Anda di halaman 1dari 166

RANCANGAN

PERCOBAAN

RANCANGAN PERCOBAAN O l e h : Effendi Agus Marmono Edisi 5 LAB. PEMULIAAN TERNAK FAKULTAS

O l e h :

Effendi Agus Marmono

Edisi 5

LAB. PEMULIAAN TERNAK FAKULTAS PETERNAKAN

UNIVERSITAS JENDERAL SOEDIRMAN P U R W O K E R T O

2005

I. PENDAHULUAN

1.1. RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)

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

1.2.

BATASAN / PENGERTIAN BEBERAPA ISTILAH

a. PERCOBAAN / EXPERIMENTAL

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).

Adalah suatu usaha yang terencana

untuk

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.

b.2.

Misal: Obat, pupuk, sinar, kandang, suhu dll yang dapat diberikan pada tanah, tanaman, atau ternak. 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.

Misal: Faktor A (Antibiotika) Faktor B (Protein)

a

a

a

1

2

3

: 0.10 cc : 0.15 cc : 0.20 cc

b

b

b

1

2

3

: 10 % : 14 % : 16 %

(a 1 , a 2 , a 3 , b 1 , b 2 dan b 3 ) disebut level / dosis jadi sebagai perlakuannya adalah kombinasi dari dosis untuk setiap faktor = 3 x 3 = 9 kombinasi perlakuan mulai a 1 b 1 sampai dengan a 3 b 3 .

dicoba, peneliti diharapkan telah

merumuskan perlakuannya lebih dahulu seara jelas serta harus mengetahui peranan tiap-tiap perlakuan dalam usahanya untuk mencapai tujuan dari percobaan.

Dalam memilih perlakuan yang akan

c. SATUAN PERCOBAAN / EXPERIMENTAL UNIT

Adalah satu atau sekelompok materi percobaan yang padanya kita terapkan perlakuan dalam ulangan tunggal.

misal :

- satu ekor ( sapi / kerbau / kambing / domba / babi ) - sekelompok ternak / flok ayam / puyuh (berisi 5 ekor) - sepetak tanaman ( luas 1 m 2 )

d. SATUAN CONTOH / SAMPLING UNIT

Adalah bagian dari satuan percobaan yang padanya diterapkan pengamatan

tunggal.

misal :

- sapi

:

sebagai satuan percobaan & juga satuan contoh

- Ayam

:

5 ekor sebagai satuan percobaan dan tiap ekor sebagai satuan contoh.

- tanaman

:

satu petak sebagai satuan percobaan dan tiap tanaman sebagai satuan contoh.

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.

Dalam percobaan, sumber variasi dibagi menjadi dua komponen yaitu :

a. pengukuran keragaman karena galat percobaan

b. pengukuran keragaman karena perlakuannya sendiri.

Pengujian dengan metode Anava berdasarkan pada asumsi- asumsi :

1. Pengaruh perlakuan dan lingkungan harus bersifat aditiv (penjumlahan)

Y ij

= µ + α i + ε 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.

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.

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

Y =µ+τ+ε

ij

i

ij

Y ij : respon terhadap perlakuan ke i pada ulangan ke j

µ : nilai tengah respon

τ i : pengaruh perlakuan ke i yang akan kita uji (merupakan selisih nilai tengah perlakuan ke i dengan nilai tengah umum : µ i - µ )

ε ij

: pengaruh acak (penyimpangan yang timbul secara acak) dari perlakuan ke-i ulangan ke j . Nilai ini merupakan selisih hasil pengamatan dengan nilai

tengah yang perlakuan tersebut ε ij = Y ij

- µ i

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 :

= Ulangan = r = 6

5

Perlakuan = t

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.

