517.655
5121.557
4517.655
5121.557
5941.177
REGRESI LINIER
X=
1800
X =
X bar =
600000
200
Y bar =
64.702
XY = 126785.735
0.000
0.000
0.000
12686.990
13442.700
14313.010
26885.401
28626.020
30831.613
38242.162 126785.74
Y = 582.317781
2
Y = 38242.162
N=
XY
x2 =
240000
y = 565.05093
xy = 10322.179
2
b = xy / x = 0.04300908
2
a=
Y=
56.10016
Koefisien Korelasi
(r) =
56.10016
0.0430091 X
78.567679 Persen
0.8863841
Regresi pada L 2
75
Motilitas
70
65
Linier
60
55
50
0
200
400
Dosis Vitamin C (g)
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
b
b
b
a1
1
3
2
a2
3
2
1
a3
2
1
3
a4
3
1
2
Kelompok 2
a1
3
1
2
b
b
b
a2
2
3
1
a3
3
1
2
a4
3
2
1
a3
2
1
3
a4
2
3
1
a3
2
1
3
a4
3
2
1
Kelompok 3
a1
1
3
2
b
b
b
a2
1
3
2
Kelompok 4
a1
3
1
2
b
b
b
a2
1
2
3
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 tiaptiap 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
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
Yijk = + j + jk + i + ( )ij + ijk
RAK
Yijk = + k + j + jk + i + ( )ij + ijk
RBSL
Yijk = + k + l + j + jkl + i + ( )ij + ijkl
TABULASI DATA
Tabel 1. MP x SP x Ulg
MAIN
PLOT
a1
a2
a3
a4
SUB
PLOT
b1
b2
b3
(Y.jk)
b1
b2
b3
(Y.jk)
b1
b2
b3
(Y.jk)
b1
b2
b3
(Y.jk)
(Y..k)
Ulangan / (Blok)
2
3
TOTAL
( Yi j . )
Y ijk
(Y.j.)
(Y.j.)
(Y.j.)
(Y.j.)
(Y...)
Tabel 2. MP x SP
a1
a2
Yij.
b1
b2
b3
(Y.j.)
a3
a4
(Yi..)
(Y...)
Perhitungan Jumlah Kuadrat (SPD-RAK)
Y 2 ...
1. F Koreksi =
=
s .m.r
2. JK
TOTAL
ijk
- FK =
i=1 j =1 k =1
m
3. JK SUB TOTAL
. jk
j =1 k =1
- F K =
4. JK BLOK
.. k
- F K =
k =1
s .m
m
5. JK
MAIN PLOT
6 . JK GALAT
j =1
s .r
. j.
- F K =
= JK S.TOTAL 1 - JK BLOK - JK MAIN
PLOT
7 . JK SUB TOTAL 2 =
Y
i =1 j =1
ij .
- FK=
8. JK SUB PLOT =
i ..
i =1
m .r
- FK =
9 . JK INTERAKSI = JK S.TOTAL 2 - JK MAIN PLOT - JK SUB PLOT =
10 . JK GALAT
= JK TOTAL - JK SUB TOTAL 1 - JK SP - JK MP =
Tabel Analisis Variansi

SUMBER
Jumlah
VARIASI
Kuadrat
Blok
JK B
Main Plot
JK MP
Galat a
JK Ga
Sub Total 1
JK ST1
Sub Plot
JK SP
Interaksi
JK Int
Galat b
JK Gb
Total
JK Tot
Derajat
Bebas
r-1
m-1
(r-1)(m-1)
rm-1
s-1
(m-1)(s-1)
m(r-1)(s-1)
rms-1
Kuadrat
Tengah
KT B = A
KT MP = B
KT Ga = C
KT SP = D
KT Int = E
KT Gb = F
F tabel
F
hitung 0.05 0.01
A/C
B/C
a = C
KK a =
D/F
E/F
b = F
KK b =
Pada Split Plot Design ada 4 Standar Error
1. Antar nilai rataan MP untuk semua SP
SE 1 =
(2 x KT galat a )
( s .r )
__
__
misal : MP 1 - MP 2
2. Antar nilai rataan SP untuk semua MP
SE 2 =
(2 x KT galat b )
( m .r )
__ __
misal : SP 1 - SP 2
3. Antar nilai rataan SP untuk satu taraf/level MP
SE 3 =
(2 x KT galat b )
( r )
_
_
misal : S 31 - S 21
4. Antar nilai rataan MP untuk satu taraf/level SP
SE 4 =
(2 (s - 1) KTgalat b + KT galat a)
( s .r )
_
_
misal : S 13 - S 12
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
RAL
RAK
RBSL
S VARIASI
DB
S VARIASI
DB
S VARIASI
DB
M Plot
Galat a
Sub Total 1
Sub Plot
Interaksi
Galat b
TOTAL
m-1
m(r-1)
mr-1
s-1
(r-1)(s-1)
m(r-1)(s-1)
rms-1
Blok
M Plot
Galat a
Sub Total 1
Sub Plot
Interaksi
Galat b
TOTAL
r-1
m-1
(m-1)(r-1
rm-1
s-1
(m-1)(s-1
m(r-1)(s-1)
rms-1
Baris
Kolom
M Plot
Galat a
Sub Total 1
Sub Plot
Interaksi
Galat b
TOTAL
r-1
r-1
r-1
(r-1)(r-2)
r2-1
s-1
(m-1)(s-1)
m(r-1)(s-1)
rms-1
Main Plot : Umur telur ( 1; 3; 5 dan 7 hari )

Sub Plot : Frekuensi Pemutaran ( 4; 6; 8 kali/hari )
Ulangan
: Tiga kali
Data:
Daya Tetas (%)
Tabel 1. MP x SP x Ulg
Main
Plot
U1
U2
U3
U4
Total
Sub
Plot
Ulangan
2
Total
Rataan
F1
70.00
85.00
80.00
235.00
78.33
F2
F3
80.00
90.00
85.00
90.00
85.00
85.00
250.00
265.00
83.33
88.33
S. Total
F1
F2
F3
240.00
260.00
250.00
750.00
70.00
80.00
85.00
75.00
80.00
85.00
75.00
85.00
80.00
220.00
245.00
250.00
S. Total
F1
F2
F3
235.00
240.00
240.00
715.00
60.00
75.00
85.00
65.00
70.00
80.00
65.00
75.00
85.00
190.00
220.00
250.00
S. Total
F1
F2
F3
220.00
215.00
225.00
660.00
60.00
70.00
75.00
65.00
70.00
75.00
70.00
75.00
80.00
195.00
215.00
230.00
S. Total
205.00
900.00
210.00
925.00
225.00
940.00
640.00
2765.00
73.33
81.67
83.33
63.33
73.33
83.33
65.00
71.67
76.67
Tabel 2. MP x SP x Ulg [ Transf. Arc. Sin % ]

Main
Plot
U1
U2
U3
U4
Sub
Plot
F1
F2
F3
S. Total
F1
F2
F3
S. Total
F1
F2
F3
S. Total
F1
F2
F3
S. Total
Total
Ulangan
2
Total
Rataan
56.79
67.21
63.43
187.43
62.48
63.43
71.57
191.79
67.21
71.57
205.99
67.21
67.21
197.85
197.85
210.35
595.63
65.95
70.12
56.79
63.43
67.21
187.43
60.00
63.43
67.21
190.64
60.00
67.21
63.43
190.64
176.79
194.07
197.85
568.71
58.93
64.69
65.95
50.77
60.00
67.21
177.98
53.73
56.79
63.43
173.95
53.73
60.00
67.21
180.94
158.23
176.79
197.85
532.87
52.74
58.93
65.95
50.77
56.79
60.00
167.56
724.76
53.73
56.79
60.00
170.52
741.10
56.79
60.00
63.43
180.22
749.65
161.29
173.58
183.43
518.30
2215.51
53.76
57.86
61.14
Tabel 3. MP x SP
U1
U2
U3
U4
Total SP
F1
187.43
176.79
158.23
161.29
683.74
F2
F3
197.85
194.07
176.79
173.58
742.29
210.35
197.85
197.85
183.43
789.48
595.63
568.71
532.87
518.30
2215.51
Total MP
1. F. Koreksi
2
= 2215.51 /(4x3x3) =
136346.8
=
56.79
= 137429.3
3. JK S.Tot I
=( 191.79
= 136828.19
+.....+ 180.22 2 ) / 3 - FK =
136346.8
=
481.40
4. JK M. Plot
=( 595.63
= 136754.6
+.....+ 518.30 2 ) / (3x3) - FK =

136346.8
=
407.8164
5. JK Galat a
=JK S. Total I - JK Main Plot =

=
481.40
407.8164
2. JK Total
2
+.....+
63.43 - FK =
136346.8
=
1082.50
73.58
6. JK S.Tot II
=( 187.43
= 137270.4
+.....+ 183.43 2 ) / 3 - FK =
136346.8
=
923.6554
7. JK S. Plot
=( 683.74
= 136814.5
+.....+ 789.48 2 ) / (4x3) - FK =

136346.8
=
467.6652
8. JK Interaksi
= JK S.Total II - JK Main Plot - JK Sub Plot =

= 923.6554
407.8164
467.6652
= 48.17383
9. JK Galat b
= JK Total - JK S. Total I - JK S. Plot - JK Interaksi =

= 1082.50
481.40
467.6652
48.17383
=
85.26

Sumber
Variasi
Jumlah
Kuadrat
M. Plot
Galat a
407.82
73.58
3
8
S. Total
481.40
11
S. Plot
Interaksi
Galat b
467.67
48.17
85.26
2
6
16
1082.50
35
TOTAL
Derajat
Bebas
Kuadrat
Tengah
135.94
9.20
F
hit
14.780
a=
KK a =
233.83
8.03
5.33
43.881
1.507
b=
KK b =
0.05
F tabel
0.01
4.070
3.033
7.590
4.928 %
3.630
2.740
2.308
6.230
4.200
3.751 %
Memecah JK Main Plot

Ci.Ti
r. Ci2
(a)
(b)
Perlakuan
U1
U2
U3
U4
Total Perl
595.63
568.71
532.87
518.30
Linier
-3
-1
-267.83 3 x 3 x 20 398.5162
Kuadrater
Kubik
1
-1
-1
3
-1
-3
1
1
12.35 3 x 3 x 4 4.236736
30.19 3 x 3 x 20 5.063534
Total
JK
(a2/b)
JK MP = 407.8164
Memecah JK Sub Plot

Perlakuan
F1
F2
F3
Total Perl
683.74
742.29
789.48
Linier
Kuadrater
-1
1
0
-2
Total
1
1
Ci.Ti
r. Ci2
(a)
(b)
105.74 4 x 3 x 2
-11.36 4 x 3 x 6
JK
(a2/b)
465.8728
1.792356
JK SP = 467.6652

Sumber
Variasi
Jumlah
Kuadrat
Derajat
Bebas
M. Plot
Linier
Kuadrater
Kubik
Galat a
407.82
398.52
4.24
5.06
73.58
3
1
1
1
8
S. Total
481.40
11
S. Plot
Linier
Kuadrater
Interaksi
Galat b
467.67
465.87
1.79
48.17
85.26
2
1
1
6
16
TOTAL
1082.50
35
Kuadrat
Tengah
135.94
398.52
4.24
5.06
9.1975
F
hit
14.780
43.329
0.461
0.551
a=
KK a =
233.83
465.87
1.79
8.03
5.3288
43.881
87.425
0.336
1.507
b=
KK b =
F tabel
0.05
0.01
4.070
5.320
5.320
5.320
3.033
7.590
11.260
11.260
11.260
4.928 %
3.630
4.490
4.490
2.740
2.308
6.230
8.530
8.530
4.200
3.751 %
Uji Beda Nyata Terkecil (BNT)
Untuk Main Plot
BNT 0.05=
BNT 0.01=
2.3060
3.3550
x
x
1.4296
1.4296
=
=
Rataan
U4
U3
U2
U1
U1
49.6358
6.4442
5.2300
2.2433
-
U2
47.3925
4.2008
2.9867
-
U3
44.4058
1.2142
-
U4
43.1917
-
3.2968
4.7965
Untuk Sub Plot
BNT 0.05=
BNT 0.01=
2.1200
2.9210
x
x
0.9424
0.9424
Rataan
F3
F2
F1
F1
56.9783
8.8117
4.8792
-
F2
61.8575
3.9325
-
F3
65.7900
-
=
=
1.9979
2.7528
Untuk Antar Sub Plot dalam tiap Main Plot
BNT 0.05=
BNT 0.01=
Main
Plot
U1
U2
2.1200
2.9210
x
x
1.8848
1.8848
=
=
Rataan
F3
F2
F1
F1
62.4767
7.6400
3.4733
-
F2
65.9500
4.1667
-
F3
70.1167
-
Rataan
F3
F2
F1
F1
58.9300
7.0200
5.7600
-
F2
64.6900
1.2600
-
F3
65.9500
-
F2
58.9300
7.0200
-
F3
65.9500
-
F2
F1
F1
52.7433
13.2067
6.1867
-
Rataan
F3
F2
F1
F1
53.7633
7.3800
4.0967
-
F2
57.8600
3.2833
-
F3
61.1433
-
Rataan
F3
U3
U4
3.9958
5.5056
Untuk Antar Main Plot dalam tiap Sub Plot
BNT 0.05=
BNT 0.01=
Sub
Plot
F1
F2
F3
2.2062
3.1220
x
x
3.3903
3.3903
=
=
7.4796
10.5847
Rataan
U4
U3
U2
U1
U1
62.4767
8.7133
9.7333
3.5467
-
U2
58.9300
5.1667
6.1867
-
U3
52.7433
1.0200
-
U4
53.7633
-
U2
64.6900
6.8300
5.7600
-
U3
58.9300
1.0700
-
U4
57.8600
-
U2
U1
U1
65.9500
8.0900
7.0200
1.2600
-
Rataan
U4
U3
U2
U1
U1
70.1167
8.9733
4.1667
4.1667
-
U2
65.9500
4.8067
0.0000
-
U3
65.9500
4.8067
-
U4
61.1433
-
Rataan
U4
U3
Data :
X : Umur Telur
Y : Motilitas

