Percobaan & Rancangan Pengacakan & Penataan Pola & Model Rancangan Nilai Beda Rataan Telaah Data
H. Muhammad Ruslan H Muhammad Aqla Sulaiman Bakri Abdul Aziz Karim Meratusiaagustus2010
PENGANTAR KATA
Sajian materi Rancangan Percobaan ini dalam salahsatu Materi Perkuliahan berjudul Statistika II. Sajian awal berupa transfaransi yang ditayangkan melalui OHP (1994), kemudian berupa power point yang disajikan melalui LCD (2005), kemudian melalui internet (2009) dapat diunduh secara gratis dalam bentuk pdf. Kini kami sajian ke dalam bentuk word dengan harapan uraian sebelumnya menjadi lebih jelas dan diupayakan mengarah ke bidang kehutanan. Perubahan ini dilakukan sekaligus juga sebagai Catatan Kenangan bahan kuliah yang pernah kami (Abdul Aziz Karim) tayangkan selama aktif di Fakultas Kehutanan Universitas Lambung Mangkurat, Kota Banjarbaru Kalimantan Selatan yang berakhir Juni 2011. Penyusunan ke dalam eBook ini dilakukan bersama bp. Prof.DR.Ir.H. Muhammad Ruslan, MSc, Ir. H.Muhammad Aqla, MP. Ir. Sulaiman Bakri, MP. dan sekaligus sebagai penyaji. Tak lupa kami ucapkan terimakasih atas partisipasi Perpustakaan Fakultas Kehutanan Unlam Banjarbaru, PT. Aya Yayang Indonesia di Tabalong (Kalimantan Selatan), sdr-sdr Ardiansyah (1997), Sugiaktor (2001), Ulfah,F.(2002), Madelina S.,N. (2003), Ishariadi (2002), Sumarsono, A.(2003), Frendesima (2003) atas tambahan informasinya. Banjarbaru, Agustus 2010 H. Muhammad Ruslan H. Muammad Aqla Sulaiman Bakri Abdul Aziz Karim
Rancangan Percobaan ii
Sajian Materi
No. T e k s
Pengantar Kata . Sajian Materi . Percobaan dan Rancangan 11. Pengertian Percobaan dan Rancangan .. 12. Tujuan suatu Percobaan 13. Dasar-Dasar Suatu Percobaan ... 14. Beberapa Istilah dalam suatu Rancangan Percobaan 15. Pola dan Model suatu Percobaan .. 16. Telaah Data 17. Analisis Regresi dan Korelasi . Pengacakan dan Penataan 21. Percobaan Sederhana Lengkap .. 22. Percobaan Kelompok . 23. Percobaan Faktorial dan Tersarang Pola Percobaan Sederhana . 31. Rancangan Acak Lengkap . 32. Rancangan Acak Kelompok . 33. Rancangan Bujursangkar Latin Pola Percobaan Faktorial 41. Pengertian Faktorial .. 42. Rancangan Acak Lengkap Faktorial .. 43. Rancangan Acak Kelompok Faktorial . 44. Rancangan Berpetak Pola Percobaan Tersarang . 51. Pengertian Anak-Contoh & Tersarang . 52. Rancangan Acak Tersarang Sederhana 53. Rancangan Acak Tersarang Faktorial Uji Beda Rataan 61. Uji Beda Rataan Berdasarkan Kriteria Uji . 61. Uji Beda Rataan Berdasarkan Nilai KK Telaah Data 71. Kerangka Pikir . 72. Uji Keaditifan . 73. Uji Kehomogenitasan .. 74. Uji Normalitas . 75. Transformasi Data Bahan Bacaan
Rancangan Percobaan iii
Hal.
ii iii 10-1 10-1 10-1 10-2 10-4 10-9 10-10 10-11 20-1 20-1 20-4 20-12 30-1 30-1 30-12 30-23 40-1 40-1 40-2 40-14 40-22 50-1 50-1 50-2 50-7 60-1 60-2 60-14 70-1 70-1 70-2 70-4 70-6 70-11
10
20
30
40
50
60
70
No. 3-1 3-2 3-3 3-4 3-5 3-6 3-7 3-8 3-9 3-10 3-11 3-12 3-13 3-14 3-15 3-16 4-1 4-2 4-3 4-4 4-5 4-6 4-7 4-8 4-9 4-10 4-11 4-12 4-13 4-14 4-15 4-16 5-1 5-2 5-3 5-4 5-5 5-6 5-7 5-8 7-1 7-2 7-3 7-4 7-5 7-6
T a b e l Bagan pengamatan RALengkap (5 x 3) dengan 5 contoh uji . Bagan pengamatan RALengkap (5 x 3) ... Bagan pengamatan umum RALengkap ... Bagan Analisis Keragaman RALengkap Bagan Analisis Keragaman RAL Model Tetap . Bagan Analisis Keragaman RAL Model Acak Bagan pengamatan umum RAL dengan ulangan taksama .. Bagan Analisis Keragaman RALengkap untuk ulangan taksama Bagan pengamatan RAKelompok (3 x 4) dengan 4 contoh uji . Bagan pengamatan RAKelompok (3 x 4) . Bagan Pengamatan umum RAKelompok . Bagan Analisis Keragaman RAKelompok Bagan Analisis Keragaman RALengkap (2) .. Bagan Analisis Ragam RAK Model Tetap dan Model Acak .. Bagan Pengamatan RBSLatin untuk (5 x 5) . Analisis Keragaman RBSLatin . Pengkombinasian yang Keliru . Pengkombinasian yang tidak berkombinasi . Pengkombinasian yang mustahil Pengaruh sederhana, pengaruh utama dan interaksi .. Bagan pengamatan umum percobaan 2F pada RALengkap .. Bagan analisis keragaman Percobaan 2F RALengkap . Bagan pengamatan umum percobaan 3F RALengkap Bagan analisis keragaman Percobaan 3F RALengkap Bagan pengamatan umum percobaan 2F RAKelompok .. Bagan analisis keragaman percobaan 2F RAKelompok Bagan pengamatan umum percobaan 3F RAKelompok Bagan analisis keragaman percobaan 3F RAKelompok .. Derajat bebas pada RPTerbagi untuk berbagai susunan petak . Analisis keragaman percobaan 2F RPTerbagi dalam Acak Lengkap Analisis keragaman percobaan 2F RPTerbagi dalam Acak Kelompok . Analisis Keragaman percobaan 2F RPTerbagi dalam BsLatin Bagan Pengamatan RALengkap Tersarang . Bagan Analisis Keragaman RALengkap Tersarang . Bagan Pengamatan RAKelompok Tersarang . Bagan Analisis Keragaman RAKelompok Tersarang ......................................... Bagan Pengamatan RALengkap Tersarang Faktorial . Bagan Analisis Keragaman RALengkap Tersarang Faktorial Bagan Pengamatan RAKelompok Tersarang Faktorial Bagan Analisis Keragaman RAKelompok Tersarang Faktorial Bagan pengujian Uji Keaditifan .. Bagan Analisis Uji Keaditifan .. Bagan penduga ragam untuk ulangan sama . Bagan penduga ragam untuk ulangan berbeda Bagan pengujian Lilliefors . Bagan pengujian Kolmogorov & Smirnov ..
Hal.
30-2 30-3 30-3 30-4 30-6 30-7 30-11 30-11 30-13 30-14 30-14 30-15 30-16 30-18 30-25 30-25 40-2 40-2 40-3 40-4 40-8 40-8 40-11 40-11 40-16 40-16 40-19 40-19 40-25 40-25 40-25 40-26 50-2 50-3 50-5 50-5 50-8 50-8 50-11 50-11 70-2 70-3 70-4 70-5 70-7 70-8
iv
Rancangan Percobaan
No. 2-1 2-2 3-1 3-2 4-1 4-2 4-3 4-4 4-5 4-6 5-1 5-2 6-1 7-1 7-2
Rancangan Percobaan v
Gambar Ilustrasi hasil acak lengkap . Ilustrasi hasil acak kelompok Pola percobaan acak lengkap (5 x 3) Pola percobaan acak kelompok (3 x 4) . Ilustrasi Interaksi dan Respon Pola percobaan RALengkap (2 x 3) Faktorial .. Pola percobaan Faktorial (2 x 3 x 2) RALengkap . Pola percobaan Faktorial (2 x 3) RAKelompok .. Pola Percobaan Faktorial (2 x 3 x 2) RAKelompok . Pola dasar percobaan petak terbagi .. Pola dasar percobaan tersarang ..... Pola dasar percobaan faktorial .. Ilustrasi kehomogenan dan atau keheterogenan . Ilustrasi keabsahan analisis . Ilustrasi pengujian data
Hal.