B

A C

D

E

 

A

D

B

A

E

B

A C

D

E

D

A

C

D

E

B

A C

D

E

DIACAK

C

B

C

E

A

B

A C

D

E

E

E

B

A

D

B

A C

D

E

E

C

C

D

B

B

A C

D

E

C

D

A

B

B

Analisis data untuk Rancangan Acak Lengkap ada dua macam :

a. tiap perlakuan mempunyai ulangan yang sama (equal)

b. tiap perlakuan mempunyai ulangan yang tidak sama (un equal)

TABULASI DATA

Sebelum analisis data dilakukan, data hasil penelitian ditabulasikan lebih

dahulu menurut perlakuan dan ulangan seperti tabel berikut ini :

Tabel 1. Perlakuan x Ulangan

Perlakuan

U l a n g a n

U 1

U 2

U 3

U 4

U 5

U 6

Total Perlakuan ( Y i . )

A

B

C

D

E

Y 11

Y 12

Y ij

Y

Y

16

56

TOTAL

(Y

)

Yij : Nilai hasil pengukuran dari perlakuan ke i dan ulang an ke j ( i = 1,2

dan ( j = 1,2,

r)

t)

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) = µ + τ

1 + ε 11

Y (51) = µ + τ

Y (12) = µ + τ

1 + ε 12

Y (52) = µ + τ

Y (13) = µ + τ

1 + ε 13

Y (53) = µ + τ

.

.

.

.

Y (16) = µ + τ

1 + ε 16

Y (56) = µ + τ

5 + ε 51

5 + ε 52

5 + ε 53

5 + ε 56

Variasi yang ada di dalam perlakuan sebagai sumber variasi galat, sedangkan

variasi yang ada diantara perlakuan disebabkan oleh variasi perlakuan dan variasi

galat.

MENGHITUNG

JUMLAH

1 .FK

=

( Y

)

2

t .r

KUADRAT

2 .JKTotal

3. JKPerlk

=

=

t

r

∑∑

i

=

1

j = 1

t

i = 1

Y

i

2

.

r

Y

ij

2

F K

=

FK

=

4. JK Galat = JK Total - JK Perlakuan

ANALISIS VARIANSI

Setelah semua perhitungan

Jumlah

lah dalam tabel analisis variansi.

Tabel 2. Analisis Variansi

Kuadrat

dilakukan kemudian masukkan

S

u m b e r

Jumlah

Derajat

Kuadrat

F

F tabel

V

a r i a s i

Kuadrat

Bebas

Tengah

hitung

0.05

0.01

Perlakuan

JK P

t - 1

KT P

KT P / KT G

G

a l a t

JK G

t(r-1)

KT G

T

O T A L

JK T

tr -1

Komponen

Variansi

Perlakuan

G a l a t

σ e 2 +

2

σ e

r σ p

2

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

1

5

10

15

20

30

40

t 0.05

12.706

2.571

2.228

2.131

2.086

2.042

2.021

F 0.05

225.000

5.190

3.480

3.060

2.870

2.690

2.610

KELEMAHAN RAL

1. Memerlukan materi percobaan yang homogen sehingga pada percobaan yang

memerlukan perlakuan dalam jumlah banyak sulit untuk mendapatkan materi yang

homogen.

2. Pengacakan dilakukan tanpa batas (terhadap seluruh materi) maka seluruh variasi

materi percobaan akan terhimpun bersama-sama dalam galat percobaan.

Contoh Soal

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

Tabel 1. Perlakuan x Ulangan

Perlakuan

 

U

l

a

n

g

a

n

Total

1

2

3

4

5

6

Perlakuan

R

1

70

73

 

73

     

74

 

73

72

435

R

2

80

82

 

81

     

80

 

78

79

480

R

3

88

88

 

86

     

87

 

90

89

528

R

4

98

95

 

98

     

93

 

96

99

579

T O T A L

 

2022

 

Perhitungan Jumlah Kuadrat

 

1. F. Koreksi

=

2022 2 /24 = 170353.5

 

2. = ( 70 2

JK Total

+

+

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

Tabel 2. Analisis Variansi

S

u m b e r

Jumlah

Derajat

Kuadrat

F

F tabel

V

a r i a s i

Kuadrat

Bebas

Tengah

hitung

0.05

0.01

Perlakuan

1921.500

3

640.500

232.9091

3.10

4.94

G

a l a t

55.000

20

2.750

σ = 1.658

T

O T A L

1976.500

23

K K = 1.968 %

 

Memecah JK Perlakuan

Perlk

 

R1

R2

 