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
X
1
1
1
1
1
1
1
1
1
3
3
3
3
3
3
3
3
3
5
5
5
5
5
5
5
5
5
7
7
7
7
7
7
7
7
7
Y
56.79
63.43
71.57
67.21
67.21
71.57
63.43
67.21
67.21
56.79
63.43
67.21
60.00
63.43
67.21
60.00
67.21
63.43
50.77
60.00
67.21
53.73
56.79
63.43
53.73
60.00
67.21
50.77
56.79
60.00
53.73
56.79
60.00
56.79
60.00
63.43
X2
Y2
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
9.0000
9.0000
9.0000
9.0000
9.0000
9.0000
9.0000
9.0000
9.0000
25.0000
25.0000
25.0000
25.0000
25.0000
25.0000
25.0000
25.0000
25.0000
49.0000
49.0000
49.0000
49.0000
49.0000
49.0000
49.0000
49.0000
49.0000
3225.1041
4023.3649
5122.2649
4517.1841
4517.1841
5122.2649
4023.3649
4517.1841
4517.1841
3225.1041
4023.3649
4517.1841
3600.0000
4023.3649
4517.1841
3600.0000
4517.1841
4023.3649
2577.5929
3600.0000
4517.1841
2886.9129
3225.1041
4023.3649
2886.9129
3600.0000
4517.1841
2577.5929
3225.1041
3600.0000
2886.9129
3225.1041
3600.0000
3225.1041
3600.0000
4023.3649
XY
56.7900
63.4300
71.5700
67.2100
67.2100
71.5700
63.4300
67.2100
67.2100
170.3700
190.2900
201.6300
180.0000
190.2900
201.6300
180.0000
201.6300
190.2900
253.8500
300.0000
336.0500
268.6500
283.9500
317.1500
268.6500
300.0000
336.0500
355.3900
397.5300
420.0000
376.1100
397.5300
420.0000
397.5300
420.0000
444.0100
No
Jumlah
Rataan
Minimum
Maksimum
N=
X=
X2 =
X bar =
X
144.00
4.00
1.00
7.00
X2
Y
2215.51
61.54
50.77
71.57
Y2
756.0000
XY
137429.2901 8594.2100
Y=
2215.51
2
Y = 137429.2901
Y bar =
61.54
XY = 8594.2100
36
144.00
756.0000
4.00
2
x =
X2 - ( X ) 2 / N
180
y2 =
Y2 - ( Y ) 2 / N
1082.49676
xy =
XY - ( X)(Y) / N =
-267.83
Koefisien regresi ( b ) =
xy / x2 = -1.48794444
Intersep
Y bar - ( b ) ( X bar ) = 67.4937222
(a)=
Persamaan Garis Regresi Linier : Y =
2
Koefisien Determinasi ( r )
Koefisien Korelasi
67.4937222
( JK Regresi / JK Total ) x 100 %
( r ) = ( JK Regresi / JK Total ) =
1.48794444 X
36.815 Persen
0.6067
Regresi
Motilitas
70
65
Linier
60
55
1
Umur Telur (hari)
Data :
X : Frekuensi Pemutaran
Y : Motilitas

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
X
2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
4
4
4
4
4
4
6
6
6
6
6
6
6
6
6
6
6
6
Y
56.79
67.21
63.43
56.79
60.00
60.00
50.77
53.73
53.73
50.77
53.73
56.79
63.43
67.21
67.21
63.43
63.43
67.21
60.00
56.79
60.00
56.79
56.79
60.00
71.57
71.57
67.21
67.21
67.21
63.43
67.21
63.43
67.21
60.00
60.00
63.43
X2
Y2
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
4.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
16.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
36.0000
3225.1041
4517.1841
4023.3649
3225.1041
3600.0000
3600.0000
2577.5929
2886.9129
2886.9129
2577.5929
2886.9129
3225.1041
4023.3649
4517.1841
4517.1841
4023.3649
4023.3649
4517.1841
3600.0000
3225.1041
3600.0000
3225.1041
3225.1041
3600.0000
5122.2649
5122.2649
4517.1841
4517.1841
4517.1841
4023.3649
4517.1841
4023.3649
4517.1841
3600.0000
3600.0000
4023.3649
XY
113.5800
134.4200
126.8600
113.5800
120.0000
120.0000
101.5400
107.4600
107.4600
101.5400
107.4600
113.5800
253.7200
268.8400
268.8400
253.7200
253.7200
268.8400
240.0000
227.1600
240.0000
227.1600
227.1600
240.0000
429.4200
429.4200
403.2600
403.2600
403.2600
380.5800
403.2600
380.5800
403.2600
360.0000
360.0000
380.5800
No
Jumlah
Rataan
Minimum
Maksimum
N=
X=
X2 =
X bar =
X
144.00
4.00
2.00
6.00
X2
Y
2215.51
61.54
50.77
71.57
Y2
672.0000
Y=
2215.51
2
Y = 137429.2901
Y bar =
61.54
XY = 9073.5200
36
144.00
672.0000
4.00
x2 =
2
2
X - (X) /N
96
y2 =
Y2 - ( Y ) 2 / N
1082.49676
xy =
XY - ( X)(Y) / N =
211.48
Koefisien regresi ( b ) =
Intersep
XY
137429.2901 9073.5200
(a)=
2
xy / x = 2.20291667
Y bar - ( b ) ( X bar ) = 52.7302778
Persamaan Garis Regresi Linier : Y =
Koefisien Determinasi ( r2 )
Koefisien Korelasi
52.7302778
( JK Regresi / JK Total ) x 100 %
( r ) = ( JK Regresi / JK Total ) =
2.20291667 X
43.037 Persen
0.6560
Regresi
Motilitas
70
65
Linier
60
55
2
Frekuensi Pemutaran
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
(adjustment)
yaitu
percobaan melalui penyesuaian-penyesuaian
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. Jika 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. Jika 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. Jika 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);
d. Jika 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
(JHK) dipecah ke dalam
komponen-komponen ancovanya sebagaimana total JK 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
Yij = + i + ( X ij - X ) + ij
Yij
: Hasil pengamatan ke j dari perlakuan ke i

: Koefisien regresi untuk semua perlakuan
_
(Xij - X) : Deviasi peragam X ke ij dari rata-rata peragam
ij
: Galat percobaan (komponen peubah random)
RAK
Yij = + j + i + ( X ij - X ) + ij
Yij
j
i

: Pengaruh kelompok/blok ke j
: Pengaruh perlakuan ke I
_
(Xij - X) : Deviasi peragam X ke ij dari rata-rata peragam
ij
RBSL
Yij(t) = + i + j + (t) + ( X ij(t) - X ) + ij

Yij(t)
i
j
(t)

: Pengaruh kelompok/blok/baris ke i
: Pengaruh kolom ke j
_
(Xij(t) - X) : Deviasi peragam X ke ij(t) dari rata-rata peragam
ij
D a t a : X : Berat Badan Awal (Kg)

Y : Pertambahan Bobot Badan (gr)
Protein dalam Ransum ( R 1 = 14 % ; R2 = 16 % ; R3 = 18 % dan R4 = 20 % )

R1
Ulangan
P e r l a k u a n
R2
R3
Y
X
1
2
3
4
5
115.0
121.5
124.0
116.5
141.8
255
265
270
300
290
110.2
121.0
120.0
133.5
156.5
330
340
345
375
365
Xi. & Yi.
618.8
1380
641.2
1755
X.. =
2627.3
3. JK Perlk XX
JK Perlk YY
JHK Perlk XY
4. JK Galat XX
JK Galat YY
JHK Galat XY
118.8
122.0
133.0
140.7
165.5
425
435
440
470
460
116.5
125.0
135.0
131.8
179.0
550
560
565
595
585
680.0
2230
687.3
2855
Y .. =
8220
Perhitungan Jumlah Kuadrat dan Jumlah Hasil Kali
1. F.Koreksi XX =
F.Koreksi YY =
F.Koreksi XY =(
2. JK Total XX
JK Total YY
JHK Total XY
R4
Y
2
2627.3 / (4x5) =
2
8220 / (4x5) =
2627.3
x
=(
=(
=(
(
2
115 + .. +
2
255 + .. +
115
x
179
x
=(
=(
=(
(
2
618.8 + .. +
2
1380 + .. +
618.8
x
687.3
x
=
=
=
6114.685
248730
15170.2
345135.3
3378420
8220 ) / (4x5) =
1079820
2
179 ) - FK XX =
2
585 ) - FK YY =
255 + +
8220 ) - FK XY =
6114.685
248730
2
687 ) / 5 - FK XX =
2
2855 ) / 5 - FK YY =
1380 + +
2855 ) / 5 - FK XY =
631.1695
243250
631.1695
243250
11758
=
=
=
15170.2
11758
5483.516
5480
3412.2
Tabel 2. Contras Orthogonal dan Polinomial

Perlakuan
XX
Linier
Kuadrater
Kubik
Perlakuan
YY
Linier
Kuadrater
Kubik
R1
R2
R3
R4
618.800
-3
1
-1
641.200
-1
-1
3
680.000
1
-1
-3
687.300
3
1
1
R1
R2
R3
R4
1380.000 1755.000 2230.000 2855.000

-3
-1
1
3
1
-1
-1
1
-1
3
-3
1
Perlakuan
XY
Linier
Kuadrater
Kubik
Ci.Ti
r. Ci2
(a)
(b)
244
5 x 20
-15
5x 4
-48
5 x 20
JK Perlakuan XX =
Ci.Ti
r. Ci2
JK
( a2 / b )
597
11
23
631.2
(a)
(b)
4900 5 x 20
250 5 x 4
50 5 x 20
JK Perlakuan YY =
JK
( a2 / b )
240100
3125
25
243250
JHK
5 x 20
5x 4
5 x 20
JK Perlakuan XY =
11970.7
-188.75
-23.95
11758
Tabel 3. Analisis Kovariansi

Sumber
Variasi
Perlakuan
Linier
Kuadrater
Kubik
Galat
Total
Derajat
Bebas
XX
3
1
1
1
16
631.17
597
11
23
5483.516
243250
240100
3125
25
5480
11758
11970.7
-188.75
-23.95
3412.2
19
6114.69
248730
15170.2
JK
dan J H K
YY
XY
DB
Pemurnian
JK
KT
15
3356.707 223.780495
F
hit
0.05
F tabel
0.01
Perlakuan + Galat
Perlakuan Murni
19
6114.69
248730 15170.200
................ ................ ................ ................
18
3
211093.6
207736.9 69245.6189 309.4355
3.290
5.420
Linier + Galat
Linier Murni
17
6080.341
245580 15382.9
................ ................ ................ ................
16
1
206662.2
203305.5 203305.473 908.504
4.540
8.680
Kuadrater + Galat
Kuadrater Murni
17
5494.917
8605 3223.45
................ ................ ................ ................
16
1
6714.047
3357.339 3357.33939 15.00282
4.540
8.680
Kubik +Galat
Kubik Murni
17
5506.46
5505 3388.25
................ ................ ................ ................
16
1
3420.133
63.42538 63.4253787 0.283427
4.540
8.680
Tabel 4. Pemurnian data

bxy =
Perlk.
3412.200
5483.516
Xi
R1
115.0
121.5
124.0
116.5
141.8
Rataan
123.8
R2
110.2
121.0
120.0
133.5
156.5
Rataan
128.2
R3
118.8
122.0
133.0
140.7
165.5
Rataan
136.0
R4
116.5
125.0
135.0
131.8
179.0
Rataan
137.5
0.622265
_
(Xi - X)
_
bxy.(Xi - X)
_
Y' = Yi-bxy(Xi - X)
Yi
-9
-2
0
-7
18
-5.451
-1.406
0.149
-4.518
11.226
255
265
270
300
290
260.451
266.406
269.851
304.518
278.774
-18
-7
-8
5
28
-11.226
-4.505
-5.127
3.273
17.585
330
340
345
375
365
341.226
344.505
350.127
371.727
347.415
-17
-14
-3
5
30
-10.703
-8.712
-1.867
2.925
18.357
425
435
440
470
460
435.703
443.712
441.867
467.075
441.643
-21
-12
-2
-6
42
-13.043
-7.753
-1.531
-3.522
25.849
550
560
565
595
585
563.043
567.753
566.531
598.522
559.151
Tabel 5. Pemurnian Nilai Tengah Perlakuan