20-2 20-5 30-2 30-13 40-5 40-8 40-11 40-15 40-19 40-24 50-1 50-2 60-15 70-1 70-1
No. 01 Bilangan Teracak 1-1. Tabel Bilangan Teracak 1-2. 10.000 Bilangan Teracak
Lampiran - Lampiran
02 Penentuan Nilai Kritis Sebaran Fisher 03 Penentuan Nilai Kritis Sebaran t-Student 04 Penentuan Nilai Sebaran Chi-Kuadrat 05 Nilai Baku t-Dunnett 5-1. Pengujian satu arah [tDunnett = d (,p,dbG)] 5-2. Pengujian dua arah tDunnett = d (/2,p,dbG) 06 Nilai Uji Prosedur Tukey 07 Nilai Uji Jarak Duncan 08 Nilai Kritis Uji Lilliefors 09 Nilai Kritis Uji K&S 10 Bentuk & Penentuan Kombinasi 10-1. Bentukbentuk standard square yang dapat digunakan langsung dalam suatu percobaan 10-2. Cara menentukan kombinasi A, B dan C dalam RALengkap 3F 10-3. Cara menentukan kombinasi A, B dan C dalam RAKelompok 3F 11 Data dan Data 11-1. Data pengamatan ketebalan kayu lapis (mm) inti lamina pada tiga variasi tekanan kempa panas. Kasus 3-11. 11-2. Riap tinggi Acacia mangium pada umur 4, 6 dan 11 tahun dengan 3 kelerengan (Kasus 3-21). 11-3. Percobaan model (M) dan pengikat (P) sambungan pada balok batang kelapa. Hasil percobaan berupa MoR (kg f/cm3). Kasus 4-11. 11-4. Data pertambahan diameter (cm) [Kasus 4-12]. 11-5. Rekapitulasi Data emisi gas formaldehida. Kasus 4-13. 11-6. Keteguhan Rekat (kg/cm2) kayu lapis menurut Standar Jepang Kasus 4-14. 11-7. Pertambahan tumbuh anakan. Kasus 4-21. 11-8. Hasil pengamatan nilai pertambahan anakan. Kasus 4-22. 11-9. Rekapitulasi data pertambahan diameter batang anakan (mm). Kasus 4-31 11-10. Rekapitulasi data pertambahan tinggi anakan meranti (cm). Kasus 4-32. 11-11. Nilai rataan kadar air kayu normal (%) dalam batang Kahoi (Shorea balangeran) dengan berbagai ketinggian (Kasus 7-41). 11-12. Keteguhan rekat kayu lapis (Kasus 7-42).
Rancangan Percobaan
vi
10
B. Model Rancangan
Model suatu rancangan ada yang bersifat tetap dan bersifat taktetap (acak). Kesimpulan yang diperoleh suatu rancangan dengan model tetap hanya terbatas pada perlakuan yang dicobakan saja. Jadi tidak ada kaitannya dengan suatu populasi. Jika demikian maka kesimpulan tersebut tidak dapat digunakan untuk menduga populasi. Sedangkan untuk percobaan bersifat acak berhadapan dengan suatu populasi. Kesimpulan yang diperoleh dari populasi perlakuan didasarkan pada sejumlah p buah perlakuan yang dicobakan (contoh atau sample), dimana setiap perlakuan dipilih secara acak dari populasi perlakuan yang ada. Sehingga uraian Model I (Model Tetap) hanya dijelaskan pada Pola Rancangan Sederhana saja dengan maksud sebagai pengetahuan dasar saja. Sedangkan untuk pola rancangan lainnnya mengarah pada Model II (Model Acak) yaitu percobaan acak. Berdasarkan pola-pola percobaan tersebut diperoleh model-model suatu rancangan percobaan adalah a. Pola Percobaan Sederhana 1) Rancangan Acak Lengkap (RAL) 2) Rancangan Acak Kelompok (RAK) 3) Rancangan Bujursangkar Latin (RBL) b. Pola Percobaan Faktorial 1) Rancangan Acak Lengkap Faktorial (RALF) 2) Rancangan Acak Kelompok Faktorial (RAKF) 3) Rancangan Petak Terbagi (RPT) c. Pola Percobaan Tersarang 1) Rancangan Acak Lengkap Tersarang (RALT) 2) Rancangan Acak Kelompok Tersarang (RAKT) 3) Rancangan Acak Lengkap Faktorial Tersarang (RALFT) 4) Rancangan Acak Kelompok Faktorial Tersarang (RAKFT)
menolak atau memperkuat hasil-hasil percobaan terdahulu. Berdasarkan kesimpulan yang diperoleh akan membantu peneliti dalam menentukan suatu keputusan. Dari uraian di atas berarti setiap percobaan akan menjawab satu atau lebih pertanyaan. Setiap percobaan tidak selalu memberikan hasil yang memuaskan. Bahkan tidak jarang bertentangan dengan kewajaran. Bila demikian apa bedanya dengan istilah penelitian. Pada dasarnya adalah sama. Penelitian adalah juga percobaan, namun lebih menekankan pada tata cara ilmiah untuk memperoleh data dengan tujuan dan kegunaan tertentu Dari pengertian tsb perlu dipahami tentang tata cara ilmiah, data, tujuan dan kegunaan. Secara ringkas diuraikan sbb : 1) Tata cara ilmiah dimaksud bahwa kegiatan yang dilakukan didasarkan pada ciri-ciri keilmuan yaitu rasional, emperis dan sistematis. rasional diartikan sebagai kegiatan2 percobaan yang dilakukan dengan cara-cara yang logis, sehingga mampu dijang-kau dengan daya nalar (kerangka pikir) emperis diartikan cara yang digunakan selama percobaan dapat diamati/ dipantau oleh indera manusia, sehingga orang lainpun dapat pula mengamati dengan cara-cara yang telah dilakukan. sistematis diartikan tata cara pelaksanaan yang dilakukan dengan langkah2/tahapan2 tertentu dan bersifat logis (wajar). 2) Data merupakan suatu nilai yang mempunyai kriteria tertentu yaitu valid, rellable dan obyektif. valid menunjukkan derajat ketepatan yaitu ketepatan antara data yang sesungguhnya dengan data yang dapat dikumpulkan oleh si peneliti. rellable menunjukkan derajat konsisten yaitu konsisten data dalam selang waktu tertentu. obyektif menunjukkan derajat persamaan persepsi antara seseorang dengan orang lain.
untuk menjawab dugaan-dugaan, pertanyaan-pertanyaan atau persoalan-persoalan yang timbul pada pengamatan suatu percobaan.
Rancangan Percobaan adalah salah satu alat bantu ilmiah (statistik) yang berguna
Tujuan akhir dari suatu percobaan untuk mengetahui apakah sesuatu yang diperlakukan (perawatan atau perlakuan) terhadap obyek menghasilkan perbedaan yang nyata atau tidak secara statistik. Mengingat suatu percobaan memerlukan bahan, biaya dan waktu maka hendaknya rancangan yang dibuat sesederhana mungkin. Ini berarti perlu meminimalkan bahan, biaya dengan waktu yang tidak terlalu lama, namun tujuan yang diinginkan dapat terpenuhi. Hal tsb berkaitan dengan banyaknya data yang diperlukan (contoh) dari sejumlah data yang ada (populasi).