R3

R4

Σ Ci.Ti

r. Σ Ci 2

 

J K

 
 

Σ Ti

435

480

528

579

(a)

 

(b)

 

(a

2 /b)

Linier

 

-3

-1

 

1

3

480

6

x 20

   

1920.0

Kuadrater

 

1

-1

 

-1

1

6

6

x

4

 

1.5

Kubik

 

-1

3

 

-3

1

0

6

x 20

   

0.0

 

JK Perlakuan =

 

1921.5

 

Tabel 3. Analisis Variansi

 

S

u m b e r

Jumlah

Derajat

Kuadrat

F

F tabel

 

V

a r i a s i

Kuadrat

Bebas

Tengah

hitung

 

0.05

 

0.01

Perlakuan

 

1921.500

3

640.500

232.9091

 

3.10

 

4.94

 

Linier Kuadrater Kubik

 

1920.000

1

1920.000

698.1818

4.35

8.10

1.500

1

1.500

0.5455

4.35

8.10

0.000

1

0.000

0.0000

4.35

8.10

 

G

a l a t

55.000

20

2.750

σ = 1.658

T

O T A L

1976.500

23

K K = 1.968 %

 

Analisis Regresi Linier

 

X

Y

X 2

Y 2

XY

 

12

70

144

4900

840

12

73

144

5329

876

12

73

144

5329

876

12

74

144

5476

888

12

73

144

5329

876

12

72

144

5184

864

16

80

256

6400

1280

16

82

256

6724

1312

16

81

256

6561

1296

16

80

256

6400

1280

16

78

256

6084

1248

16

79

256

6241

1264

20

88

400

7744

1760

20

88

400

7744

1760

20

86

400

7396

1720

20

87

400

7569

1740

20

90

400

8100

1800

20

89

400

7921

1780

24

98

576

9604

2352

24

95

576

9025

2280

24

98

576

9604

2352

24

93

576

8649

2232

24

96

576

9216

2304

24

99

576

9801

2376

 

432

2022

8256

172330

37356

JK x

=

Σ X 2 - ( Σ X ) 2 / N

=

8256 -

7776

=

480

JK y

=

Σ Y 2 - ( Σ Y ) 2 / N

= 172330 - 170353,5 = 1976,5

JHK xy =

Σ XY - ( ΣX* ΣY)/N =

37356 -

36396

=

960

b xy

=

Σ

xy

JHK xy

960

=

=

Σ

x

2

JK x

480

=

a = Y - b . X

= 84,25

- (2)(18)

= 48,25

Maka persamaan garisnya :

2

ˆ

Y

=

a

+

b X

=

48,25

+

2 X

Koefisien Korelasi = r = 0,986

Koefisien determinasi = r 2 = 97,14 %

Regresi Linier

120 100 80 60 Lin ier 40 20 0 12 16 20 24 P B
120
100
80
60
Lin ier
40
20
0
12
16
20
24
P B B H ( gr )

Kadar Prote in (%)

III. UJI BEDA NYATA

3.1. Pendahuluan

Pada perlakuan Fixed, hipotesis yang kita uji adalah

Ho :

µ 1 = µ 2 =

µ 3

µ t

H 1

: µ 1 ≠µ 2

µ 3

µ t

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

sehingga disimpulkan tidak semua nilai tengah perlakuan sama. Maka diperoleh 2 kemungkinan :

a. Ada nilai tengah perlakuan yang sama.

b. Ada nilai tengah perlakuan yang tidak sama.

Kita butuhkan lagi suatu uji yang bersifat spesifik untuk mengetahui nilai tengah perlakuan mana yang tidak sama ataupun yang sama, maka disini kita gunakan uji beda nyata.

Uji Beda Nyata dibagi dalam dua kelompok yaitu :

A. Uji Beda Antara Pasangan Nilai Tengah Perlakuan (All Posible Pairs Comparison ) Terdiri atas :

1. Least Significant Difference = LSD = BNT

2. Honestly Significant Difference = HSD = BNJ

3. Duncant New Multiple Range Test = DMRT = Uji Jarak

4. Dunnett's Test

B. Uji Beda Antara Kelompok Nilai Tengah Perlakuan ( Group Comparison )

1. Orthogonal Contrast (Kontras Orthogonal)

2. Non Orthogonal Contrast

a.