b xy =
Perl
JHK Galat XY/JK Galat XX =

0.622265
_ Koreksi_
_
_
X
Xi - X bxy(Xi-X)
Yi
Yi terkoreksi
R1
R2
R3
R4
123.76
128.24
136.00
137.46
Rataan
131.37
-7.605
-3.125
4.635
6.095
-4.732325
-1.944578
2.884198
3.792705
276
351
446
571
280.7323
352.9446
443.1158
567.2073
Syi-yj = [ Sy.x ( 2/r + (Xi. - Xi..) 2/Exx) ]0,5
Pembandingan R1 dengan R 2
0,5
20.0704 ] =
5483.52
Sy0-y1 = [ 223.7805
0.4
R1
280.7323
R2
352.9446
72.21225
t hit =
72.21225
9.504276
7.59787
t 0.05 =
t 0.01 =
2.131
2.947
Rataan
9.504276
Sy0-y2 = [ 223.7805
0.4
0,5
149.8176 ] =
5483.52
R1
280.7323
R3
443.1158
162.3835
t hit =
162.3835
9.778865
16.60555
t 0.05 =
t 0.01 =
2.131
2.947
Rataan
9.778865
Sy0-y3 = [ 223.7805
0.4
R1
280.732
R4
567.207
t hit =
286.475
9.857574
29.06141
t 0.05 =
t 0.01 =
2.131
2.947
Rataan
0,5
187.69 ] =
5483.52
9.857574
286.47497
Sy1-y2 = [ 223.7805
0.4
R2
352.94458
R3
443.11580
t hit =
90.17122
9.590081
9.402551
t 0.05 =
t 0.01 =
2.131
2.947
Rataan
0,5
60.2176 ] =
5483.52
9.590081
90.17122
Sy1-y3 = [ 223.7805
0.4
R2
352.94458
R4
567.2073
t hit =
214.2627
9.642684
22.22024
t 0.05 =
t 0.01 =
2.131
2.947
Rataan
85.0084 ]
5483.52
0,5
9.642684
214.2627
Sy2-y3 = [ 223.7805
0.4
R3
443.11580
R4
567.2073
t hit =
124.0915
9.465685
13.10962
t 0.05 =
t 0.01 =
2.131
2.947
Rataan
0,5
2.1316 ] =
5483.52
9.465685
124.0915
Data :
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jumlah
X :
Y :
Dosis Protein dalam Ransum (%)

Pertambahan Berat Badan (gram)
X2
Y
14
14
14
14
14
16
16
16
16
16
18
18
18
18
18
20
20
20
20
20
260.451
266.406
269.851
304.518
278.774
341.226
344.505
350.127
371.727
347.415
435.703
443.712
441.867
467.075
441.643
563.043
567.753
566.531
598.522
559.151
196
196
196
196
196
256
256
256
256
256
324
324
324
324
324
400
400
400
400
400
2744
2744
2744
2744
2744
4096
4096
4096
4096
4096
5832
5832
5832
5832
5832
8000
8000
8000
8000
8000
340 8220.000
5880
103360
N=
X=
X2 =
X bar =
X3
20
340
5880.00
17
X4
38416
38416
38416
38416
38416
65536
65536
65536
65536
65536
104976
104976
104976
104976
104976
160000
160000
160000
160000
160000
XY
67834.74
70972.33
72819.38
92731.00
77715.13
116434.95
118683.83
122589.24
138180.88
120697.04
189837.07
196880.08
195246.26
218159.39
195048.70
317017.05
322343.95
320957.12
358228.61
312649.97
1844640 3625026.71
REGRESI LINIER
Y=
8220
2
Y = 3625026.71
Y bar =
411
XY =
144640
Y2
3646.31
3729.69
3777.91
4263.25
3902.84
5459.61
5512.08
5602.04
5947.63
5558.64
7842.65
7986.81
7953.60
8407.36
7949.58
11260.85
11355.07
11330.62
11970.44
11183.02
X2Y
51048.40
52215.64
52890.73
59685.46
54639.77
87353.77
88193.33
89632.63
95162.08
88938.19
141167.76
143762.59
143164.84
151332.41
143092.39
225217.07
227101.37
226612.31
239408.81
223660.45
144640.00 2584280.00
2
x =
100
2
y = 246606.707
xy =
4900
2
b = xy / x =
a=
Y=
49
-422
-422
49 X
2
Koefisien Determinasi ( r ) = 97.3615 Persen
Koefisien Korelasi
( r ) = 0.986719
N=
X=
X2 =
X3 =
X4 =
REGRESI KUADRATER
Y=
20
8220
x2 =
Y = 3625026.7
XY =
144640
2
X Y=
2584280
Y bar =
411
x =
x4 =
y2 =
xy =
x2y=
340
5880
103360
1844640
X bar =
17
2
X bar =
294
4
2
3 2
D = [( x )(x ) - ( x ) ] =
-57.25
2
2
3
c = [( x ) (x y) - ( x ) (xy)] / D =
3.125
2
a = Y bar - (b * X bar) - (c * X bar) =
465.5
465.5
Koefisien Korelasi
(r) =
Titik Belok
100
3400
115920
246606.707
4900
167600
32000
4
3
2
b = [( x ) (xy) - ( x ) (x y)] / D =
Y =
57.25 X
2
3.125 X
98.6287 Persen
0.99312
X = -0.726
Y = 203.295
Regresi
600
P B Badan (gr)
550
500
450
Linier
Kuadrater
400
350
300
250
14
16
18
20
Dosis Protein (%)
TABEL t ( Student )
Derajat
Bebas
0.030
Probabilitas
0.200
0.100
0.050
0.500
0.400
0.020
0.010
0.001
1
2
3
4
5
1.000
0.816
0.765
0.741
0.727
1.376
1.061
0.978
0.941
0.920
1.963
1.386
1.250
1.190
1.156
3.078
1.886
1.638
1.533
1.476
6.314
2.920
2.353
2.132
2.015
12.706
4.303
3.182
2.776
2.571
31.821
6.965
4.541
3.747
3.365
63.657
9.925
5.841
4.604
4.032
636.619
31.598
12.924
8.610
6.869
6
7
8
9
10
0.718
0.711
0.706
0.703
0.700
0.906
0.896
0.889
0.883
0.879
1.134
1.119
1.108
1.100
1.093
1.440
1.415
1.397
1.383
1.372
1.943
1.895
1.860
1.833
1.812
2.447
2.365
2.306
2.262
2.228
3.143
2.998
2.896
2.821
2.764
3.707
3.499
3.355
3.250
3.169
5.959
5.408
5.041
4.781
4.587
11
12
13
14
15
0.697
0.695
0.694
0.692
0.691
0.876
0.873
0.870
0.866
0.866
1.088
1.083
1.079
1.076
1.074
1.363
1.356
1.350
1.341
1.341
1.796
1.782
1.771
1.761
1.753
2.201
2.179
2.160
2.145
2.131
2.718
2.681
2.650
2.624
2.602
3.106
3.055
3.012
2.977
2.947
4.437
4.318
4.221
4.140
4.073
16
17
18
19
20
0.690
0.689
0.688
0.688
0.687
0.865
0.863
0.862
0.861
0.860
1.071
1.069
1.067
1.066
1.064
1.337
1.333
1.330
1.328
1.325
1.746
1.740
1.734
1.729
1.725
2.120
2.110
2.101
2.093
2.086
2.583
2.567
2.552
2.539
2.528
2.921
2.898
2.878
2.861
2.845
4.015
3.965
3.922
3.883
3.850
21
22
23
24
25
0.686
0.686
0.685
0.685
0.684
0.859
0.858
0.858
0.857
0.856
1.063
1.061
1.060
1.059
1.058
1.323
1.321
1.319
1.318
1.316
1.721
1.717
1.714
1.711
1.708
2.080
2.074
2.069
2.064
2.060
2.518
2.508
2.500
2.492
2.485
2.831
2.819
2.807
2.797
2.787
3.819
3.792
3.767
3.745
3.725
26
27
28
29
30
0.684
0.684
0.683
0.683
0.683
0.856
0.855
0.855
0.854
0.854
1.058
1.057
1.056
1.055
1.055
1.315
1.314
1.313
1.311
1.310
1.706
1.703
1.701
1.699
1.697
2.056
2.052
2.048
2.045
2.042
2.479
2.473
2.467
2.462
2.457
2.779
2.771
2.763
2.756
2.750
3.707
3.690
3.674
3.659
3.646
40
60
120
oo
0.681
0.679
0.677
0.674
0.851
0.848
0.845
0.842
1.050
1.046
1.041
1.036
1.303
1.296
1.289
1.282
1.684
1.671
1.658
1.645
2.021
2.000
1.980
1.960
2.423
2.390
2.358
2.326
2.704
2.660
2.617
2.576
3.551
3.460
3.373
3.291
0.250
0.200
0.015
0.050
0.025
0.100
Probabilitas
0.010
0.005
0.0005
TABEL F
DB
Galat
1
10
11
12
DB Perlakuan
1
10
11
12
14
16
20
24
30
40
50
75
100
200
500
oo
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
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
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
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
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
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
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
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
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
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
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
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
DB Perlakuan
DB
Galat
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
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
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
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
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
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
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
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
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
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
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
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
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
14
15
16
17
18
19
20
21
22
23
24
25
DB Perlakuan
DB
Galat
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
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
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
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
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
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
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
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
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
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
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
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
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
27
28
29
30
32
34
36
38
40
42
44
46
DB Perlakuan
DB
Galat
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
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
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
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
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
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
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
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
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
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
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
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
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
50
55
60
65
70
80
100
125
150
200
400
1000
DB
DB Perlakuan
Galat
10
11
12
14
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
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
16
20
24
30
40
50
75
100
200
500
oo
1.64
1.57
1.52
1.46
1.40
1.35
1.28
1.24
1.17
1.11
1.00
1.99
1.87
1.79
1.69
1.59
1.52
1.41
1.36
1.25
1.15
1.00
TABEL KORELASI ( r )
Derajat
Bebas
5
persen
1
persen
Derajat
Bebas
5
persen
1
persen
1
2
3
4
5
0.997
0.950
0.878
0.811
0.754
1.000
0.990
0.959
0.917
0.874
24
25
26
27
28
0.388
0.381
0.374
0.367
0.361
0.496
0.487
0.478
0.470
0.463
6
7
8
9
10
0.707
0.666
0.632
0.602
0.576
0.834
0.798
0.765
0.735
0.708
29
30
35
40
45
0.355
0.349
0.325
0.304
0.288
0.456
0.449
0.418
0.393
0.372
11
12
13
14
15
0.553
0.532
0.514
0.497
0.482
0.684
0.661
0.641
0.623
0.606
50
60
70
80
90
0.273
0.250
0.232
0.217
0.205
0.354
0.325
0.302
0.283
0.267
16
17
18
19
20
0.468
0.456
0.444
0.433
0.423
0.590
0.575
0.561
0.549
0.537
100
125
150
200
300
0.195
0.174
0.159
0.138
0.113
0.254
0.228
0.208
0.181
0.148
21
22
23
0.413
0.404
0.396
0.526
0.515
0.505
400
500
1000
0.098
0.088
0.062
0.128
0.115
0.081
Tabel Q ( Untuk Uji Beda Nyata Jujur / HSD )