A.Pengacakan
Pengacakan merupakan suatu proses untuk mengambil (menarik, menetapkan) sebagian kecil dari seluruh individu populasi untuk dijadikan individu contoh atau pewakil. Maksudnya agar terpilih tidaknya satuan percobaan tanpa pengaruh subyek dengan harapan nilai duga yang diperoleh adalah sah (tak bias bagi galat percobaan). Perlakuan yang diberikan terhadap satuan percobaan pada rancangan yang sistematis dan dilakukan secara tidak acak dengan pola tertentu yang telah dipilih sebelumnya. Biasanya akan menghasilkan galat percobaan terlalu besar atau terlalu kecil. Pengacakan juga merupakan proses untuk penataan satuan-satuan percobaan atau unit percobaan dalam suatu pola percobaan. Dalam menataan satuan-satuan percobaan, baik berupa perlakuan atau ulangan/kelompok diupayakan tidak ada yang dirugikan dan setiap perlakuan maupun ulangan/kelompok mendapatkan kesempatan yang sama untuk diberikan pada sembarang satuan percobaan. Untuk memenuhi proses acak ini (pengacakan) berbagai cara yang dapat dilakukan. Nnamun demikian untuk menghindari kemungkinan terjadi bias digunakan Tabel Bilangan Teracak. Beberapa tabel acak dapat digunakan disajikan pada Lampiran 01 (TaLam 1-1). Kenyataannya proses jarang dilakukan dengan beberapa alasan antara lain : asalkan saat menata satuan percobaan tanpa pengaruh subyektif; ini biasanya dilakukan oleh peneliti yang berpengalaman, proses acak dianggap pekerjaan cukup rumit dan hasilnya tidak jauh berbeda jika dilakukan tanpa pengacakan. Disisi yang berbeda, proses acak bagaikan uji kejujuran seseorang. Karena telah dikemukakan bahwa pengacakan menginginkan yang terpilih mempunyai kesempatan yang sama dan terpilihnya obyek tanpa pilih kasih (tanpa pengaruh subyek/pengacak). Tanpa pilih kasih ini yang menguji kejujuran seseorang sebagai pelaksana.
B. Lokal Kontrol
Lokal kontrol dimaksud adalah upaya pengelompokan, menyeimbangkan satuansatuan percobaan ke kondisi yang lebih homogen. Pengulangan dan pengacakan pada dasarnya memungkinkan berlakunya (sah) uji nyata (test significant), sedangkan lokal kontrol menyebabkan agar prosedur pengujian dengan kuasa yang lebih tinggi.
Percobaan & Rancangan 10-3
C. Pengulangan
Pengulangan yang dimaksud adalah mengulang satuan percobaan pada perlakuan yang sama. Adanya pengulangan diharapkan dapat : 1) meningkatkan ketepatan percobaan dengan memperkecil galat baku (standard deviation) satuan percobaan. Sehingga makin banyak pengulangan diharapkan nilai rataan data yang diperoleh (mean) makin teliti. 2) menghasilkan nilai duga dari galat percobaan. Guna nilai duga tsb untuk menentukan lebar selang kepercayaan (interval confidence) atau sebagai satuan dasar ukuran untuk menetapkan taraf nyata (level significant) dari perbedaan-perbedaan yang diamati. 3) memperluas daya cakup kesimpulan pada satuan-satuan percobaan yang lebih beragam. Banyaknya ulangan tergantung dari : 1) derajat ketelitian yang diinginkan 2) peralatan dan bahan percobaan yang tersedia 3) bentuk dan luas dari satuan percobaan (experimental unit) 4) variabilitas individu Paterson (1939) mengemukakan bahwa banyaknya ulangan (n) pada suatu percobaan didasarkan pada derajat bebas (degree of freedom error) dari analisis keragaman (analysis of variance) suatu rancangan (design), yaitu berkisar dari 10 (paling sedikit) sampai 20 (sebaiknya). Untuk memudahkan perhitungannya dianjurkan diambil nilai tengahnya yaitu 15 (banyaknya ulangan minimal). Rumusan pengulangan ini diperoleh dari db Galat (dbG) yang sesuai dengan masing-masing model percobaan (rancangan).
Contoh 1-1.
dbe RAL ; p (n 1) = 15 bila p = 3; 3 (n 1) = 15 n=6 Banyaknya satuan percobaan = p x n = 18 dbe RAK ; (p 1)(n 1) = 15 bila p = 3; (3 1)(n 1) = 15 n9 Banyaknya satuan percobaan = p x n = 27 Dalam suatu percobaan terkadang ditemui pengulangan satuan percobaan dengan perlakuan yang sama, tapi kondisi pengulangan itu sendiri yang tidak sama (heteroden). Untuk kasus seperti perlu dilakukan pengelompokan ulangan yang lebih homogen. Pengelompokan ini yang biasanya disebut kelompok atau blok. Jadi ulangan yang ada diidentikan sebagai kelompok. Kemudian biasanya dibuat lagi ulangan tiap perlakuan. Disini pengertiannya menambah satu satuan percobannya sebanyak n dengan maksud untuk memperkecil galat prcobaan. Tidak berarti ada ulangan di dalam ulangan atau kelompok.
10-4
Contoh 1-2. Katakan ingin mengetahui keteguhan rekat kayu lapis terhadap tekanan
Ulangan
8
Tekanan (kg/cm2)
10 12
1 2 3 4
dingin pada perusahaan kayu Borneo Playwood. Tekanan dingin yang dicobakan 8 kg/cm2, 10 kg/cm2 dan 12 kg/cm2 sebagai perlakuan. Bentuk susunan ulangannya (diulang 4 kali tiap tekanan) seperti ilustrasi (1) disamping ini. Jika percobaan tersebut akan dilakukan dua atau lebih (Misal Borneo Playwood dan Meratus
Playwood) dengan perlakuan ulangan yang sama, maka bentuk susunnya menjadi seperti ilustrasi (2) berikut. Kelompok Borneo Playwood Tekanan (kg/cm2)
8 10 12 8
Meratus Playwood
10 12
Jadi penambahan perusahaan tidak berarti berupa ulangan yang sebenarnya, tetapi pengulangan yang kondisinya berbeda (heterogen) sehingga dijadikan kelompok. Sedangkan pengulangan yang terdahulu (4 kali) merupakan contoh uji masing-masing perlakuan. Atau dengn kata lain satu-satuan percobaan terdiri dari 4 contoh uji. Nilai yang akan dhitung adalah R/4.
10-5
jenis meranti M (+) bagian tengah meranti P = M.tP jenis meranti M (+) bagian ujung meranti P = M.uP
Kedua
: jenis meranti P (+) bagian pangkal meranti M = P.pM jenis meranti P (+) bagian tengah meranti M = P.tM jenis meranti P (+) bagian ujung meranti M = P.uM
(+) dibaca berkombinasi dengan Selanjutnya perhatikan ilustrasi kombinasi seperti gambar berikut Jenis M.merah Bagian Batang pangkal Tengah ujung pangkal Tengah ujung Contoh uji Ilustrasi interaksi mustahil Pengkombinasian (pertama ataupun kedua) adalah mustahil terjadi. Garis warna merah mengilustrasikan kemustahilan tersebut. Bagian pangkal, tengah dan ujung dimiliki masing-masing jenis (meranti merah dan meranti putih) dan tidak bisa digabungkan (kombinasikan). Bagian pangkal, tengah dan ujung akan menyisip ke masing-masing jenis. M.Merah
M.putih
M.putih
10-6
Cara pengkombinasian seperti contoh ini dapat ditelaah pada kasus-kasus percobaan kelompok atau tersarang. 2) Katakan ingin menganalisa sifat fisik kayu lapis yang dipasarkan oleh perusahaan perkayuan. Untuk itu yang dijadikan pewakil dari beberapa perusahaan terpilih 2 perusahaan yang memproduk kayu lapis dengan jumlah masing-masing lapisan sebanyak 3 lapisan finir (tripleks), 5 lapisan finir (multipleks), 7 lapisan finir (multipleks). Contoh uji yang diambil sebanyak 4 lembar yang dijadikan sebagai ulangan. Perlakuan pertama berupa jumlah lapisan finir (3, 5, 7 lapisan finir) dengan notasi masing-masing f1, f2 dan f3; dan perlakuan kedua adalah asal produk kayu lapis dalam ini perusahaan A dan B dinotasikan sebagai p1 dan p2. Kombinasi yang terjadi adalah f1p1 , f1p2 , f2p1 , f2p2 , f3p1 , f3p2 Telah dijelaskan bahwa interaksi merupakan kombinasi (penggabungan) 2 faktor atau beberapa subfaktor (taraf) dari 2 faktor yang saling berkaitan. Selanjutnya perhatikan ilustrasi kombinasinya. f1 f1 p1u1 f1 p1u2 f1 p1u3 f1 p1u4 f1 p1u. f1 p2u1 f1 p2u2 f1 p2u3 f1 p2u4 f1 p2u. f2 f2 p1u1 f2 p1u2 f2 p1u3 f2 p1u4 f2 p1u. f2p2u1 f2p2u2 f2p2u3 f2p2u4 f2p2u. f3 f3p1u1 f3p1u2 f3p1u3 f3p1u4 f3p1u. f3p2u1 f3p2u2 f3p2u3 f3p2u4 f3p2u.