Non Orthogonal Designed Contrast ( Benferonni-t test )

b. Post data Selected Contrast

c. Orthogonal Polynomial Contrast

( Scheffe Interval )

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

melakukan pemban-

dingan semua kombinasi pasangan nilai tengah perlakuan terbesar dan terkecil

dengan taraf nyata 5 % sesungguhnya tidak demikian.

Lebih lanjut dapat dikemukakan bahwa jika

kita

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 BNT mempunyai tingkat kepekaan yang tinggi jika digunakan semba-

rang, berikut ini ada beberapa anjuran dalam menggunakan Uji BNT antara lain :

a. Gunakan Uji BNT bila uji F dalam Analisis Ragam nyata.

b. Uji BNT sebaiknya hanya digunakan untuk menguji perbedaan nilai tengah perla-

kuan dari maksimal 6 perlakuan.

Uji ini dilakukan dengan cara membandingkan selisih Nilai Tengah perla-

kuan dengan nilai BNT 0.05 dan BNT 0.01 yang diperoleh dengan bantuan tabel

"t" dan menggunakan formula sebagai berikut :

BNT

α

= (

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

r = jumlah ulangan dari perlakuan yang dibandingkan

maka kedua nilai tengah

tersebut berbeda nyata, bila > BNT 0.01 maka kedua nilai tengah tersebut berbeda

sangat nyata.

Bila selisih nilai tengah perlakuan >

BNT

0.05

Contoh:

Dari hasil perhitungan RAL diperoleh KT Galat = 2.75 DB Galat = 20 (2 2.75)
Dari hasil perhitungan RAL diperoleh
KT Galat = 2.75
DB Galat = 20
(2 2.75)
x
BNT
= x
(2.086)
0.05
6
(2 2.75)
x
BNT
= x
(2.845)
0.01
6

= 1.9972

= 2.7239

Perlakuan

R1

R2

 

R3

R4

 

Rata-rata

72.50

80.00

88.00

96.50

R4

24.00

16.50

 

8.50

0.00

R3

15.50

8.00

0.00

 

R2

7.50

0.00

   

R1

0.00

     

Dari hasil uji diatas

diperoleh

informasi

bahwa

R1 dengan R2, R3 dan

R4 menunjukkan adanya perbedaan yang sangat nyata.

Bila

dalam penelitian

kita

menggunakan

ulangan

yang

tidak

sama

jumlahnya maka formula pengujian mengalami perubahan sebagai berikut :

⎛ 1 1 ⎞ BNT = ( t ; dbgalat x ) KTgalat ⎜ +
1
1
BNT
=
(
t
;
dbgalat x
)
KTgalat
+
α
α
r
r
i
j
misalnya :
R
1 dan R 3 diulang empat kali,
R
2 dan R 4 diulang lima kali

Bila ulangan tak sama

KT Galat =

DB Galat = 14

2.753571

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

Untuk R2 dengan R4

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

Nilai tengah perlakuan

R 1

= 72.50

R 2

= 80.20

R 3

= 87.25

R 4

= 96.00

3.3.

UJI JARAK GANDA DUNCANT ( DUNCANT NEW MULTIPLE RANGE TEST )

Formula yang digunakan dalam pengujian ini sebagai berikut :

D ( p ;α ) = R ( DBgalat

Keterangan :

; p ;α ) x

KTgalat r
KTgalat
r

p : jarak nilai tengah yang dibandingkan

R : diperoleh dari tabel Duncant ( A.7 ) α : taraf nyata 0.05 dan 0.01

r : jumlah ulangan dari perlakuan yang dibandingkan

Contoh :

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

 

p

p = 2

p = 3

p =4

R

( 20 ; p ; 0,05 )

2.95

3.10

3.18

R

( 20 ; p ; 0,01 )

4.02

4.22

4.33

2.75 6
2.75
6

=

0.6770

D

( p ; 0.05 )

1.9972

2.0987

2.1529

D

( p ; 0.01 )

2.7216

2.8570

2.9314

Nilai D dengan p tertentu (2, 3

tengah perlakuan yang akan diuji.

dan

4)

dibandingkan dengan selisih nilai

Perlakuan

R1

R2

R3

R4

Rata-rata

72.50

80.00

88.00

96.50

R4

24.00

16.50

8.50

0.00

R3

15.50

8.00

0.00

 

R2

7.50

0.00

   

R1

0.00

     

R1 dengan R2, R3 dan

R4 menunjukkan adanya perbedaan yang sangat nyata demikian pula pada R2

dengan R3 dan R4 serta antara R3 dan R4.