= 0.05
DB
Galat
1
2
3
4
5
17.970
6.085
4.501
3.927
3.635
26.980
8.331
5.910
5.040
4.602
32.820
9.798
6.825
5.757
5.218
37.080
10.880
7.502
6.287
5.673
40.410
11.740
8.037
6.707
6.033
6
7
8
9
10
3.461
3.344
3.261
3.199
3.151
4.339
4.165
4.041
3.949
3.877
4.896
4.681
4.529
4.415
4.327
5.305
5.060
4.886
4.756
4.654
11
12
13
14
15
3.113
3.082
3.055
3.033
3.014
3.820
3.773
3.735
3.702
3.674
4.256
4.199
4.151
4.111
4.760
16
17
18
19
20
2.998
2.984
2.971
2.960
2.950
3.649
3.628
3.609
3.593
3.578
24
30
40
60
120
oo
2.919
2.888
2.858
2.829
2.800
2.772
3.532
3.486
3.442
3.399
3.356
3.314
k = Jumlah Perlakuan
5
6
7
10
43.120
12.440
8.478
7.053
6.330
45.400
13.030
8.853
7.347
6.582
47.360
13.540
9.177
7.602
6.802
49.070
13.090
9.462
7.826
6.995
5.628
5.359
5.167
5.024
4.912
5.895
5.606
5.399
5.244
5.124
6.122
5.815
5.597
5.432
5.305
6.319
5.998
5.767
5.595
5.461
6.493
6.158
5.918
5.739
5.599
4.574
4.508
4.453
4.407
4.367
4.823
4.751
4.690
4.639
4.595
5.028
4.950
4.885
4.829
4.782
5.202
5.119
5.049
4.990
4.940
5.353
5.265
5.192
5.131
5.077
5.487
5.395
5.318
5.254
5.158
4.046
4.020
3.997
3.997
3.958
4.333
4.303
4.277
4.253
4.232
4.557
4.524
4.495
4.469
4.445
4.741
4.705
4.675
4.645
4.620
4.897
4.858
4.824
4.794
4.768
5.031
4.991
4.956
4.924
4.896
5.150
5.108
5.071
5.038
5.008
3.901
3.845
3.791
3.737
3.685
3.633
4.166
4.102
4.039
3.977
3.917
3.858
4.373
4.302
4.232
4.163
4.096
4.030
4.541
4.464
4.389
4.314
4.241
4.170
4.684
4.602
4.521
4.441
4.363
4.286
4.807
4.720
4.635
4.550
4.468
4.387
4.915
4.824
4.735
4.646
4.560
4.474
= 0.01
DB
Galat
1
2
3
4
5
90.030
14.040
8.261
6.512
5.702
135.000
19.020
10.620
8.120
6.976
164.300
22.290
12.170
9.173
7.804
185.600
24.720
13.330
9.958
8.421
202.200
26.630
14.240
10.580
8.913
6
7
8
9
10
5.234
4.949
4.746
4.596
4.482
6.331
5.919
5.635
5.428
5.270
7.033
6.543
6.204
5.957
5.769
7.556
7.005
6.625
6.348
6.136
11
12
13
14
15
4.392
4.320
4.260
4.210
4.168
5.146
5.046
4.964
4.895
4.836
5.621
5.502
5.404
5.322
5.252
16
17
18
19
20
4.131
4.099
4.071
4.046
4.024
4.786
4.742
4.703
4.676
4.639
24
30
40
60
120
oo
3.956
3.889
3.825
3.762
3.702
3.643
4.546
4.455
4.367
4.282
4.200
4.120
5
6
7
10
215.800
28.200
15.000
11.100
9.321
227.200
29.530
15.640
11.550
9.669
237.000
30.680
16.200
11.930
9.972
245.600
31.690
16.690
12.270
10.240
7.973
7.373
6.960
6.658
6.428
8.318
7.679
7.237
6.915
6.669
8.613
7.939
7.474
7.134
6.875
8.869
8.166
7.681
7.325
7.055
9.097
8.368
7.863
7.495
7.213
5.970
5.836
5.727
5.634
5.556
6.247
6.101
5.981
5.881
5.796
6.476
6.321
6.192
6.085
5.994
6.672
6.507
6.372
6.258
6.162
6.842
6.670
6.528
6.409
6.309
6.992
6.814
6.667
6.543
6.439
5.192
5.140
5.094
5.054
5.018
5.489
5.430
5.379
5.334
5.294
5.722
5.659
5.603
5.554
5.510
5.915
5.847
5.788
5.735
5.688
6.079
6.007
5.944
5.889
5.839
6.222
6.147
6.081
6.002
5.970
6.350
6.270
6.200
6.141
6.087
4.907
4.799
4.696
4.595
4.497
4.403
5.168
5.048
4.931
4.818
4.709
4.603
5.374
5.242
5.114
4.991
4.872
4.757
5.542
5.401
5.265
5.133
5.005
4.882
5.685
5.536
5.392
5.253
5.118
4.987
5.809
5.653
5.502
5.356
5.214
5.078
5.919
5.756
5.599
5.477
5.299
5.157
= 0.05
DB
Galat
11
12
13
1
2
3
4
5
50.590
14.390
9.717
8.027
7.168
51.960
14.750
9.946
8.208
7.324
53.200
15.080
10.150
8.373
7.466
54.330
15.380
10.350
8.525
7.596
55.360
15.650
10.530
8.664
7.717
6
7
8
9
10
6.649
6.302
6.054
5.867
5.722
6.789
6.431
6.175
5.983
5.833
6.917
6.550
6.287
6.089
5.935
7.034
6.658
6.389
6.186
6.028
11
12
13
14
15
5.605
5.511
5.431
5.364
5.306
5.713
5.615
5.533
5.463
5.404
5.811
5.710
5.625
5.554
5.493
16
17
18
19
20
5.256
5.212
5.174
5.140
5.108
5.352
5.307
5.267
5.231
5.199
24
30
40
60
120
oo
5.012
4.917
4.824
4.732
4.641
4.552
5.099
5.001
4.904
4.808
4.714
4.622
14
15
16
17
18
19
56.320
15.910
10.690
8.794
7.828
57.220
16.140
10.840
8.914
7.932
58.040
16.370
10.980
9.028
8.030
58.830
16.570
11.110
9.134
8.122
7.143
6.759
6.483
6.276
6.114
7.244
6.852
6.571
6.359
6.194
7.338
6.939
6.653
6.437
6.269
7.426
7.020
6.729
6.510
6.339
7.508
7.097
6.802
6.579
6.405
5.901
5.798
5.711
5.637
5.574
5.984
5.878
5.789
5.714
5.649
6.067
5.953
5.862
5.786
5.720
6.134
6.023
5.931
5.852
5.785
6.202
6.089
5.995
5.915
5.846
6.265
6.151
6.055
5.974
5.904
5.439
5.392
5.352
5.315
5.282
5.520
5.471
5.429
5.391
5.357
5.593
5.544
5.501
5.462
5.427
5.662
5.612
5.568
5.528
5.493
5.727
5.675
5.630
5.589
5.553
5.786
5.734
5.688
5.647
5.610
5.843
5.790
5.743
5.701
5.663
5.179
5.077
4.977
4.878
4.781
4.685
5.251
5.147
5.044
4.942
4.842
4.743
5.319
5.221
5.106
5.001
4.898
4.796
5.381
5.271
5.163
5.056
4.950
4.845
5.439
5.327
5.216
5.107
4.998
4.891
5.494
5.379
5.266
5.154
5.044
4.934
5.545
5.429
5.313
5.199
5.086
4.974
= 0.01
DB
Galat
11
12
13
1
2
3
4
5
253.200
32.590
17.130
12.570
10.480
260.000
33.400
17.530
12.840
10.700
266.200
34.130
17.890
13.090
10.890
271.800
34.810
18.220
13.320
11.080
277.000
35.430
18.520
13.530
11.240
6
7
8
9
10
9.301
8.548
8.027
7.647
7.356
9.485
8.711
8.176
7.784
7.485
9.653
8.860
8.312
7.910
7.603
9.808
8.997
8.436
8.025
7.712
11
12
13
14
15
7.128
6.943
6.791
6.664
6.555
7.250
7.060
6.903
6.772
6.660
7.362
7.167
7.006
6.871
6.757
16
17
18
19
20
6.462
6.381
6.310
6.247
6.191
6.564
6.480
6.407
6.342
6.285
24
30
40
60
120
oo
6.017
5.849
5.686
5.523
5.375
5.227
6.106
5.932
5.764
5.601
5.443
5.290
14
15
16
17
18
19
281.800
36.000
18.810
13.730
11.400
286.300
36.530
19.070
13.910
11.550
290.400
37.030
19.320
14.080
11.680
294.300
37.500
19.550
14.240
11.810
9.951
9.124
8.552
8.132
7.812
10.080
9.242
8.659
8.232
7.906
10.210
9.353
8.760
8.325
7.993
10.320
9.456
8.854
8.412
8.076
10.430
9.554
8.943
8.496
8.153
7.465
7.265
7.101
6.962
6.845
7.560
7.356
7.188
7.047
6.927
7.649
7.441
7.209
7.126
7.003
7.732
7.520
7.345
7.199
7.074
7.809
7.594
7.417
7.268
7.142
7.883
7.665
7.415
7.333
7.204
6.658
6.372
6.497
6.430
6.371
6.744
6.656
6.579
6.510
6.450
6.823
6.734
6.655
6.585
6.523
6.898
6.806
6.725
6.654
6.591
6.967
6.873
6.792
6.719
6.654
7.032
6.937
6.854
6.780
6.714
7.093
6.997
6.912
6.837
6.771
6.186
6.008
5.835
5.667
5.505
5.348
6.261
6.078
5.900
5.728
5.562
5.400
6.330
6.143
5.961
5.785
5.614
5.448
6.394
6.203
6.017
5.837
5.662
5.493
6.453
6.259
6.069
5.886
5.708
5.535
6.510
6.311
6.119
5.931
5.750
5.574
6.563
6.361
6.165
5.974
5.790
5.611
= 0.05
DB
Galat
20
22
24
1
2
3
4
5
59.560
16.770
11.240
9.233
8.208
60.910
17.130
11.470
9.418
8.368
62.120
17.450
11.680
9.584
8.512
63.220
17.750
11.870
9.736
8.643
64.230
18.020
12.050
9.875
8.764
6
7
8
9
10
7.587
7.170
6.870
6.664
6.467
7.730
7.303
6.995
6.763
6.582
7.861
7.423
7.109
6.871
6.686
7.979
7.533
7.212
6.970
6.781
11
12
13
14
15
6.326
6.209
6.112
6.029
5.958
6.436
6.317
6.217
6.132
6.059
6.536
6.414
6.312
6.224
6.149
16
17
18
19
20
5.897
5.842
5.794
5.752
5.714
5.995
5.940
5.890
5.846
5.807
24
30
40
60
120
oo
5.594
5.475
5.358
5.241
5.126
5.012
5.683
5.561
5.439
5.319
5.200
5.081
26
28
30
32
34
36
65.150
18.270
12.210
10.000
8.875
66.010
18.500
12.360
10.120
8.979
66.810
18.720
12.500
10.230
9.075
67.560
18.920
12.630
10.340
9.165
8.008
7.634
7.307
7.061
6.868
8.189
7.728
7.395
7.145
6.948
8.283
7.814
7.477
7.222
7.023
8.370
7.895
7.554
7.295
7.093
8.452
7.972
7.625
7.363
7.159
6.628
6.503
6.398
6.309
6.233
6.712
6.585
6.478
6.387
6.309
6.790
6.660
6.551
6.459
6.379
6.863
6.731
6.620
6.526
6.445
6.930
6.796
6.684
6.588
6.506
6.994
6.858
6.744
6.647
6.564
6.084
6.027
5.977
5.932
5.891
6.166
6.107
6.055
6.009
5.968
6.241
6.181
6.128
6.081
6.039
6.310
6.249
6.195
6.147
6.104
6.374
6.313
6.258
6.209
6.165
6.434
6.372
6.316
6.267
6.222
6.491
6.427
6.371
6.321
6.275
5.764
5.638
5.513
5.389
5.266
5.144
5.838
5.709
5.581
5.453
5.327
5.201
5.906
5.774
5.642
5.512
5.382
5.253
5.968
5.833
5.700
5.566
5.434
5.301
6.027
5.889
5.753
5.617
5.481
5.346
6.081
5.941
5.803
5.664
5.526
5.388
6.132
5.990
5.849
5.708
5.568
5.427
= 0.01
DB
Galat
20
22
24
1
2
3
4
5
298.000
37.950
19.770
14.400
11.930
304.700
38.760
20.170
14.680
12.160
310.800
39.490
20.530
14.930
12.360
316.300
40.150
20.860
15.160
12.540
321.300
40.760
21.160
15.370
12.710
6
7
8
9
10
10.540
9.646
9.027
8.573
8.226
10.730
9.815
9.182
8.717
8.361
10.910
9.970
9.322
8.847
8.483
11.060
9.450
9.450
8.966
8.595
11
12
13
14
15
7.952
7.731
7.548
7.395
7.264
8.080
7.853
7.665
7.508
7.374
8.196
7.964
7.772
7.611
7.474
16
17
18
19
20
7.152
7.053
6.968
6.891
6.823
7.258
7.158
7.070
6.992
6.922
24
30
40
60
120
oo
6.612
6.407
6.209
6.015
5.827
5.645
6.705
6.494
6.289
6.090
5.897
5.709
26
28
30
32
34
36
326.000
41.320
21.440
15.570
12.870
330.300
41.840
21.700
15.750
13.020
334.300
42.330
21.950
15.920
13.150
338.000
42.780
22.170
16.080
13.280
11.210
9.569
9.569
9.075
8.698
11.340
9.678
9.678
9.177
8.794
11.470
9.779
9.779
9.271
8.883
11.580
9.874
9.874
9.360
8.966
11.690
9.964
9.964
9.443
9.044
8.303
8.066
7.870
7.705
7.566
8.400
8.159
7.960
7.792
7.650
8.491
8.246
8.043
7.873
7.728
8.575
8.327
8.121
7.948
7.800
8.654
8.402
8.193
8.018
7.869
8.728
8.473
8.262
8.084
7.932
7.356
7.253
7.163
7.082
7.011
7.445
7.340
7.247
7.166
7.092
7.527
7.420
7.325
7.242
7.168
7.602
7.493
7.398
7.313
7.237
7.673
7.563
7.465
7.379
7.302
7.739
7.627
7.528
7.440
7.362
7.802
7.687
7.587
7.498
7.419
6.789
6.572
6.362
6.158
5.959
5.766
6.865
6.644
6.429
6.220
6.016
5.818
6.936
6.710
6.490
6.227
6.069
5.866
7.001
6.772
6.547
6.330
6.117
5.911
7.062
6.828
6.600
6.378
6.162
5.952
7.119
6.881
6.650
6.424
6.204
5.990
7.173
6.932
6.697
6.467
6.244
6.026
= 0.05
DB
Galat
38
40
50
1
2
3
4
5
68.260
19.110
12.750
10.440
9.250
68.920
19.280
12.870
10.530
9.330
71.730
20.050
13.360
10.930
9.674
73.970
20.660
13.760
11.240
9.949
6
7
8
9
10
8.529
8.043
7.693
7.428
7.220
8.601
8.110
7.756
7.488
7.279
8.913
8.400
8.029
7.749
7.529
11
12
13
14
15
7.053
6.916
6.800
6.702
6.618
7.110
6.970
6.854
6.754
6.669
16
17
18
19
20
6.544
6.479
6.422
6.371
6.325
24
30
40
60
120
oo
6.181
6.037
5.893
5.750
5.607
5.463
60
70
80
90
100
75.820
21.160
14.080
11.510
10.180
77.400
21.590
14.360
11.730
10.380
78.770
21.960
14.610
11.920
10.540
79.980
22.290
14.820
12.090
10.690
9.163
8.632
8.248
7.958
7.730
9.370
8.824
8.430
8.132
7.897
9.548
8.989
8.586
8.281
8.041
9.702
9.133
8.722
8.410
8.166
9.839
9.261
8.643
8.526
8.276
7.352
7.205
7.083
6.979
6.888
7.546
7.394
7.267
7.159
7.065
7.708
7.552
7.421
7.309
7.212
7.847
7.687
7.552
7.438
7.339
7.968
7.804
7.667
7.550
7.449
8.075
7.909
7.769
7.650
7.546
6.594
6.529
6.471
6.419
6.373
6.810
6.741
6.680
6.626
6.576
6.984
6.912
6.848
6.792
6.740
7.128
7.054
6.989
6.930
6.877
7.252
7.176
7.109
7.048
6.994
7.360
7.183
7.213
7.152
7.097
7.457
7.377
7.307
7.244
7.187
6.226
6.080
5.934
5.789
5.644
5.498
6.421
6.267
6.112
5.958
5.802
5.646
6.579
6.417
6.255
6.093
5.929
5.764
6.710
6.543
6.375
6.206
6.035
5.863
6.822
6.650
6.477
6.303
6.126
5.947
6.920
6.744
6.566
6.387
6.205
6.020
7.008
6.827
6.645
6.462
6.275
6.085
= 0.01
DB
Galat
38
40
50
1
2
3
4
5
341.500
43.210
22.390
16.230
13.400
344.800
43.610
22.590
16.370
13.520
358.900
45.330
23.450
16.980
14.000
370.100
46.700
24.130
17.460
14.390
6
7
8
9
10
11.800
10.770
10.050
9.521
9.117
11.900
10.850
10.130
9.594
9.187
12.310
11.230
10.470
9.912
9.486
11
12
13
14
15
8.798
8.539
8.326
8.146
7.992
8.864
8.603
8.387
8.204
8.049
16
17
18
19
20
7.860
7.745
7.643
7.553
7.473
24
30
40
60
120
oo
7.223
6.978
6.740
6.507
6.281
6.060
60
70
80
90
100
379.400
48.830
24.710
17.860
14.720
387.300
48.800
25.190
18.200
14.990
394.100
49.640
25.620
18.500
15.230
400.100
50.380
25.990
18.770
15.450
12.650
11.520
10.750
10.170
9.726
12.920
11.770
10.970
10.380
9.927
13.160
11.990
11.170
10.570
10.100
13.370
12.170
11.340
10.730
10.250
13.550
12.340
11.490
10.870
10.390
9.148
8.875
8.648
8.457
8.295
9.377
9.094
8.859
8.661
8.492
9.568
9.277
8.035
8.832
8.658
9.732
9.434
9.187
8.178
8.800
9.875
9.571
9.318
9.106
8.924
10.000
9.693
9.436
9.219
9.035
7.916
7.799
7.696
7.605
7.523
8.154
8.031
7.924
7.828
7.742
8.347
8.219
8.107
8.008
7.919
8.507
8.377
8.261
8.159
8.067
8.646
8.511
8.393
8.288
8.194
8.767
8.630
8.508
8.401
8.305
8.874
8.735
8.611
8.502
8.404
7.270
7.023
6.782
6.546
6.316
6.092
7.476
7.215
6.960
6.710
6.467
6.228
7.642
7.370
7.104
6.843
6.588
6.338
7.780
7.500
7.225
6.954
6.689
6.429
7.900
7.611
7.328
7.050
6.776
6.507
8.004
7.709
7.419
7.133
6.852
6.575
8.097
7.796
7.500
7.207
6.919
6.636
TABEL DMRT
DB
Galat
Probabilitas
p = banyaknya nilai tengah dalam wilayah yang diuji