p1
Jumlah
p2
Jumlah
Ilustrasi perlakuan tidak berkombinasi Disini ketiga produk kayu lapis tersisip ke masing-masing perusahaan. Antara masing-masing perusahaan tidak terjadi kombinasi interaksi kayu lapis. Jadi merupakan 3 perlakuan tunggal atau perlakuan tunggal dengan 3 taraf untuk tiap perusahaan. Penganalisaan sifat fisik seperti contoh ini dilakukan pada masing-masing perusahaan atau kedua perusahaan tersebut dijadikan kelompok. Cara pengkombinasian seperti contoh ini dapat ditelaah pada kasus-kasus percobaan kelompok atau tersarang. 3) Penggunaan 3 jenis media sapih (tanah berpasir, tanah gambut dan tanah bakaran sampah) dan pemberian unsur hara berupa pupuk kandang dan bekas bakaran sampah. Perhatikan ilustrasi disamping ini. Misal ketiga jenis media sapih h1 m1 dilambangkan dengan M yang terdiri tiga taraf yaitu m1, m2 dan M m2 H m3. Selanjutnya unsur hara misal m3 h2 dilambangkan dengan H yang terdiri dari dua taraf yaitu h1 dan Ilustrasi perlakuan berinteraksi h2.
Percobaan & Rancangan 10-7
Selanjutnya perhatikan kombinasi dalam bagan pengamatan (u = ulangan). m1 h1 h2 m1h1u1 m1h1u2 m1h1u3 m2h1u1 m2 m2h1u2 m2h1u3 m3h1u1 m3 m3h1u2 m3h1u3
m1h2u1 m1h2u2 m1h2u3 m2h2u1 m2h2u2 m2h2u3 m3h2u1 m3h2u2 m3h2u3 Ilustrasi interaksi dalam bagan pengamatan
Kombinasi kedua perlakuan adalah m1h1, m1h2, m2h1, m2h2, m3h1 dan m3h2. Kombinasi disini antara media sapih dan unsur saling berinteraksi; hasil insteraksi yang akan dilihat atau diamati adalah pertumbuhan misalnya. Logikanya media sapih dapat dicampur atau disatu-padukan dengan unsur hara dan sebaliknya. Jadi disini nampak bahwa hasil interaksi M dan H yaitu mhu adalah juga data perkembangan respon pertumbuhan (misal : tinggi, diameter, jumlah daun).
B. Satuan Percobaan
Satuan percobaan (experimental unit) adalah media pengamatan yang diperlakukan pada suatu percobaan. Ujud satuan percobaan tergantung dari keadaan suatu percobaan; misal berupa bidang tanah, tanaman/hutan, hewan/ternak atau kumpulan suatu jenis tertentu. Tekanan utama terhadap satuan percobaan adalah diupayakan keadaannya (kondisi) seseragam mungkin. Misal penggunaan tanah sebagai media tumbuh suatu persemaian diupayakan berat dan kesuburannya seragam (homogen).
C. Pengamatan
Pengamatan (observation) merupakan upaya menyelidiki perkembangan suatu pertumbuhan atau pengambilan data suatu percobaan. Hasil pengamatan (respon) berupa angka-angka dengan satuan ukuran tertentu. Misal tinggi tanaman dalam cm atau meter, diameter batang dalam cm, luas daun dalam cm2, banyaknya daun dalam helai, produksi biji/buah dalam butir, gram atau kg. Hasil pengamatan selanjutnya akan direkam ke dalam tabel yang disebut tabel pengamatan. Bagaimana bentuk tabel pengamatan untuk merekam data tidak ada acuan khusus. Namun upayakan tabel pengamatan dibuat sesederhanakan mungkin dan yang paling penting adalah tabel dibuat mengarah untuk pengolahan data (perhitungan jumlah kuadrat). Paling tidak dapat menghemat waktu dan mengurangi kelelahan. Sebagai alat bantu program Excel dapat dimanfaatkan untuk merancang bagan tersebut sekaligus untuk memudahkan perhitungan.
D. Populasi
Populasi (population) merupakan sekumpulan (kumpulan) dari seluruh individu.
E. Contoh
Kata CONTOH (sample) dibenak kita tentu mengandung arti sebagian kecil atau besar dari seluruh individu yang diambil atau diperoleh dengan harapan contoh tersebut dapat mencerminkan karakteristik seluruh individu yang bersangkutan. Pengambilan sebagian kecil atau sebagian besar dari seluruh individu tsb dikenal dengan Penarikan Contoh. Seluruh individu yang dimaksud dinyatakan sebagai populasi.
Percobaan & Rancangan 10-8
Bagaimana agar contoh yang diambil dapat mencerminkan karakteristik suatu populasi ?. Sehingga ia (contoh) benar-benar dapat dijadikan pewakil dari populasi yang berssangkutan. Cara yang sangat sederhana adalah cara arisan atau undian / lotre. Tetapi apakah dapat memenuhi harapan ? Agar harapan terpenuhi hendaknya individu-individu yang diambil sebagai pewakil (contoh) menyebar bebas secara menyeluruh dlm seluruh individu populasi. Upaya apa agar terpenuhi harapan tersebut ? Cara yang terbaik (tanpa bias) adalah mengambil secara bebas tanpa pengaruh (keinginan) subyek sedikitpun. Ini berarti setiap individu populasi mempunyai kesempatan yang sama untuk diambil (dipilih) dan tanpa pilih kasih. Atau dengan kata lain setiap individu populasi mempunyai peluang yang sama untuk dipilih. Tanpa pilih kasih maksudnya bahwa subyek (pengacak) hanya sebagai pelaksana dan meniadakan keinginan pengacak (enak, bagus, mudah). Disini mengandung uji jati diri, dimana si pengacak (pelaksana; yang melakukan) tidak diperkenankan untuk mempengaruhi saat dilakukan proses pengacakan (menentukan tanpa pilih kasih). Kelemahannya adalah bagaimanapun kondisi individu yang terpilih, tidak ada alasan untuk menolaknya. Misal yang terpilih adalah yang tidak diinginkan (jelek, kurang baik, atau sejenisnya); tidak ada pilihan dan tetap diterima sebagai hasil acakan. Upaya (proses) pengambilan setiap individu populasi secara bebas tanpa pilih kasih disebut sebagai proses acak atau pengacakan (randomized).
F. Peubah
Peubah (variable) merupakan sifat mutu (kaulitas) yang dapat perbedaan antara satu individu dengan lainnya dalam suatu populasi. menunjukkan
Peubah terputus (descrete variable) adalah hasil-hasil pengamatan berupa angkaangka bulat. Peubah sinambung (continous variable) adalah hasil-hasil pengamatan berupa angkaangka pecahan. G. Keragaman Keragaman (variation) atau variasi adalah perubahan nilai yang berbeda-beda dari sekumpulan hasil pengamatan. Misal hasil pengamatan akan menunjukkan angka-angka (nilai data) yang tidak selalu sama. H. Galat Percobaan Setiap hasil pengamatan selalu mengandung kesalahankesalahan yang dinyatakan sebagai galat percobaan (experimental error). Galat percobaan (experimental error) merupakan ukuran keragaman diantara semua pengamatan yang berasal dari satuan percobaan dan mendapat perlakuan sama. Pada dasarnya keragaman tersebut bersumber dari setiap bahan percobaan dan saat pelaksanaan percobaan. Keragaman (kesalahan) tersebut dapat disebabkan/dipengaruhi oleh faktor dalam dan atau faktor luar.
10-9
satuan perlakuan dan atau saat pemberian perlakuan terhadap obyek pengamatan. Sehingga dalam pelaksanaanya diupayakan secermat mungkin. Misalnya dua anakan meranti yang dianggap sama (seragam), ternyata mempunyai susunan genetik yang berbeda. Ini merupakan keragaman yang bersumber dari dalam bahan percobaan itu sendiri (intern ). Bila kedua anakan meranti tsb diberi pupuk dengan dosis yang berbeda (perlakuan) maka akan menimbulkan keragaman (ketidak seragaman) yang disebabkan tidak seragamnya pelaksanaan percobaan.