Dari hasil uji diatas

diperoleh

informasi

bahwa

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

yaitu dengan cara memban-

dingkan selisih dua nilai tengah perlakuan dengan nilai BNJ yang diperoleh dengan

menggunakan formula sebagai berikut :

Pengujian ini disebut pula

prosedur

Tukey's,

BNJ

α =

Q ( p ; DBgalat

;α ) x

KTgalat r
KTgalat
r

Q

: Tabel Q ( A.8 )

p

: jumlah perlakuan yang akan diuji

r

: jumlah ulangan dari perlakuan yang dibandingkan

α

: taraf nyata 0.05 dan 0.01

Contoh :

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

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

Perlakuan

R1

R2

 

R3

R4

 

Rata-rata

72.50

80.00

88.00

96.50

R4

24.00

16.50

 

8.50

0.00

R3

15.50

8.00

0.00

 

R2

7.50

0.00

   

R1

0.00

     

Dari hasil uji diatas

diperoleh

informasi

bahwa

R1 dengan R2, R3 dan

R4 menunjukkan adanya perbedaan yang sangat nyata demikian pula pada R2

dengan R3 dan R4 serta antara R3 dan R4.

3.5. UJI DUNNETT'S

Uji ini digunakan untuk membandingkan nilai tengah perlakuan dengan

perlakuan kontrol, tetapi tidak untuk membandingkan antar nilai tengah perlakuan.

Formula yang digunakan sebagai berikut :

d

'

α =

t dunnet (

α

p DBgalat

;

t dunnett's : Tabel A.9.b

(2 xKTgalat ) ) x r
(2
xKTgalat
)
)
x
r

p

: Jumlah perlakuan tanpa kontrol

DB galat

: derajat Bebas Galat

α

: Taraf nyata 0.05 dan 0.01

Contoh diambilkan dari RAL

R 1 : dimisalkan sebagai perlakuan kontrolnya maka

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

R2 - R1 = R3 - R1 = R4 - R1 =

80.00 - 72.50 =

88.00 - 72.50 = 15.50 96.50 - 72.50 = 24.00

7.50

Dari hasil uji tersebut diperoleh informasi bahwa semua perlakuan

menunjukkan adanya beda yang sangat nyata bila dibandingkan dengan perlakuan

kontrolnya.

3.6. ORTHOGONAL CONTRAS ( Kontras Orthogonal )

Misal dari hasil analisis variansi :

S

u m b e r

Jumlah

Derajat

Kuadrat

F

F tabel

V

a r i a s i

Kuadrat

Bebas

Tengah

hitung

0.05

0.01

Perlakuan

JK P

t - 1

KT P

KT P / KT G

G

a l a t

JK G

t(r-1)

KT G

T

O T A L

JK T

tr -1

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

Ada 2 kemungkinan :

a. ada nilai tengah perlakuan yang sama

b. ada nilai tengah perlakuan yang tidak sama

yang sama b. ada nilai tengah perlakuan yang tidak sama Diperlukan uji yang spesifik yaitu Uji

Diperlukan uji yang spesifik yaitu Uji Beda Nyata

A. Uji beda antara pasangan nilai tengah perlakuan

1. BNT

2. DMRT

3. BNJ

4. Dunnett

B. Uji beda antara kelompok nilai tengah perlakuan

1. Orthogonal Contras

2. Non Orthogonal Contras

1. Orthogonal Contras / Kontras Orthogonal

a. Merupakan pembandingan terencana

b. Pembandingan nilai tengah kelompok perlakuan

c. Kelompok perlakuan yang dibandingkan harus bermakna

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

positif

2

2

2

S Y A R A T :

vs

D

E

negatif

-3

-3

di jumlah = 0

1. KONTRAS SEMPURNA

t

Cik = 0

( ulangan sama )

i=1

t

ri . Cik = 0

( ulangan tidak sama )

i=1

2. KONTRAS SALING ORTHOGONAL

t

Cik . Cik '

i=1

= 0

(k k') (ulangan sama)