6
7
8
9
10
12
0.05
0.01
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
0.05
0.01
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
0.05
0.01
4.50
8.26
4.50
8.50
4.50
8.60
4.50
8.70
4.50
8.80
4.50
8.90
4.50
8.90
0.05
0.01
3.93
6.51
4.01
6.80
4.02
6.90
4.02
7.00
4.02
7.10
4.02
7.10
0.05
0.01
3.64
5.70
3.74
5.96
3.79
6.11
3.83
6.18
3.83
6.26
0.05
0.01
3.46
5.24
3.58
5.51
3.64
5.65
3.68
5.73
0.05
0.01
3.35
4.95
3.47
5.22
3.54
5.37
0.05
0.01
3.26
4.74
3.39
5.00
0.05
0.01
3.20
4.60
10
0.05
0.01
3.15
4.48
14
16
18
20
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
18.00
90.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
6.09
14.00
4.50
9.00
4.50
9.00
4.50
9.00
4.50
9.10
4.50
9.20
4.50
9.30
4.50
9.30
4.02
7.20
4.02
7.20
4.02
7.30
4.02
7.30
4.02
7.40
4.02
7.40
4.02
7.50
4.02
7.50
3.83
6.33
3.83
6.40
3.83
6.44
3.83
6.50
3.83
6.60
3.83
6.60
3.83
6.70
3.83
6.70
3.83
6.80
3.68
5.81
3.68
5.88
3.68
5.95
3.68
6.00
3.68
6.00
3.68
6.10
3.68
6.20
3.68
6.20
3.68
6.30
3.68
6.30
3.58
5.45
3.60
5.53
3.61
5.61
3.61
5.69
3.61
5.73
3.61
5.80
3.61
5.80
3.61
5.90
3.61
5.90
3.61
6.00
3.61
6.00
3.47
5.14
3.52
5.23
3.55
5.32
3.56
5.40
3.56
5.47
3.56
5.51
3.56
5.50
3.56
5.60
3.56
5.70
3.56
5.70
3.56
5.80
3.56
5.80
3.34
4.86
3.41
4.99
3.47
5.08
3.50
5.17
3.52
5.25
3.52
5.32
3.52
5.36
3.52
5.40
3.52
5.50
3.52
5.50
3.52
5.60
3.52
5.70
3.52
5.70
3.30
4.73
3.37
4.88
3.43
4.96
3.46
5.09
3.47
5.13
3.47
5.20
3.47
5.24
3.47
5.28
3.47
5.36
3.47
5.42
3.47
5.48
3.47
5.54
3.48
5.55
DB
Galat
Probabilitas
11
0.05
0.01
3.11
4.39
3.27
4.63
3.35
4.77
3.39
4.86
3.43
4.94
3.44
5.01
3.45
5.06
3.46
5.12
3.46
5.15
12
0.05
0.01
3.08
4.32
3.23
4.55
3.33
4.68
3.36
4.76
3.40
4.84
3.42
4.92
3.44
4.96
3.44
5.02
13
0.05
0.01
3.06
4.26
3.21
4.48
3.30
4.62
3.35
4.69
3.38
4.74
3.41
4.84
3.42
4.88
14
0.05
0.01
3.03
4.21
3.18
4.42
3.27
4.55
3.33
4.63
3.37
4.70
3.39
4.78
15
0.05
0.01
3.01
4.17
3.16
4.37
3.25
4.50
3.31
4.58
3.36
4.64
16
0.05
0.01
3.00
4.13
3.15
4.34
3.23
4.45
3.30
4.54
17
0.05
0.01
2.98
4.10
3.13
4.30
3.22
4.41
18
0.05
0.01
2.97
4.07
3.12
4.27
19
0.05
0.01
2.96
4.05
20
0.05
0.01
22
0.05
0.01

6
7
8
9
10
12
14
16
18
20
3.46
5.24
3.46
5.28
3.46
5.34
3.47
5.38
3.48
5.39
3.46
5.07
3.46
5.13
3.46
5.17
3.46
5.22
3.47
5.24
3.48
5.26
3.44
4.94
3.45
4.98
3.45
5.04
3.46
5.08
3.46
5.13
3.47
5.14
3.47
5.15
3.41
4.83
3.42
4.87
3.44
4.91
3.45
4.96
3.46
5.00
3.46
5.04
3.47
5.06
3.47
5.07
3.38
4.72
3.40
4.77
3.42
4.81
3.43
4.84
3.44
4.90
3.45
4.94
3.46
4.97
3.47
4.99
3.47
5.00
3.34
4.60
3.37
4.67
3.39
4.72
3.41
4.76
3.43
4.79
3.44
4.85
3.45
4.88
3.46
4.91
3.47
4.93
3.47
4.94
3.28
4.50
3.33
4.56
3.36
4.63
3.38
4.68
3.40
4.72
3.42
4.75
3.44
4.80
3.45
4.83
3.46
4.86
3.47
4.88
3.47
4.89
3.21
4.38
3.27
4.46
3.32
4.53
3.35
4.59
3.37
4.64
3.39
4.68
3.41
4.71
3.43
4.76
3.45
4.79
3.46
4.82
3.47
4.84
3.47
4.85
3.11
4.24
3.19
4.35
3.26
4.43
3.31
4.50
3.35
4.56
3.37
4.61
3.39
4.64
3.41
4.67
3.43
4.72
3.44
4.76
3.46
4.79
3.47
4.81
3.47
4.82
2.95
4.02
3.10
4.22
3.18
4.33
3.25
4.40
3.30
4.47
3.34
4.53
3.36
4.58
3.38
4.61
3.40
4.65
3.43
4.69
3.44
4.73
3.46
4.76
3.46
4.78
3.47
4.79
2.93
3.99
3.08
4.17
3.17
4.28
3.24
4.36
3.29
4.42
3.32
4.48
3.35
4.53
3.37
4.57
3.39
4.60
3.42
4.65
3.44
4.68
3.45
4.71
3.46
4.74
3.47
4.75
DB
Galat
Probabilitas
24
0.05
0.01
2.92
3.96
3.09
4.14
3.15
4.24
3.22
4.33
3.28
4.39
3.31
4.44
3.34
4.49
3.37
4.53
3.38
4.57
26
0.05
0.01
2.91
3.93
3.06
4.11
3.14
4.21
3.21
4.30
3.27
4.36
3.30
4.41
3.34
4.46
3.36
4.50
28
0.05
0.01
2.90
3.91
3.04
4.08
3.13
4.18
3.20
4.28
3.26
4.34
3.30
4.39
3.33
4.43
30
0.05
0.01
2.89
3.89
3.04
4.06
3.12
4.16
3.20
4.22
3.25
4.32
3.29
4.36
40
0.05
0.01
2.86
3.82
3.01
3.99
3.10
4.10
3.17
4.17
3.22
4.24
60
0.05
0.01
2.83
3.76
2.98
3.92
3.08
4.03
3.14
4.12
100
0.05
0.01
2.80
3.71
2.95
3.86
3.05
3.98
oo
0.05
0.01
2.77
3.64
2.92
3.80
3.02
3.90

6
7
8
9
10
12
14
16
18
20
3.41
4.62
3.44
4.64
3.45
4.67
3.46
4.70
3.47
4.72
3.38
4.53
3.41
4.58
3.43
4.62
3.43
4.65
3.46
4.67
3.47
4.69
3.35
4.47
3.37
4.51
3.40
4.56
3.43
4.60
3.45
4.62
3.46
4.65
3.47
4.67
3.32
4.41
3.35
4.45
3.37
4.48
3.40
4.54
3.43
4.58
3.44
4.61
3.46
4.63
3.47
4.65
3.27
4.30
3.30
4.34
3.33
4.37
3.35
4.41
3.39
4.46
3.42
4.51
3.44
4.54
3.46
4.57
3.47
4.59
3.20
4.17
3.24
4.23
3.28
4.27
3.31
4.31
3.33
4.34
3.37
4.39
3.40
4.44
3.43
4.47
3.45
4.50
3.47
4.53
3.12
4.06
3.18
4.11
3.22
4.17
3.26
4.21
3.29
4.25
3.32
4.29
3.36
4.35
3.40
4.38
3.42
4.42
3.45
4.45
3.47
4.48
3.09
3.98
3.15
4.04
3.19
4.09
3.23
4.14
3.26
4.17
3.29
4.20
3.34
4.26
3.38
4.31
3.41
4.34
3.44
4.38
3.47
4.41
Tabel Dunnet dua arah