Faktor dalam berasal dari perlakuan itu sendiri, yaitu pada saat menentukan ukuran
Faktor luar yang mempengaruhi tergantung dari keadaan percobaan, yaitu apakah pelaksanaan percobaan di laboratorium atau di lapangan. Faktor luar tsb ada yang dapat diatur dan ada pula yang tidak. Temperatur (bukan sebagai perlakuan) misalnya; dapat diatur dalam laboratorium dan tidak bila di lapangan. Umumnya faktor luar ini yang lebih banyak menyebabkan kesalahan percobaan. Sehingga faktor-faktor yang memungkinkan dapat mempengaruhi ketelitian hasil pengamatan (kecuali perlakuan) harus diupayakan seseragam (sehomogen) mungkin. Memperhatikan sumber keragaman dalam suatu percobaan maka tidak mungkin kiranya berupaya untuk meniadakan keragaman dalam percobaan. Lebih bijak bila memperkecil keragaman tsb sehingga galat percobaan yang timbul dapat dikendalikan. Dengan terkendalinya galat percobaan diharapkan kuasa uji bertambah tinggi, lebar selang kepercayaan menjadi sempit. Upaya pengendalian galat tsb dapat dilakukan pada rancangan percobaan, penggunaan analisis bantu atau penyeragaman ukuran dan bentuk satuan percobaan.
Galat percobaan (percobaan) diperoleh ragam percobaan (2percobaan) yang biasanya disebut sebagai kuadrat tengah galat (KTG), sehingga rumusan koefisien keragaman menjadi KK =
(KTG)1/2 Y..
x 100%
Batas terbesar nilai KK belum ada patokan yang jelas. Pengalaman menunjukkan bahwa percobaan yang cukup terandal mempunyai nilai KK tidak lebih dari 20%. Nilai KK yang relatif kecil sangat diharapkan, tetapi nilai yang sangat kecil perlu curigai. Karena keragaman di alam sangat bervariasi, sehingga nilai KK yang sangat kecil cenderung terjadi pengaturan data percobaannya. Nilai KK yang menunjukkan keterandalan cukup baik sekitar 10%. K. Uji Beda Rataan Jika uji Fisher hanya dapat menunjukkan perlakuan mana saja yang berbeda nyata secara umum, maka uji ini dapat menunjukkan pasangan perlakuan mana saja yang menunjukkan perbedaan yang nyata. Berdasarkan hasil uji inilah si peneliti dapat menyimpulkan hasil percobaan. Selanjutnya si peneliti dapat mengemukakan saran dan merekomendasikan hasil penelitiannya.
10-11
20 PENGACAKAN
dan PENATAAN
Pengacakan atau penarikan contoh secara acak untuk memperoleh pewakil dari suatu populasi yang umumnya bersifat heterogen. Pengacakan merupakan juga pengambilan sebagian individu populasi (biasanya lebih kecil) untuk dijadikan contoh. Telah dikemukakan sebelumnya (Book STATISTIKA) bahwa contoh yang diperoleh mempunyai peluang yang sama untuk terpilih dan pemilihannya tanpa pilih kasih. Proses acak dapat dilaksanakan dengan metode Kelipatan n atau Metode Perikat. Untuk memenuhi upaya pengacakan ini akan menggunakan 10.000 Bilangan Teracak (Lampiran 01; TaLam 1-2) Pengacakan yang dimaksud disini lebih menekankan pada pengaturan tata letak satuan percobaan dengan pola percobaan tertentu. Proses acak disini dapat dikatakan sebagai pengacakan kedua. Adapun pengacakan pertama adalah penngambilan sebagian individu dari sejumlah individu populasi atau sejumlah individu yang dianggap sebagai suatu populasi. Pengacakan ini sebenarnya dilaksanakan sebelum pengambilan data atau sebelum penelitian dilaksanakan, yaitu saat dibentuknya pola percobaan. Setelah tatanan satuan percobaan dilaksanakan (diacak) kemudian dilanjutkan pengamatan sesuai dengan respon yang dirancang.
20-1
p2r3 p2r2
p3r1
p3r3 p3r2
p3r1
p2r3
p4r1
p4r1 p1r3
p4r3 p1r1
p3r2
p1r1
p2r2 (b)
p2r3
Gambar 2-1. Ilustrasi hasil acak lengkap (4 x 3) Gambar 2-1 mengilustrasikan hasil pengacakan jika : (a) ; proses acak dilakukan terhadap tiap perlakuan dan selanjutnya pengacakan ulangan dilakukan sekaligus terhadap seluruh perlakuan (b) ; proses acak dilakukan terhadap tiap perlakuan dan pengacakan ulangan dilakukan tiap perlakuan (c) ; proses acak dilakukan sekaligus terhadap tiap perlakuan dan tiap ulangan Contoh 2-11. Suatu percobaan terdiri 5 perlakuan pupuk (A, B, C, D, E) pada media tumbuh (tanah) dalam kantong plastik. Kemudian dinyatakan pengulangan dilakukan sebanyak 3 kali. Berarti satuan percobaan seluruhnya berjumlah 15. Proses acak untuk contoh disini dilakukan sekaligus dengan dasar pemikiran bahwa kondisi lingkungan maupun pengulangan pada tiap perlakuan juga homogen. Tahap pengacakannya yaitu
1 Lakukan penomoran satuan percobaan secara terurut (1, 2, 3, ,,,,,,, 15) dari kiri ke
kanan secara zigzag.
Urut satuan percobaan didasarkan pada peringkat nilai (bisa juga kelipatan n) angka acak.
Dipilih lembar 1
Terpilih lembar 1
Periksa lembar 1 Ternyata Baris 73 & Lajur 71 tidak ditemukan Baris 73 berada di lembar 3 Lajur 71 berada di lembar 2 Penyesuaian : B (73 50) = 23 L (71 50) = 21
No. urut
1 2 3 4 5 6 7 8 9 10 11 12
Angka acak
67 83 55 53 72 32 63 11 73 13 10 23
Peringkat
{10} {14} {08} {07} {11} {05} {09} {02} {12} {03} {01} {04}
20-3
Satuan perc.
C3 D3 E3
No. urut
13 14 15
Angka acak
37 74 88
Peringkat
{06} {13} {15}
Contoh 2-12. Katakan saja ulangan yang dibuat tiap perlakuan pada Contoh 2-11 terkait dengan miring tanah (kelerengan). Namun si peneliti yakin tidak akan berpengaruh terhadap pertumbuhan, mengingat kemiringan yang ada tidak begitu jelas. Untuk contoh disini ada keraguan bahwa kemiringan lapangan walau tidak begitu jelas ada kemungkinan berpengaruh terhadap pertumbuhan tanaman. Untuk kasus seperti ini dianjurkan supaya pola pengacakan dilakukan seperti pada kelompok (Contoh 2-21 atau Contoh 2-22).
Catatan : Karena bila ternyata setelah melalui kajian Koefisien Nisbi (KN) RAK terhadap
RAL adalah lebih besar 100%, berarti RAK lebih efisien dairpada RAL. Jika ini terjadi walau pola rancangan dapat diubah namun pola percobaan di lapangan tak dapat diubah. Dengan kata lain pola rancangan tidak sesuai dengan pola percobaannya. Karena sebenarnya pola rancangan dibuat menjadi suatu model berdasarkan dari bentuk pola percabaan. Kesimpulannya, jika demikian maka percobaan dilakukan ulang.