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 ?

orthogonal. c. Bila set kontras tidak saling orthogonal ? Apakah kontras Ya tersebut penting ? Bonferroni

Apakah kontras

Ya

tersebut penting ?

Bonferroni t Statistik

tidakYa tersebut penting ? Bonferroni t Statistik Susun set kontras baru Contoh : A : Konsentrat

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 ?

KONTRAS

A

B

C

D

Cik

1. A vs BCD

3

-1

-1

-1

 

0

2. BC vs D

 

1

1

-2

 

0

3. B vs C

 

1

-1

   

0

a. Syarat 1 terpenuhi yaitu Cik = 0

b. Syarat 2 diuji sebagai berikut :

t

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

i=1

t

Ci1.Ci3 = (3)(0) + (-1)(1) + (-1)(-1) + (-1)(0) = 0

i=1

t

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

i=1

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

BILA ULANGAN DARI TIAP PERLAKUAN TIDAK SAMA

Misal Perlakuan A diulang 3 kali

B

diulang 4 kali

 

C

diulang 3 kali

D

diulang 5 kali

KONTRAS

A

B

C

D

Cik

Ulangan

3

4

3

5

 

1. A vs BCD

4

-1

-1

-1

 

0

2. BC vs D

 

5

5

-7

 

0

3. B vs C

 

3

- 4

   

0

a.

Syarat 1 terpenuhi yaitu Cik = 0

b. Syarat 2 diuji sebagai berikut :

t

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

i=1

t

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

i=1

t

Ci2.Ci3 = (3)(0)(0) + (4)(5)(3) + (3)(5)(-4) + (5)(-7)(0) = 0

i=1

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

PROSEDUR PENYELESAIAN KONTRAS ORTHOGONAL

1.

Membuat set kontras dan mencari koefisien kontrasnya (harus memenuhi syarat

1).

2.

Menguji untuk syarat orthogonal ( syarat 2 harus terpenuhi)

3.

Mencari fungsi linier total

Qk = Cik . Yi.

atau

Qk = C1k Y1. + C2k Y2 +

+ Ctk Yt.

C 1 k, C 2 k,

Ctk

: koefisien kontras ke k

Y 1 . , Y 2 . ,

Yt.

: total kelompok perlakuan

4.

Hipotesis yang diuji

t

Ho : ( ri Cik τi ) = 0

i=1

t

Ho : ( ri Cik τi ) 0

i=1

5. Pengujian Kontras

a. Menggunakan uji t

Q k t = k t 2 r ( ∑ C ) . KTgalat ik
Q
k
t
=
k
t
2
r
(
C
) . KTgalat
ik
i = 1
Q
k
t
=
k
t
2
(
r
C
) . KTgalat
ik
i
i = 1
t
0.05 =
t
0.01 =
di cari dengan DB galat
2
Q
k
F
=
k
t
2
r (
C
) . KTgalat
ik
i = 1

a.1. Ulangan sama

a.2. Ulangan tak sama

b. Menggunakan uji Fisher (F)

b.1. Ulangan sama

b.2. Ulangan tidak sama

F

k =

F

0.05

F

0.01

dicari dengan DB galat

Q

2

k

( t ∑ r i = 1 i C 2 ik ) . KTgalat

(

t

r

i = 1

i C

2

ik

) . KTgalat

DB kontras = 1 maka KT kontras = JK Kontras.

JK Kontras =

 

Q

2

k

t

( r

i

C

2

ik

)

i = 1

Contoh :

Perlakuan = 4 diulang 6 kali

Dari hasil perhitungan diperoleh

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

JK Perlakuan =

7.458

JK Galat

= 10.167

JK Total

= 17.625

KONTRAS

A

B

C

D

Qk

ri. C 2 ik

J K

 

Yi .