DB
Galat
Prob
p = jumlah perlakuan selain kontrol

4
5
6
0.05
0.01
2.57
4.03
3.03
4.63
3.39
5.09
3.66
5.44
3.88
5.73
4.06
5.97
4.22
6.18
4.36
6.36
4.49
6.53
0.05
0.01
2.45
3.71
2.86
4.22
3.18
4.60
3.41
4.88
3.60
5.11
3.75
5.30
3.88
5.47
4.00
5.61
4.11
5.74
0.05
0.01
2.36
3.50
2.75
3.95
3.04
4.28
3.24
4.52
3.41
4.71
3.54
4.87
3.66
5.01
3.76
5.13
3.86
5.24
0.05
0.01
2.31
3.36
2.67
3.77
2.94
4.06
3.13
4.27
3.28
4.44
3.40
4.58
3.51
4.70
3.60
4.81
3.68
4.90
0.05
0.01
2.26
3.25
2.61
3.63
2.86
3.90
3.04
4.09
3.18
4.24
3.29
4.37
3.39
4.48
3.48
4.57
3.55
4.65
10
0.05
0.01
2.23
3.17
2.57
3.53
2.81
3.78
2.97
3.95
3.11
4.10
3.21
4.21
3.31
4.31
3.39
4.40
3.46
4.47
11
0.05
0.01
2.20
3.11
2.53
3.45
2.76
3.68
2.92
3.85
3.05
3.98
3.15
4.09
3.24
4.18
3.31
4.26
3.38
4.33
12
0.05
0.01
2.18
3.05
2.50
3.39
2.72
3.61
2.88
3.76
3.00
3.89
3.10
3.99
3.18
4.08
3.25
4.15
3.32
4.22
13
0.05
0.01
2.16
3.01
2.48
3.33
2.69
3.54
2.84
3.69
2.96
3.81
3.06
3.91
3.14
3.99
3.21
4.06
3.27
4.13
14
0.05
0.01
2.14
2.98
2.46
3.29
2.67
3.49
2.81
3.64
2.93
3.75
3.02
3.84
3.10
3.92
3.17
3.99
3.23
4.05
15
0.05
0.01
2.13
2.95
2.44
3.25
2.64
3.45
2.79
3.59
2.90
3.70
2.99
3.79
3.07
3.86
3.13
3.93
3.19
3.99
16
0.05
0.01
2.12
2.92
2.42
3.22
2.63
3.41
2.77
3.55
2.88
3.65
2.96
3.74
3.04
3.82
3.10
3.88
3.16
3.93
17
0.05
0.01
2.11
2.90
2.41
3.19
2.61
3.38
2.75
3.51
2.85
3.62
2.94
3.70
3.01
3.77
3.08
3.83
3.13
3.89
18
0.05
0.01
2.10
2.88
2.40
3.17
2.59
3.35
2.73
3.48
2.84
3.58
2.92
3.67
2.99
3.74
3.05
3.80
3.11
3.85
19
0.05
0.01
2.09
2.86
2.39
3.15
2.58
3.33
2.72
3.46
2.82
3.55
2.90
3.64
2.97
3.70
3.04
3.76
3.09
3.81
DB
Galat
Prob
20

4
5
6
0.05
0.01
2.09
2.85
2.38
3.13
2.57
3.31
2.70
3.43
2.81
3.53
2.89
3.61
2.96
3.67
3.02
3.73
3.07
3.78
24
0.05
0.01
2.06
2.80
2.35
3.07
2.53
3.24
2.66
3.36
2.76
3.45
2.84
3.52
2.91
3.58
2.96
3.64
3.01
3.69
30
0.05
0.01
2.04
2.75
2.32
3.01
2.50
3.17
2.62
3.28
2.72
3.37
2.79
3.44
2.86
3.50
2.91
3.55
2.96
3.59
40
0.05
0.01
2.02
2.70
2.29
2.95
2.47
3.10
2.58
3.21
2.67
3.29
2.75
3.36
2.81
3.41
2.86
3.46
2.90
3.50
60
0.05
0.01
2.00
2.66
2.27
2.90
2.43
3.04
2.55
3.14
2.63
3.22
2.70
3.28
2.76
3.33
2.81
3.38
2.85
3.42
120
0.05
0.01
1.98
2.62
2.24
2.84
2.40
2.98
2.51
3.08
2.59
3.15
2.66
3.21
2.71
3.25
2.76
3.30
2.80
3.33
oo
0.05
0.01
1.96
2.58
2.21
2.79
2.37
2.92
2.47
3.01
2.55
3.08
2.62
3.14
2.67
3.18
2.71
3.22
2.75
3.25
Tabel Dunnet satu arah

DB
Galat
Prob

4
5
6
0.05
0.01
2.02
3.37
2.44
3.90
2.68
4.21
2.85
4.43
2.98
4.60
3.08
4.73
3.16
4.85
3.24
4.94
3.30
5.03
0.05
0.01
1.40
3.14
2.34
3.61
2.56
3.88
2.71
4.07
2.83
4.21
2.92
4.33
3.00
4.43
3.07
4.51
3.12
4.59
0.05
0.01
1.89
3.00
2.27
3.42
2.48
3.66
2.62
3.83
2.73
3.96
2.82
4.07
2.89
4.15
2.95
4.23
3.01
4.30
0.05
0.01
1.86
2.90
2.22
3.29
2.42
3.51
2.55
3.67
2.66
3.79
2.74
3.88
2.81
3.96
2.87
4.03
2.92
4.09
0.05
0.01
1.83
2.82
2.18
3.19
2.37
3.40
2.50
3.55
2.60
3.66
2.68
3.75
2.75
3.82
2.81
3.89
2.86
3.94
10
0.05
0.01
1.81
2.76
2.15
3.11
2.34
3.31
2.47
3.45
2.56
3.56
2.64
3.64
2.70
3.71
2.76
3.78
2.81
3.83
11
0.05
0.01
1.80
2.72
2.13
3.06
2.31
3.25
2.44
3.38
2.53
3.48
2.60
3.56
2.67
3.63
2.72
3.69
2.77
3.74
12
0.05
0.01
1.78
2.68
2.11
3.01
2.29
3.19
2.41
3.32
2.50
3.42
2.58
3.50
2.64
3.56
2.69
3.62
2.74
3.67
13
0.05
0.01
1.77
2.65
2.09
2.97
2.27
3.15
2.39
3.27
2.48
3.37
2.55
3.44
2.61
3.51
2.66
3.56
2.71
3.61
14
0.05
0.01
1.76
2.62
2.08
2.94
2.25
3.11
2.37
3.23
2.46
3.32
2.53
3.40
2.59
3.46
2.64
3.51
2.69
3.56
15
0.05
0.01
1.75
2.60
2.07
2.91
2.24
3.08
2.36
3.20
2.44
3.29
2.51
3.36
2.57
3.42
2.62
3.47
2.67
3.52
16
0.05
0.01
1.75
2.58
2.06
2.88
2.23
3.05
2.34
3.17
2.43
3.26
2.50
3.33
2.56
3.39
2.61
3.44
2.65
3.48
17
0.05
0.01
1.74
2.57
2.05
2.86
2.22
3.03
2.33
3.14
2.42
3.23
2.49
3.30
2.54
3.36
2.59
3.41
2.64
3.45
18
0.05
0.01
1.73
2.55
2.04
2.84
2.21
3.01
2.32
3.12
2.41
3.21
2.48
3.27
2.53
3.33
2.58
3.38
2.62
3.42
19
0.05
0.01
1.73
2.54
2.03
2.83
2.20
2.99
2.31
3.10
2.40
3.18
2.47
3.25
2.52
3.31
2.57
3.36
2.61
3.40
DB
Galat
Prob
20

4
5
6
0.05
0.01
1.72
2.53
2.03
2.81
2.19
2.97
2.30
3.08
2.39
3.17
2.46
3.23
2.51
3.29
2.56
3.34
2.60
3.38
24
0.05
0.01
1.71
2.49
2.01
2.77
2.17
2.92
2.28
3.03
2.36
3.11
2.43
3.17
2.48
3.22
2.53
3.27
2.57
3.31
30
0.05
0.01
1.70
2.46
1.99
2.72
2.15
2.87
2.25
2.97
2.33
3.05
2.40
3.11
2.45
3.16
2.50
3.21
2.54
3.24
40
0.05
0.01
1.68
2.42
1.97
2.68
2.13
2.82
2.23
2.92
2.31
2.99
2.37
3.05
2.42
3.10
2.47
3.14
2.51
3.18
60
0.05
0.01
1.67
2.39
1.95
2.64
2.10
2.78
2.21
2.87
2.28
2.94
2.35
3.00
2.39
3.04
2.44
3.08
2.48
3.12
120
0.05
0.01
1.66
2.36
1.93
2.60
2.08
2.73
2.18
2.82
2.26
2.89
2.32
2.94
2.37
2.99
2.41
3.03
2.45
3.06
oo
0.05
0.01
1.64
2.33
1.92
2.56
2.06
2.68
2.16
2.77
2.23
2.84
2.29
2.89
2.34
2.94
2.38
2.97
2.42
3.00
Tabel .
Koefisien dan pembagi untuk pembanding Orthogonal