r2p1
r3p4
r3p2 r3p1
r2p1
rjp1
rkp1
r2p4
r3p1
r2p2
(c)
Gambar 2-2. Ilustrasi hasil acak kelompok (3 x 4) Gambar 2-2 mengilustrasikan hasil pengacakan jika : (a) ; pengacakan hanya dilakukan pada tiap perlakuan, sedangkan kedudukan/posisi kelompok tidak diacak (b) ; proses acak dilakukan terhadap tiap kelompok dan selanjutnya pengacakan ulangan dilakukan tiap kelompok (c) ; kelompok ri, rj atau rk tidak di acak atau dilakukan pengacakan seperti pada (a) atau (b). Untuk perlakuan tidak dilakukan pengacakan; jadi perlakuan yang diberikan diurut ke masing-masing kelompok. Contoh 2-21. Suatu percobaan dengan 8 perlakuan (A, B, C, D, E, F, G & H) akan dilakukan pada hamparan lahan yang miring. Katakan saja hamparan lahan tersebut ditemukan empat kemiringan (kelerengan) yang berbeda, sehingga setiap perlakuan diulang kembali pada keempat kelerangan tersebut. Untuk proses acaknya apakah kedelapan perlakuan yang didahulukan kemudian keempat kelerengan atau sebaliknya, atau sekaligus ke-32 satuan percobaan. Kerangka pikirnya keempat kelerengan bersifat heterogen, sehingga perlu didahulukan agar memperoleh hamparan kelerengan yang lebih homogen. Selanjutnya pengacakan kedelapan perlakuan (A, B, C, D, E, F, G & H) dalam tiap kelerangan. Pada kasus ini meskipun dilakukan pengelompokan lokasi tidak berarti kedudukannya perlu dilakukan pengacakan. Karena bagaimanapun bentuk urutan kedudukannya (penomoran) tidak akan berpengaruh respon pengamatan. Penomoran kemiringan lapangan diawali pada lokasi rendah hingga ke lokasi yang lebih tinggi. Sehingga bagaimanapun cara mengacaknya tidak akan mempengaruhi kedudukan/posisi kemiringan lapangan tersebut. Sebaliknya pengacakan yang perlu dilakukan pada perlakuan, mengingat masih memungkinkan adanya perbedaan. Jadi pada kasus ini seperti ini kedudukan kelompok tidak perlu dilakukan pengacakan. Pengacakan hanya dilakukan pada tiap perlakuan. Tahapan pengacakan :
2 Lakukan penomoran tiap perlakuan secara terurut tiap kelompok (gambar b). Nomornomor ini akan digunakan sebagai nomor (peringkat) kedudukan tiap perlakuan dalam tiap kelompok.
20-5
(a) Pola dasar bagan percobaan acak kelompok Proses acaknya bisa disesuaikan dengan urutan kedudukan kelompok (seperti gambar a) atau dilakukan sembarang. (b)
20-6
Dipilih lembar 3
Terpilih lembar 8 4
Perluasan 4 angka diperoleh baris 72 & lajur 80
Periksa lembar 4
c. Peringkat tiap perlakuan pada kelompok I Angka acak : 03089 43338 72569 959.. Satuan perc.
A B C D E F G H
No. urut
1 2 3 4 5 6 7 8
Angka acak
03 08 94 33 38 72 56 59
Peringkat
{1} {2} {8} {3} {4} {7} {5} {6}
d. Kedudukan tiap perlakuan pada kelompok I Perhatikan tatanan tiap perlakuan dalam kelompok ini kelompok II a. Menentukan angka acak (caranya serupa pada Kelompok I) b. Tentukan lembar terpilih dan angka teracak awal Dipilih lembar 1 dan angka yang tertunjuk kemudian setelah diperluas 4 angka adalah 18135 (baris ke 19 dan lajur ke 20). Periksa lembar 1, baris ke 81 & lajur ke 35. Ternyata baris 81 pada lembar 3. Penyesuaian : B (81 50) = 31 ATA dan AC lainnya adalah 71336 23937 84588 403..
Pengacakan dan Penataan 20-7
Terpilih lembar 1
c. Peringkat tiap perlakuan pada kelompok II Angka acak : 71336 23937 84588 403.. Satuan perc.
A B C D E F G H
No. urut
1 2 3 4 5 6 7 8
Angka acak
71 33 62 39 37 84 58 03
Peringkat
{7} {2} {6} {4} {3} {8} {5} {1}
d. Kedudukan tiap perlakuan pada kelompok II Perhatikan tatanan perlakuan dalam kelompok II ini dan dengan kelompok sebelumnya kelompok III a. Menentukan angka acak (caranya serupa pada Kelompok I) b. Tentukan lembar terpilih dan angka teracak awal Dipilih lembar 1 dan angka yang tertunjuk kemudian setelah diperluas 4 angka adalah .6779 3. (baris ke 12 dan lajur ke 16). Periksa lembar 6 2, ternyata baris ke 77 pada lembar 4. Penyesuaian : B (77 50) = 27 ATA dan AC lainnya adalah 08 49174 16625 35998 07
Pengacakan dan Penataan 20-8
Dipilih lembar 1
Terpilih lembar 6 2
Perluasan 4 angka diperoleh Baris 77 & Lajur 93
c. Peringkat tiap perlakuan pada kelompok III Angka acak : 08 49174 16625 35998 0. Satuan perc.
A B C D E F G H
No. urut
1 2 3 4 5 6 7 8
Angka acak
08 49 17 41 66 25 35 80
Peringkat
{1} {6} {2} {5} {7} {3} {4} {8}
d. Kedudukan tiap perlakuan pada kelompok III Perhatikan tatanan tiap perlakuan dalam kelompok III ini dan dengan kelompok sebelumnya kelompok IV a. Menentukan angka acak (caranya serupa pada Kelompok I) b. Tentukan lembar terpilih dan angka teracak awal Dipilih lembar 2 dan angka yang tertunjuk kemudian setelah diperluas 4 angka adalah .0087 275.. (baris ke 26 dan lajur ke 81).
20-9
Periksa lembar 8 4, baris ke 72 dan lajur ke 75. ATA dan AC lainnya adalah 96669 03089 43338 725.. Dipilih lembar 2 Angka 00 diabaikan
Terpilih lembar 8 4
Perluasan 4 angka diperoleh Baris 72 & Lajur 75
c. Peringkat tiap perlakuan pada kelompok IV Angka acak : 96669 03089 43338 7. Satuan perc.
A B C D E F G H
No. urut
1 2 3 4 5 6 7 8
Angka acak
96 66 90 30 89 43 33 87
Peringkat
{8} {4} {7} {1} {6} {3} {2} {5}
d. Kedudukan tiap perlakuan pada kelompok IV Perhatikan tatanan tiap perlakuan dalam kelompok IV ini dan dengan kelompok sebelumnya
20-10
Kelompok IV
Kelompok III Kelompok II Kelompok I Ilustrasi pola percobaan acak kelompok (RAKelompok ) Contoh 2-22. Suatu percobaan pertumbuhan berasumsi akan ada perbedaan dengan peletakkan satuan percobaan di bawah naungan suatu tegakan menggunakan 4 jenis tanah yang berbeda dan dijadikan sebagai kelompok (I, II, III & IV). Perlakuan berupa pemberian 5 jenis pupuk yang berbeda (A, B, C, D, E) tiap kelompok. Pengelompokan pada kasus ini terkait dengan kedudukan/posisinya dari penyinaran matahahri. Tahap pengacakan kelompok 1 Lakukan penomoran kelompok secara terurut (1, 2, 3, 4) sebagai pengganti notasi kelompok (I , II , III , IV)
Periksa lembar 3, baris ke 72 dan lajur ke 41 ATA dan AC lainnya adalah .7726 60640 dst
Dipilih lembar 4
Terpilih lembar 7 3
Perluasan 4 angka diperoleh Baris 66 & Lajur 90
Periksa lembar 3
No. urut
1 2 3 4
Angka acak
49 74 54 24
Peringkat
{2} {4} {3} {1}
20-12
Hasil pengacakan kelompok selanjutnya akan dilakukan pengacakan perlakuan Tahap pengacakan perlakuan Pengacakan perlakuan tiap kelompok sejalan dengan cara sebelumnya. Satuan percobaan perlakuan diacak tiap kelompok sesuai dengan nomor peringkat tiap kelompok (IV, I, III dan II) atau secara terurut menurut kelompok.Tentu angka-angka acak yang terpilih tidak akan sama.
20-13
30
POLA
PERCOBAAN SEDERHANA
Percobaan yang dimaksud adalah pola percobaan yang hanya menggunakan satu faktor atau yang lebih kenal dengan sebutan faktor tunggal. Faktor tunggal disini memang hanya terdiri satu faktor saja dengan beberapa taraf. Atau dapat juga terdiri beberapa faktor (perlakuan) yang masing-masing berdiri sendiri-sendiri (tidak berkombinasi/interaksi) sehingga secara keseluruhan dinyatakan sebagai faktor tunggal.