246

248

250

255

( a )

 

( b )

( a 2 / b )

1. A

vs

BCD

3

-1

-1

-1

-15

6

* 12

3.125

2. BC

vs

D

 

1

1

-2

-12

6

*

6

4.000

3. B

vs

C

 

1

-1

 

-2

6

*

2

0.333

 

JK Perlakuan =

7.458

S. Variasi

JK

DB

KT

F hit

F 0.05

F 0.01

Perlakuan

 

7.458

3

2.486

4.89

**

3.10

4.94

A

vc BCD

3.125

1

3.125

6.15

**

4.35

8.10

BC

vs

D

4.000

1

4.000

7.87

**

4.35

8.10

B

vs

C

0.333

1

0.333

0.65

4.35

8.10

Galat

10.167

20

0.508

     

TOTAL

 

17.625

23

       

Hasil yang sama diperoleh pada pengujian kontras menggunakan uji t :

KONTRAS

Qk ( a )

ri. C 2 ik ( b )

KT galat ( c )

 

t

a/(b.c)

1. vc BCD

A

-

75

6

*

12

3.125

-

2.48 **

2. BC

vs

D

-

12

6

*

6

4.000

-

2.81 **

3. B

vs

C

 

- 2

6

*

2

0.333

 

- 0.81

3.7. NON ORTHOGONAL CONTRAS ( Bonferroni t statistics )

Sebagai ilustrasi digunakan contoh penelitian dengan 5 perlakuan A, B, C, D, dan

E set kontras yang diuji sebagai berikut :

 

KONTRAS

A

B

C

D

E

Cik

1.

A

vs

BCDE

4

-1

-1

-1

-1

0

2. BC

vs

DE

 

1

1

-1

-1

0

3.

C

vs

DE

   

2

-1

-1

0

4.

D

vs

E

     

1

-1

0

t

Ci1.Ci2 = (4)(0) + (-1)(1) + (-1)(1) + (-1)(-1) + (-1)(-1) = 0

 

i=1

t

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

 

i=1

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.

PROSEDUR PENGUJIAN

1. Mencari fungsi linier dengan rumus :

_ Qk = ∑ Cik Yi. _ _ atau _ _ Qk = C1k Y1.
_
Qk = ∑ Cik Yi.
_
_
atau
_
_
Qk = C1k Y1. + C2k Y2. +
_
+ Ctk Yt.
2. Mencari harga tbk dengan rumus :
Q
k
tbk
=
t ⎞
2
∑ ik
C
i
=
1
* KT
galat
r
i

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

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

Contoh soal :

GILL, 1978.

Suatu penelitian dengan 8 perlakuan masing-masing diulang 6 kali

Penelitian menggunakan RAL dan hasilnya sebagai berikut :

Perlakuan :

A

B

C

D

E

F

G

H

Yi.

44

119

84

51

65

22

32

33

KT galat = 7.62

Ujilah set kontras berikut ini !

Perlakuan

A

B

C

D

E

F

G

H

C 2 ik

 

Yi .

44

119

84

51

65

22

32

33

A

vs Semua

7

-1

-1

-1

-1

-1

-1

-1

56

BC

vs DE

 

1

1

-1

-1

     

4

F

vs GH

         

2

-1

-1

6

DE

vs FGH

     

3

3

-2

-2

-2

30

Pada uji syarat ke 2 ada yang tidak sama dengan nol maka pengujiannya

menggunakan kontras yang non orthogonal

_

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

= 16.33

_

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

_

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

_

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

tb 1 =

tb 2 =

16.33

(56/6)(7.6 2)
(56/6)(7.6 2)

= 1.936

14.50 (4/6)(7.62)
14.50
(4/6)(7.62)

= 6.433

**

tb 3 =

tb 4 =

- 3.5 (6/6)(7.62)
- 3.5
(6/6)(7.62)

= - 1.268

29

(30/6)(7.62)
(30/6)(7.62)

= 4.698

**

IV. SUB SAMPLING DALAM RAL

Sering

terjadi

bahwa

pengamatan

tidak

dilakukan

terhadap

setiap