dalam Regresi dengan perlakuan berjarak sama
Jumlah Derajat
Perl
Polinom
T1
T2
Total Perlakuan
T3
T4
T5
Linier
-1
Linier
Kuadrater
-1
1
0
-2
1
1
Linier
Kuadrater
Kubik
-3
1
-1
-1
-1
3
1
-1
-3
3
1
1
Linier
Kuadrater
Kubik
Kuartik
-2
2
-1
1
-1
-1
2
-4
0
-2
0
6
1
-1
-2
-4
2
2
1
1
Linier
Kuadrater
Kubik
Kuartik
Kuintik
-5
5
-5
1
-1
-3
-1
7
-3
5
-1
-4
4
2
-10
1
-4
-4
2
10
3
-1
-7
-3
-5
T6
5
5
5
1
1
Pembagi Lamda
Ci2
2
2
6
1
3
20
4
20
2
1
10/3
10
14
10
70
1
1
5/6
35/12
70
84
180
28
252
2
3/2
5/3
7/12
21/10
Lin
Kdr
Kbk
Krt
Knt
Lin
Kdr
Kbk
Krt
Knt
-3
-2
-1
0
1
2
3
5
0
-3
-4
-3
0
5
-1
1
1
0
-1
-1
1
3
-7
1
6
1
-7
3
-1
4
-5
0
5
-4
1
-7
-5
-3
-1
1
3
5
7
7
1
-3
-5
-5
-3
1
7
-7
5
7
3
-3
-7
-5
7
7
-13
-3
9
9
-3
-13
7
-7
23
-17
-15
15
17
-23
7
28
84
154
84
168
168
264
616
2184
1/6
7/12
7/20
2/3
7/12
7/10
TABEL TRANSFORMASI ARCUS SINUS %
0.000
0.010
0.020
0.030
0.040
0.050
0.060
0.070
0.080
0.090
0.00
0.10
0.20
0.30
0.40
0.000
1.812
2.563
3.140
3.626
0.573
1.901
2.627
3.192
3.671
0.810
1.985
2.688
3.243
3.716
0.992
2.066
2.749
3.293
3.760
1.146
2.144
2.808
3.343
3.803
1.281
2.220
2.866
3.392
3.846
1.404
2.292
2.923
3.440
3.889
1.516
2.363
2.979
3.487
3.931
1.621
2.432
3.033
3.534
3.973
1.719
2.498
3.087
3.580
4.014
0.50
0.60
0.70
0.80
0.90
4.055
4.443
4.799
5.132
5.444
4.095
4.480
4.834
5.164
5.474
4.135
4.516
4.868
5.195
5.504
4.175
4.553
4.901
5.227
5.534
4.214
4.589
4.935
5.259
5.564
4.253
4.624
4.968
5.290
5.593
4.292
4.660
5.001
5.321
5.623
4.330
4.695
5.034
5.352
5.652
4.368
4.730
5.067
5.383
5.681
4.405
4.765
5.099
5.413
5.710
1
2
3
4
5
5.739
8.130
9.974
11.537
12.921
5.768
8.151
9.991
11.552
12.934
5.796
8.171
10.008
11.566
12.947
5.825
8.191
10.024
11.581
12.960
5.853
8.212
10.041
11.595
12.973
5.881
8.232
10.058
11.610
12.987
5.909
8.252
10.075
11.624
13.000
5.937
8.272
10.091
11.639
13.013
5.965
8.292
10.108
11.653
13.026
5.993
8.312
10.124
11.668
13.039
6
7
8
9
10
14.179
15.342
16.430
17.458
18.435
14.191
15.353
16.440
17.468
18.444
14.203
15.364
16.451
17.478
18.454
14.215
15.375
16.462
17.488
18.464
14.227
15.387
16.472
17.498
18.473
14.239
15.398
16.483
17.508
18.483
14.251
15.409
16.493
17.518
18.492
14.263
15.420
16.504
17.528
18.502
14.275
15.431
16.514
17.538
18.511
14.287
15.442
16.525
17.547
18.521
11
12
13
14
15
19.370
20.268
21.134
21.973
22.786
19.379
20.277
21.143
21.981
22.795
19.388
20.286
21.151
21.989
22.803
19.397
20.294
21.160
21.998
22.811
19.406
20.303
21.168
22.006
22.819
19.415
20.312
21.177
22.014
22.827
19.425
20.321
21.185
22.022
22.835
19.434
20.330
21.194
22.030
22.843
19.443
20.338
21.202
22.039
22.851
19.452
20.347
21.211
22.047
22.859
16
17
18
19
20
23.578
24.350
25.104
25.842
26.565
23.586
24.358
25.112
25.849
26.572
23.594
24.365
25.119
25.857
26.579
23.602
24.373
25.126
25.864
26.587
23.609
24.381
25.134
25.871
26.594
23.617
24.388
25.141
25.878
26.601
23.625
24.396
25.149
25.886
26.608
23.633
24.403
25.156
25.893
26.615
23.641
24.411
25.164
25.900
26.622
23.648
24.419
25.171
25.908
26.629
21
22
23
24
25
27.275
27.972
28.658
29.334
30.000
27.282
27.979
28.665
29.341
30.007
27.289
27.986
28.672
29.347
30.013
27.296
27.993
28.679
29.354
30.020
27.303
28.000
28.685
29.361
30.026
27.310
28.007
28.692
29.367
30.033
27.317
28.014
28.699
29.374
30.040
27.324
28.020
28.706
29.381
30.046
27.331
28.027
28.713
29.388
30.053
27.338
28.034
28.719
29.394
30.060
0.000
0.010
0.020
0.030
0.040
0.050
0.060
0.070
0.080
0.090
26
27
28
29
30
30.657
31.306
31.948
32.583
33.211
30.664
31.313
31.954
32.589
33.217
30.670
31.319
31.961
32.595
33.223
30.677
31.326
31.967
32.602
33.230
30.683
31.332
31.974
32.608
33.236
30.690
31.339
31.980
32.614
33.242
30.696
31.345
31.986
32.621
33.248
30.703
31.352
31.993
32.627
33.255
30.710
31.358
31.999
32.633
33.261
30.716
31.364
32.005
32.640
33.267
31
32
33
34
35
33.833
34.450
35.062
35.669
36.271
33.839
34.456
35.068
35.675
36.277
33.846
34.462
35.074
35.681
36.283
33.852
34.468
35.080
35.687
36.289
33.858
34.474
35.086
35.693
36.295
33.864
34.481
35.092
35.699
36.301
33.870
34.487
35.098
35.705
36.307
33.877
34.493
35.104
35.711
36.313
33.883
34.499
35.110
35.717
36.319
33.889
34.505
35.116
35.723
36.325
36
37
38
39
40
36.870
37.465
38.057
38.645
39.232
36.876
37.471
38.063
38.651
39.237
36.882
37.477
38.069
38.657
39.243
36.888
37.483
38.074
38.663
39.249
36.894
37.489
38.080
38.669
39.255
36.900
37.495
38.086
38.675
39.261
36.906
37.501
38.092
38.681
39.267
36.912
37.506
38.098
38.687
39.272
36.918
37.512
38.104
38.692
39.278
36.924
37.518
38.110
38.698
39.284
41
42
43
44
45
39.815
40.397
40.976
41.554
42.130
39.821
40.402
40.982
41.560
42.136
39.827
40.408
40.988
41.565
42.142
39.833
40.414
40.993
41.571
42.148
39.838
40.420
40.999
41.577
42.153
39.844
40.426
41.005
41.583
42.159
39.850
40.431
41.011
41.589
42.165
39.856
40.437
41.017
41.594
42.171
39.862
40.443
41.022
41.600
42.176
39.868
40.449
41.028
41.606
42.182
46
47
48
49
50
42.706
43.280
43.854
44.427
45.000
42.711
43.286
43.860
44.433
45.006
42.717
43.292
43.865
44.438
45.011
42.723
43.297
43.871
44.444
45.017
42.729
43.303
43.877
44.450
45.023
42.734
43.309
43.882
44.456
45.029
42.740
43.315
43.888
44.461
45.034
42.746
43.320
43.894
44.467
45.040
42.752
43.326
43.900
44.473
45.046
42.757
43.332
43.905
44.479
45.052
51
52
53
54
55
45.573
46.146
46.720
47.294
47.870
45.579
46.152
46.726
47.300
47.875
45.584
46.158
46.731
47.306
47.881
45.590
46.163
46.737
47.312
47.887
45.596
46.169
46.743
47.317
47.893
45.602
46.175
46.749
47.323
47.898
45.607
46.181
46.754
47.329
47.904
45.613
46.186
46.760
47.335
47.910
45.619
46.192
46.766
47.340
47.916
45.625
46.198
46.772
47.346
47.921
56
57
58
59
60
48.446
49.024
49.603
50.185
50.768
48.452
49.030
49.609
50.191
50.774
48.458
49.035
49.615
50.197
50.780
48.463
49.041
49.621
50.202
50.786
48.469
49.047
49.627
50.208
50.792
48.475
49.053
49.632
50.214
50.798
48.481
49.059
49.638
50.220
50.804
48.486
49.064
49.644
50.226
50.809
48.492
49.070
49.650
50.231
50.815
48.498
49.076
49.656
50.237
50.821
61
62
63
64
65
51.355
51.943
52.535
53.130
53.729
51.360
51.949
52.541
53.136
53.735
51.366
51.955
52.547
53.142
53.741
51.372
51.961
52.553
53.148
53.747
51.378
51.967
52.559
53.154
53.753
51.384
51.973
52.565
53.160
53.759
51.390
51.979
52.571
53.166
53.765
51.396
51.985
52.577
53.172
53.771
51.402
51.990
52.583
53.178
53.777
51.407
51.996
52.588
53.184
53.783
0.000
0.010
0.020
0.030
0.040
0.050
0.060
0.070
0.080
0.090
66
67
68
69
70
54.331
54.938
55.550
56.167
56.789
54.338
54.945
55.556
56.173
56.795
54.344
54.951
55.562
56.179
56.802
54.350
54.957
55.569
56.185
56.808
54.356
54.963
55.575
56.192
56.814
54.362
54.969
55.581
56.198
56.820
54.368
54.975
55.587
56.204
56.827
54.374
54.981
55.593
56.210
56.833
54.380
54.987
55.599
56.216
56.839
54.386
54.993
55.605
56.223
56.845
71
72
73
74
75
57.417
58.052
58.694
59.343
60.000
57.424
58.058
58.700
59.349
60.007
57.430
58.065
58.706
59.356
60.013
57.436
58.071
58.713
59.362
60.020
57.443
58.077
58.719
59.369
60.026
57.449
58.084
58.726
59.375
60.033
57.455
58.090
58.732
59.382
60.040
57.462
58.097
58.739
59.388
60.046
57.468
58.103
58.745
59.395
60.053
57.474
58.109
58.752
59.402
60.060
76
77
78
79
80
60.666
61.342
62.028
62.725
63.435
60.673
61.349
62.035
62.732
63.442
60.680
61.355
62.042
62.739
63.449
60.686
61.362
62.049
62.746
63.456
60.693
61.369
62.056
62.753
63.464
60.700
61.376
62.062
62.760
63.471
60.706
61.383
62.069
62.767
63.478
60.713
61.389
62.076
62.775
63.485
60.720
61.396
62.083
62.782
63.492
60.727
61.403
62.090
62.789
63.499
81
82
83
84
85
64.158
64.896
65.650
66.422
67.214
64.165
64.903
65.658
66.430
67.222
64.173
64.911
65.665
66.437
67.230
64.180
64.918
65.673
66.445
67.238
64.187
64.926
65.680
66.453
67.246
64.195
64.933
65.688
66.461
67.254
64.202
64.941
65.696
66.469
67.262
64.209
64.948
65.703
66.477
67.270
64.217
64.956
65.711
66.484
67.278
64.224
64.963
65.719
66.492
67.286
86
87
88
89
90
68.027
68.866
69.732
70.630
71.565
68.035
68.874
69.741
70.639
71.575
68.044
68.883
69.750
70.649
71.584
68.052
68.891
69.759
70.658
71.594
68.060
68.900
69.767
70.667
71.603
68.069
68.908
69.776
70.676
71.613
68.077
68.917
69.785
70.685
71.622
68.085
68.925
69.794
70.694
71.632
68.093
68.934
69.803
70.704
71.642
68.102
68.942
69.812
70.713
71.651
91
92
93
94
95
72.542
73.570
74.658
75.821
77.079
72.552
73.581
74.670
75.833
77.092
72.562
73.591
74.681
75.845
77.105
72.572
73.602
74.692
75.857
77.119
72.582
73.612
74.703
75.870
77.132
72.593
73.623
74.715
75.882
77.145
72.603
73.634
74.726
75.894
77.158
72.613
73.644
74.737
75.906
77.171
72.623
73.655
74.748
75.918
77.185
72.633
73.665
74.760
75.930
77.198
96
97
98
99
100
78.463
80.026
81.870
84.261
90.000
78.478
80.043
81.890
84.290
78.492
80.059
81.911
84.319
78.507
80.076
81.932
84.348
78.522
80.093
81.952
84.377
78.536
80.110
81.973
84.407
78.551
80.127
81.994
84.436
78.566
80.144
82.014
84.466
78.581
80.161
82.035
84.496
78.595
80.178
82.056
84.526
TABEL CHI SQUARE (2)