Perlakuan 2
Perlakuan 3
30-1
Perlakuan 5
Perlakuan 1
Perlakuan 4
Gambar 3-1. Pola percobaan acak lengkap (5 x 3) Hasil acak di atas mengikuti acak kelompok yaitu saat mengacak ulangannya. Dasar pemikirannya jika berupa percobaan lapangan ; walau pengelompokan di lapangan tidak selalu harus diacak. Jadi pengacakan tiap ulangannya dilakukan sekaligus terhadap semua perlakuan. Bedanya dengan pengacakan kelompok, acak lengkap ini bisa saja dilakukan secara bebas dalam artian mengacak sekaligus perlakuan dan ulangannya. Meskipun pola dasar pemikirannya mendahulukan perlakuan dan selanjutnya ulangan. Hasil proses acak ini di tampilkan (Gambar 3-1) dengan maksud agar jika dikaji ulang ternyata pengulangannya perlu dikelompokan, maka pola percobaan lapangannya tidak menimbulkan masalah baru. o Bagan Pengamatan Data hasil pengamatan (di atas) selanjutnya direkam ke dalam daftar berikut (bagan pengamatan). Tabel 3-1. Bagan pengamatan RALengkap (5 x 3) dengan 5 contoh uji Ulangan
1
Perlakuan P1 Y111 . Y115 Y11. Y121 Y122 . Y112 Y116 Y11. Y131 . Y136 Y13. Y1.. P2 Y211 . Y215 Y21. Y221 Y222 . Y225 Y226 Y21. Y231 . Y236 Y23. Y2.. P3 Y311 . Y315 Y31. Y321 Y312 . Y325 Y316 Y31. Y331 . Y331 Y33. Y3.. P4 Y411 . Y415 Y41. Y421 Y422 . Y425 Y426 Y41. Y431 . Y431 Y43. Y4.. P5 Y511 . Y515 Y51. Y521 Y522 . Y525 Y526 Y51. Y531 . Y531 Y53. Y5..
Rataan
Rataan
3
Rataan Jumlah
Sebelum data diolah lebih dulu dirata-ratakan yaitu dibagi 6. Upaya perbanyakan untuk per perlakuan per ulangan tersebut untuk mengatasi jika terjadi data rusak/hilang, disamping itu pula berfungsi untuk memperkecil galat percoban. Jadi data yang akan dihitung untuk analisis keragaman adalah yang diberi warna kuning (setelah dirata-ratakan). Untuk jelasnya seperti bagan berikut. Tabel 3-2. Bagan pengamatan RALengkap ( 5 x 3) Ulangan
1 2 3
Jumlah
Bagan pengamatan secara umum untuk pola percobaan acak lengkap (RALengkap) adalah Tabel 3-3. Bagan pengamatan umum untuk RALengkap Pengamatan 1 2 .. r Jumlah Rataan
p
Yj. = Yij
j=1
Y.. = Yij
j=1 i=1
p Analisis Keragaman Tabel 3-4. Bagan Analisis Keragaman RALengkap Sumber Keragaman Perlakuan Galat percobaan Total Derajat Bebas ( db ) dbP dbG dbT Jumlah Kuadrat ( JK ) JKP JKG JKT Kuadrat Tengah ( KT ) KTP KTG Uji Fisher Fp
KTP
F(db1;db2) -
/KTG -
Perhitungan sumber keragaman db1 = dbP = p-1 db2 = dbG = p(r-1) dbT = p.r-1 ( Yij)2 r - FK
p r
( Yij)2 FK =
j=1 i=1
p r
p.r
p r
JKP =
j=1 i=1
JKT = Yij2 - FK
j=1 i=1
JKG = JKT - JK
30-3
KTP =
JKP /dbP
KTG =
JKG /dbG
Fp =
KTP
/KTG
F(dbP;dbG)
Hasil perhitungan di atas dimasukkan ke dalam bagan analisis. Selanjutnya lakukan uji statistik F yaitu Fhitung (Fp) dan bandingkan dengan Ftabel = F(db1;db2) [dibaca : nilai uji Fisher dengan salahduga sebesar pada db1 = derajat bebas perlakuan dan db2 = derajat bebas galat percobaan] Cara lain untuk menentukan nilai pembanding Ftabel yaitu nilai F(db1;db2) : (1) menggunakan rumusan FINV dengan bantuan layar ME (Microsoft Excel) Buka layar ME dan posisikan kruser (sembarang cell) pada kotak hijau untuk F0,05(db1;db2); ketik =FINV(0.05,db1,db2) Enter db2 kotak jingga untuk F0,01(db1;db2); ketik =FINV(0.01,db1,db2) Enter pengingat.
db1 Nilai F 5% Nilai F 1%
Catatan : db1, db2, 5% dan 1% tidak ditulis juga tak masalah, hanya sebagai
(2) atau langsung menggunakan Microsoft Excel (lihat Lampiran 02) Hipotesis H0 : 2 = 0 ; pengaruh rataan perlakuan dinyatakan seragam H1 : 2 > 0 ; minimal ada satu pasang rataan perlakuan yang berbeda Keputusan uji /KTG Fp = Fp F (dbP;dbG) ; terima Ho atau tolak H1 Fp > F (dbP;dbG) ; tolak Ho atau terima H1 Bila mengunakan salah duga = 5% dan atau 1%, maka F0,05(dbP;dbG) tidak berbeda nyata (maksudnya : pengaruh pelakuan tidak berbeda nyata pada salahduga 5%, terima Ho) F0,05(dbP;dbG) < Fp < F0,01(dbP;dbG) berbeda nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salah duga
5%, terima H1; tapi tidak berbeda nyata pada salahduga 1%, terima Ho)
KTP
Fp > F0,01(dbP;dbG) berbeda sangat nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salahduga 1%, terima H1)
F0,05(dbP;dbG) tidak berbeda nyata > F0,05(dbP;dbG) tapi < F0,01(dbP;dbG) berbeda nyata > F0,01(dbP;dbG) berbeda sangat nyata
30-4
q Model Rancangan Data percobaan dalam RAL diasumsikan dengan model linier : Yij = j + ij = nilai tengah perlakuan + pengaruh acak = + (j - ) + ij
Yij = + j + ij
i = 1, 2, , r ; j = 1, 2, ..., p Yij = peubah yang akan dianalisis (respon) = rataan umum j = pengaruh perlakuan ke-j ij = galat percobaan dari pengaruh acak yang berasal dari perlakuan ke-j pada pengamatan ke-i
Model di atas sebenarnya : 1) berupa harga tetap 2) j ditentukan dengan dua pilihan yaitu
c j = 0 ; disini hanya membicarakan tentang p buah perlakuan dalam suatu percobaan. Pilihan ini dinyatakan sebagai Analisis Ragam Model Pengaruh Tetap (Model
Tetap) atau Model I.
perlakuan. Makna : = menyebar secara ; NI = Normal Independent dibaca : j menyebar secara normal dan bebas dgn nilai tengah = 0 dan ragam = 2 Analisisnya merupakan Analisis Ragam Model Pengaruh Acak (Model Acak) atau Model Komponen Ragam atau Model II. Model yang mana akan digunakan perlu ditentukan lebih dulu. Ini penting karena pada akhirnya akan menentukan Uji Keberartian berdasarkan Kuadrat Tengah (KT) yang diharapkan atau dugaan KT dengan notasi E (KT). Kuadrat tengah perlakuan (KTP) dalam RAL mencerminkan besarnya keragaman yang timbulkan oleh perlakuan. Sedangkan kuadrat tengah galat (KTG) mencerminkan besarnya keragaman yang ditimbulkan oleh pengaruh galat percobaan. Memperhatikan model tsb berarti dalam percobaan dengan RAL ini tidak terdapat lokal kontrol. Sehingga dalam Sumber Keragamannya hanya terdiri dari perlakuan dan galat percobaan. Tidak terdapatnya lokal kontrol karena adanya keseragaman kondisi antara lain : * peralatan, bahan dan media * lingkungan lokasi/tempat percobaan (1) Model I atau Model Tetap (Fixed Model) Model ini mengilustrasikan bahwa peneliti hanya dapat mengambil kesimpulan dari perlakuan yang dicobakannya. Bila perlakuan yang dicobakan sebanyak p buah, maka kesimpulan yang dapat ditarik hanya pada p buah perlakuan tsb saja; tidak menyangkut atau tidak ada kaitan dengan suatu populasi. Asumsi yang mendasari model tetap ini meliputi : (1) pengaruh perlakuan j ini bersifat tetap (2) galat percobaan ij bebas dan menyebar normal dengan nilai tengah nol dan ragam 2.