Derajat
Bebas
0.995
0.975
0.900
1
2
3
4
5
0.000
0.010
0.072
0.207
0.412
0.000
0.051
0.216
0.484
0.831
0.016
0.211
0.584
1.064
1.610
0.455
1.386
2.366
3.357
4.351
6
7
8
9
10
0.676
0.989
1.344
1.735
2.156
1.237
1.690
2.180
2.700
3.247
2.204
2.833
3.490
4.168
4.865
11
12
13
14
15
2.603
3.074
3.565
4.075
4.601
3.816
4.404
5.009
5.629
6.262
16
17
18
19
20
5.142
5.697
6.265
6.844
7.434
21
22
23
24
25
Probabilitas
0.500
0.100
0.050
0.025
0.010
0.005
2.706
4.605
6.251
7.779
9.236
3.841
5.991
7.815
9.488
11.070
5.024
7.378
9.348
11.143
12.832
6.635
9.210
11.345
13.277
15.086
7.879
10.597
12.838
14.860
16.750
5.348
6.346
7.344
8.343
9.342
10.645
12.017
13.362
14.648
15.987
12.592
14.067
15.507
16.919
18.307
14.449
16.013
17.535
19.023
20.483
16.812
18.475
20.090
21.666
23.209
18.548
20.278
21.955
23.589
25.188
5.578
6.304
7.042
7.790
8.547
10.341
11.340
12.340
13.339
14.339
17.275
18.549
19.812
21.064
22.307
19.675
21.026
22.362
23.685
24.996
21.920
23.337
24.736
26.119
27.488
24.725
26.217
27.688
29.141
30.578
26.757
28.300
29.819
31.319
32.801
6.908
7.564
8.231
8.907
9.591
9.312
10.085
10.865
11.651
12.443
15.338
16.338
17.338
18.338
19.337
23.542
24.769
25.989
27.204
28.412
26.296
27.587
28.869
30.144
31.410
28.845
30.191
31.526
32.852
34.170
32.000
33.409
34.805
36.191
37.566
34.267
35.718
37.156
38.582
39.997
8.034
8.643
9.260
9.886
10.520
10.283
10.982
11.688
12.401
13.120
13.240
14.042
14.848
15.659
16.473
20.337
21.337
22.337
23.337
24.337
29.615
30.813
32.007
33.196
34.382
32.670
33.924
35.172
36.415
37.652
35.479
36.781
38.076
39.364
40.646
38.932
40.289
41.638
42.980
44.314
41.401
42.796
44.181
45.558
46.928
26
27
28
29
30
11.160
11.808
12.461
13.121
13.787
13.844
14.573
15.308
16.047
16.791
17.292
18.114
18.939
19.768
20.599
25.336
26.336
27.336
28.336
29.336
35.563
36.741
37.916
39.088
40.256
38.885
40.113
41.337
42.557
43.773
41.923
43.194
44.461
45.722
46.979
45.642
46.963
48.278
49.588
50.892
48.290
49.645
50.993
52.336
53.672
31
32
33
34
35
14.458
15.135
15.816
16.502
17.192
17.539
18.291
19.047
19.806
20.570
21.434
22.271
23.110
23.952
24.797
30.336
31.336
32.336
33.336
34.336
41.422
42.585
43.745
44.903
46.059
44.985
46.194
47.400
48.602
49.802
48.232
49.481
50.725
51.966
53.203
52.192
53.486
54.776
56.061
57.342
55.003
56.329
57.649
58.964
60.275
36
37
38
39
40
17.887
18.586
19.289
19.996
20.707
21.336
22.106
22.879
23.654
24.433
25.643
26.492
27.343
28.196
29.051
35.336
36.335
37.335
38.335
39.335
47.212
48.363
49.513
50.660
51.805
50.998
52.192
53.384
54.572
55.758
54.437
55.668
56.896
58.120
59.342
58.619
59.893
61.162
62.428
63.691
61.582
62.884
64.182
65.476
66.766
0.900
Probabilitas
0.500
0.100
0.050
0.025
0.010
0.005
25.215
25.999
26.786
27.575
28.366
29.907
30.765
31.625
32.487
33.350
40.335
41.335
42.335
43.335
44.335
52.949
54.090
55.230
56.369
57.505
56.942
58.124
59.304
60.481
61.656
60.561
61.777
62.990
64.202
65.410
64.950
66.206
67.460
68.710
69.957
68.053
69.336
70.616
71.893
73.166
25.042
25.775
26.511
27.250
27.991
29.160
29.956
30.755
31.555
32.357
34.215
35.081
35.949
36.818
37.689
45.335
46.335
47.335
48.335
49.335
58.641
59.774
60.907
62.038
63.167
62.830
64.001
65.171
66.339
67.505
66.617
67.821
69.023
70.222
71.420
71.202
72.443
73.683
74.920
76.154
74.437
75.704
76.969
78.231
79.490
51
52
53
54
55
28.735
29.481
30.230
30.981
31.735
33.162
33.968
34.776
35.586
36.398
38.560
39.433
40.308
41.183
42.060
50.335
51.335
52.335
53.335
54.335
64.295
65.422
66.548
67.673
68.796
68.669
69.832
70.993
72.153
73.311
72.616
73.810
75.002
76.192
77.380
77.386
78.616
79.843
81.069
82.292
80.747
82.001
83.253
84.502
85.749
56
57
58
59
60
32.491
33.249
34.009
34.771
35.535
37.212
38.027
38.844
39.662
40.482
42.937
43.816
44.696
45.577
46.459
55.335
56.335
57.335
58.335
59.335
69.918
71.040
72.160
73.279
74.397
74.468
75.624
76.778
77.931
79.082
78.567
79.752
80.936
82.117
83.298
83.514
84.733
85.950
87.166
88.380
86.994
88.237
89.477
90.715
91.952
61
62
63
64
65
36.301
37.069
37.838
38.610
39.383
41.303
42.126
42.950
43.776
44.603
47.342
48.226
49.111
49.996
50.883
60.335
61.335
62.335
63.335
64.335
75.514
76.630
77.745
78.860
79.973
80.232
81.381
82.829
83.675
84.821
84.476
85.654
86.830
88.004
89.177
89.591
90.802
92.010
93.217
94.422
93.186
94.419
95.649
96.878
98.105
66
67
68
69
70
40.158
40.935
41.714
42.494
43.275
45.431
46.261
47.092
47.924
48.758
51.770
52.659
53.548
54.438
55.329
65.335
66.335
67.334
68.334
69.334
81.085
82.197
83.308
84.418
85.527
85.965
87.108
88.250
89.391
90.531
90.349
91.519
92.689
93.856
95.023
95.626
96.826
98.029
99.228
100.43
99.331
100.55
101.78
103.00
104.21
71
72
73
74
75
44.058
44.843
45.629
46.417
47.206
49.592
50.428
51.265
52.103
52.942
56.221
57.113
58.006
58.900
59.795
70.334
71.334
72.334
73.334
74.334
86.635
87.743
88.850
89.956
91.061
91.670
92.808
93.945
95.081
96.217
96.189
97.353
98.516
99.678
100.84
101.62
102.82
104.01
105.20
106.39
105.43
106.65
107.86
109.07
110.29
76
77
78
79
80
47.997
48.788
49.582
50.376
51.172
53.782
54.623
55.466
56.309
57.153
60.690
61.586
62.483
63.380
64.278
75.334
76.334
77.334
78.334
79.334
92.166
93.270
94.373
95.476
96.578
97.351
98.484
99.617
100.75
101.88
102.00
103.16
104.32
105.47
106.63
107.58
108.77
109.96
111.14
112.33
111.50
112.70
113.91
115.12
116.32
Derajat
Bebas
0.995
0.975
41
42
43
44
45
21.421
22.139
22.860
23.584
24.311
46
47
48
49
50
Derajat
Bebas
0.995
0.975
0.900
Probabilitas
0.500
0.100
0.050
0.025
0.010
0.005
81
82
83
84
85
51.969
52.767
53.567
54.368
55.170
57.998
58.845
59.692
60.540
61.389
65.176
66.076
66.976
67.876
68.777
80.334
81.334
82.334
83.334
84.334
97.680
98.780
99.880
100.98
102.08
103.01
104.14
105.27
106.39
107.52
107.78
108.94
110.09
111.24
112.39
113.51
114.69
115.88
117.06
118.24
117.52
118.73
119.93
121.13
122.32
86
87
88
89
90
55.973
56.777
57.582
58.389
59.196
62.239
63.089
63.941
64.793
65.647
69.679
70.581
71.484
72.387
73.291
85.334
86.334
87.334
88.334
89.334
103.18
104.28
105.37
106.47
107.56
108.65
109.77
110.90
112.02
113.15
113.54
114.69
115.84
116.99
118.14
119.41
120.59
121.77
122.94
124.12
123.52
124.72
125.91
127.11
128.30
91
92
93
94
95
60.005
60.815
61.625
62.437
63.250
66.501
67.356
68.211
69.068
69.925
74.196
75.101
76.006
76.912
77.818
90.334
91.334
92.334
93.334
94.334
108.66
109.76
110.85
111.94
113.04
114.27
115.39
116.51
117.63
118.75
119.28
120.43
121.57
122.72
123.86
125.29
126.46
127.63
128.80
129.97
129.49
130.68
131.87
133.06
134.25
96
97
98
99
100
64.063
64.878
65.694
66.510
67.320
70.783
71.642
72.501
73.361
74.222
78.725
79.633
80.541
81.449
82.358
95.334
96.334
97.334
98.334
99.334
114.13
115.22
116.32
117.41
118.50
119.87
120.99
122.11
123.23
124.34
125.00
126.14
127.28
128.42
129.56
131.14
132.31
133.48
134.64
135.81
135.43
136.62
137.80
138.99
140.17
Tabel Z
Z
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.1
0.2
0.3
0.4
0.0000
0.0398
0.0793
0.1179
0.1554
0.0040
0.0438
0.0832
0.1217
0.1591
0.0080
0.0478
0.0871
0.1255
0.1628
0.0120
0.0517
0.0910
0.1293
0.1664
0.0160
0.0557
0.0948
0.1331
0.1700
0.0199
0.0596
0.0987
0.1368
0.1736
0.0239
0.0636
0.1026
0.1406
0.1772
0.0279
0.0675
0.1064
0.1443
0.1808
0.0319
0.0714
0.1103
0.1480
0.1844
0.0359
0.0753
0.1141
0.1517
0.1879
0.5
0.6
0.7
0.8
0.9
0.1915
0.2257
0.2580
0.2881
0.3159
0.1950
0.2291
0.2611
0.2910
0.3186
0.1985
0.2324
0.2642
0.2939
0.3212
0.2019
0.2357
0.2673
0.2967
0.3238
0.2054
0.2389
0.2704
0.2995
0.3264
0.2088
0.2422
0.2734
0.3023
0.3289
0.2123
0.2454
0.2764
0.3051
0.3315
0.2157
0.2486
0.2794
0.3078
0.3340
0.2190
0.2517
0.2823
0.3106
0.3365
0.2224
0.2549
0.2852
0.3133
0.3389
1.0
1.1
1.2
1.3
1.4
0.3413
0.3643
0.3849
0.4032
0.4192
0.3438
0.3665
0.3869
0.4049
0.4207
0.3461
0.3686
0.3888
0.4066
0.4222
0.3485
0.3708
0.3907
0.4082
0.4236
0.3508
0.3729
0.3925
0.4099
0.4251
0.3531
0.3749
0.3944
0.4115
0.4265
0.3554
0.3770
0.3962
0.4131
0.4279
0.3577
0.3790
0.3980
0.4147
0.4292
0.3599
0.3810
0.3997
0.4162
0.4306
0.3621
0.3830
0.4015
0.4177
0.4319
1.5
1.6
1.7
1.8
1.9
0.4332
0.4452
0.4554
0.4641
0.4713
0.4345
0.4463
0.4564
0.4649
0.4719
0.4357
0.4474
0.4573
0.4656
0.4726
0.4370
0.4484
0.4582
0.4664
0.4732
0.4382
0.4495
0.4591
0.4671
0.4738
0.4394
0.4505
0.4599
0.4678
0.4744
0.4406
0.4515
0.4608
0.4686
0.4750
0.4418
0.4525
0.4616
0.4693
0.4756
0.4429
0.4535
0.4625
0.4699
0.4761
0.4441
0.4545
0.4633
0.4706
0.4767
2.0
2.1
2.2
2.3
2.4
0.4772
0.4821
0.4861
0.4893
0.4918
0.4778
0.4826
0.4864
0.4896
0.4920
0.4783
0.4830
0.4868
0.4898
0.4922
0.4788
0.4834
0.4871
0.4901
0.4925
0.4793
0.4838
0.4875
0.4904
0.4927
0.4798
0.4842
0.4878
0.4906
0.4929
0.4803
0.4846
0.4881
0.4909
0.4931
0.4808
0.4850
0.4884
0.4911
0.4932
0.4812
0.4854
0.4887
0.4913
0.4934
0.4817
0.4857
0.4890
0.4916
0.4936
2.5
2.6
2.7
2.8
2.9
0.4938
0.4953
0.4965
0.4974
0.4981
0.4940
0.4955
0.4966
0.4975
0.4982
0.4941
0.4956
0.4967
0.4976
0.4982
0.4943
0.4957
0.4968
0.4977
0.4983
0.4945
0.4959
0.4969
0.4977
0.4984
0.4946
0.4960
0.4970
0.4978
0.4984
0.4948
0.4961
0.4971
0.4979
0.4985
0.4949
0.4962
0.4972
0.4979
0.4985
0.4951
0.4963
0.4973
0.4980
0.4986
0.4952
0.4964
0.4974
0.4981
0.4986
3.0
3.1
3.2
3.3
3.4
0.4987
0.4990
0.4993
0.4995
0.4997
0.4987
0.4991
0.4993
0.4995
0.4997
0.4987
0.4991
0.4994
0.4995
0.4997
0.4988
0.4991
0.4994
0.4996
0.4997
0.4988
0.4992
0.4994
0.4996
0.4997
0.4989
0.4992
0.4994
0.4996
0.4997
0.4989
0.4992
0.4994
0.4996
0.4997
0.4989
0.4992
0.4995
0.4996
0.4997
0.4990
0.4993
0.4995
0.4996
0.4997
0.4990
0.4993
0.4995
0.4997
0.4998
3.6
3.9
0.4998
0.5000
0.4998
0.4999
0.4999
0.4999
0.4999
0.4999
0.4999
0.4999
0.4999

Rancangan Penelitian RANCOB

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Rancangan Penelitian RANCOB

Diunggah oleh

Hak Cipta:

Format Tersedia

RANCANGAN

LAB. PEMULIAAN TERNAK

rancangan untuk suatu percobaan

Created by Eff. Agus Marmono

1.2. BATASAN / PENGERTIAN BEBERAPA ISTILAH

perlakuan (treatment) yang

diterapkan dan kontrol, sebab perlakuan-perlakuan yang diterapkan itu dibandingkan

Created by Eff. Agus Marmono

Misal: Faktor A (Antibiotika)

(a1 , a2 , a3 , b1 , b2 dan b3 ) disebut level / dosis jadi sebagai perlakuannya adalah

: sebagai satuan percobaan & juga satuan contoh

- tanaman : satu petak sebagai satuan percobaan dan tiap

Created by Eff. Agus Marmono

e. GALAT PERCOBAAN / EXPERIMENTAL ERROR

merupakan petunjuk bahwa materi percobaan itu responnya bervariasi, meskipun

variasi tambahan) yang

f. ANALISIS VARIANSI (ANALISYS OF VARIANCE)

Created by Eff. Agus Marmono

Dalam percobaan, sumber variasi dibagi menjadi dua komponen yaitu :

Pengujian dengan metode Anava berdasarkan pada asumsi- asumsi :

petak yang berjauhan.

mengatasinya dilakukan pengacakan.

nilai tengah perlakuannya.

mengatasi hal ini dapat dilakukan dengan transformasi data.

Created by Eff. Agus Marmono

Created by Eff. Agus Marmono

II. RANCANGAN ACAK LENGKAP

Design, Fully Randomized Design atau Ungrouped Experiment.

Ulangan untuk setiap

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

Maka ada t x r = N = 5 x 6 = 30 tempat yang dapat berupa pettak / pot

Analisis data untuk Rancangan Acak Lengkap ada dua macam :

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

Tabel 1. Perlakuan x Ulangan

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

MENGHITUNG JUMLAH KUADRAT

4. JK Galat = JK Total - JK Perlakuan

Tabel 2. Analisis Variansi

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

ketepatan percobaan ini dipengaruhi oleh derajat bebas galat

Contoh : untuk perlakuan = 5 maka db perlakuan = 4

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

Perhitungan Jumlah Kuadrat

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

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

= JK Total - JK Perlakuan = 1976.5 - 1921.5 = 55

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

Tabel 2. Analisis Variansi

Tabel 3. Analisis Variansi

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

Analisis Regresi Linier

= 172330 - 170353,5 = 1976,5

Created by Eff. Agus Marmono

Rancangan Acak Lengkap

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

Created by Eff. Agus Marmono

Rancangan Acak Lengkap