Pola Percobaan Sederhana 30-5
E (KT)
2 + [r/(p-1)] i2 2
Catatan : j = pengaruh perlakuan yang bersifat tetap dihitung ; j = (Yi./r) Y../p.r = i - = nilai tengah perlakuan ke-i nilai tengah populasi (2) Model II atau Model Acak (Random Model ) Model ini mengilustrasikan bahwa si peneliti berhadapan dengan populasi perlakuan. Kesimpulan yang diperoleh dari populasi perlakuan didasarkan pada sejumlah p buah perlakuan yang dicobakan, dimana setiap perlakuan dipilih secara acak dari populasi perlakuan yang ada. Asumsi yang mendasari model acak ini meliputi : (1) Komponen , j dan ij bersifat aditif (2) j (j = 1, 2, ., p) terpolih secara acak dari populasi perlakuan yang ada (3) ij timbul secara acak dan menyebar normal dengan nilai tengah = nol dan ragam 2. Asumsi model acak dalam statistik dinotasikan sebagai :
E (j) = 0 ; E (j2) = 2. ; E (ij2) = 2 E (ij2) = 0 dan j serta ij adalah peubah acak bebas
Hipotesis yang akan diuji dengan model acak ini adalah : H0 : 1 = 2 = .. = m = 0 ; rataan sesungguhnya dari salah satu grup perlakuan yang sama atau tidak ada keragaman dalam populasi perlakuan (2 = 0) H1 : rata-rata sesungguhnya dari salah satu grup perlakuan berbeda dengan yang lain atau paling sedikit ada satu j 0 ; berarti ada keragaman dalam populasi perlakuan (2 > 0)
30-6
Notasi statistik hipotesis ini adalah : H0 : 2 = 0 lawan H1 : 2 > 0 Analisis keragaman RAL Model Acak Bagan pengamatan, perhitungan sumber keragaman, pengujian statistik F dan keputusan uji sama seperti pada analisis keragaman model tetap. Untuk nilai harapan kuadrat tengah perlakuan dalam analisis ragamnya diadakan penyesuaian. Tabel 3-6. Bagan Analisis Keragaman RAL Model Acak Sumber Perlakuan (antar perlakuan) Galat percobaan (dalam perlakuan) Total db dbP dbG dbT JK JKP JKG JKT KT KTP KTG
E (KT)
2 + r.2 2
Untuk kedua model di atas (model tetap dan model acak) dalam perhitungan nilai harapan kuadrat tengah perlakuan E (KTP) didasarkan pada ulangan yang sama banyak. Apabila ulangan diantara perlakuan tidak sama, maka nilai harapan kuadrat tengah perlakuan untuk model acak menjadi :
rj2 rj
p-1
Untuk model tetap dengan j = 0, akan mempunyai nilai harapan kuadrat tengah perlakuan seperti : rj.j 2
(rj.j)2 rj
E (KTP) = +
2
(p 1)
Kasus 3-11. Suatu percobaan ketebalan dari Kayu Lapis dengan tiga variasi tekanan panas. Masing-masing tekanan adalah 10 kg/cm2, 12 kg/cm2 dan 14 kg/cm2. Pengulangan dilakukan masing-masing 5 kali dan pengamatan tiap tekanan untuk tiap ulangan dilakukan kali pengamatan. Rekap data ketebalan Kayu Lapis (mm) dengan tiga variasi tekanan panas Tekanan (kg/cm2
10 12 14
Ulangan
1 15,487 15,228 14,933 2 15,460 15,325 14,942 3 15,535 15,210 14,922 4 15,467 15,312 14,940 5 15,477 15,190 14,950
Jumlah
77,425 76,265 74,687
Rataan
15,4850 15,2530 14,9373
dbP = 3-1 = 2
; dbG = 3(4-1) = 12
2
; dbT = (3)(5) 1 = 14
FK = (77,425 + 76,265 + 74,687) /(3)(5) = 3477,0601 JKP = [{(77,425)2 + (76,265)2 + (74,687)2}/(5)] - FK = 0,7557 JKT = {(15,487)2 + (15,460)2 + . + (14,940)2 + (14,950)2} FK = 0,7747 JKG = JKT JKP = 0,0190 ; KTP = JKP/dbP = 0,7557/2 = 0,3778
Pola Percobaan Sederhana 30-7
KTG = JKG/dbG = 0,0190/12 = 0,0016 ; Fp = KTP/KTG = 238,2180 Analisis Keragaman Ketebalan dari Kayu Lapis dengan Tiga Variasi Tekanan Panas Sumber Tekanan Galat Total db
2 12 14
JK
0,7557 0,0190 0,7747
KT
0,3778 0,0016
Ftekanan
238,2180**
F0,05(2;12)
3,8853
F0,01(2;12)
6,9266
Untuk menentukan F pembanding (F(db1;db2)) buka layar ME Posisikan kruser pada kotak hijau untuk F0,05(db1;db2); ketik =FINV(0.05,2,12) Enter kotak jingga untuk F0,01(db1;db2); ketik =FINV(0.01,2,12) Enter db2 12 3.8853 6.9266 5% 1%
db1 2
Hasil uji menunjukkan perbedaan tekanan akan menghasilkan ketebalan kayu kayu lapis yang berbeda. Kasus 3-12. Bagaimana kondisi porositas tanah akibat kebakaran hutan, maka dilakukan penelitian di desa Benua Riam (Kabupaten Banjar). Percobaan dilakukan pada areal hutan yang telah terbakar 1 tahun dan 4 tahun. Sebagai kontrol digunakan areal hutan yang tidak terbakar. Pengamatan ulang dilaksanakan sebanyak 5 (lokasi) kali. Nilai porositas tanah (%) akibat kebakaran hutan Ulangan
1 2 3 4 5
Terbakar 1 thn
36,74 35,64 36,70 44,12 52,98
Terbakar 4 thn
52,10 45,79 49,29 55,45 48,54
Kontrol
54,94 47,92 56,18 48,27 31,96
Setelah melalui perhitungan seperti pada Kasus 3-11 diperoleh analisis keragamannya seperti berikut. Analisis Keragaman Kondisi Porositas Tanah Akibat Kebakaran Hutan Sumber Kebakaran hutan Galat Total db
2 12 14
JK
217,3772 644,8724 862,2496
KT
108,6886 53,7394
FKebakaran
2,0255
F0,05(2;12)
3,8853
Ternyata akibat kebakaran pada areal hutan di desa Benua Riam belum menunjukkan pengaruh terhadap kondisi porositas tanah. Kasus 3-13. Suatu percobaan kualitas tempat tumbuh terhadap riap volume Acacia mangium dengan model logistik dan bantuan program CurveExpert versi 1,34. Indikator yang digunakan untuk melihat kualitas tempat tumbuh adalah peninggi pada umur 5 tahun pada setiap hektar. Data peninggi yang diambil sebanyak 10 pohon tertinggi tiap PUP (0,1
Pola Percobaan Sederhana 30-8
ha). Data hasil pengelompokan parameter tingkat berdasarkan kualitas tempat tumbuh seperti sajian berikut. Rekapitulasi Nilai c pada kualitas tempat tumbuh Ulangan
1 2 3 4
Kualitas I
0,66003303 0,28094905 0,38002772 0,55555417
Kualitas II
0,732814 0,526637 0,568783 0,386934
Kualitas III
0,397591 0,684847 0,413824 0,491214
Setelah melalui perhitungan sumber keragaman dan uji statistik F diperoleh analisis keragamannya seperti berikut. Analisis Keragaman Kualitas Tempat Tumbuh terhadap Riap Volume Acacia mangium Sumber Kualitas TT Galat Total db
2 9 11
JK
0,014900 0,200237 0,215137
KT
0,007450 0,022249
Fkualitas
0,3348
F0,05(2;9)
4,2565
Untuk kasus seperti ini tidak benar langsung menyatakan bahwa kualitas tempat tumbuh tidak menunjukkan perbedaan yang nyata pada salahduga %. Jika demikian perlu ditelaah uji kebalikan F atau uji 1/F. Caranya (uji 1/F) adalah Fhitung perlakuan = 0,3348 = 1/0,3348 = 2,9864 Hitung 1/Fp Bandingkan nilai 1/Fp dengan salah duga 5%, ternyata 1/Fp = 2,9864 > 0,05 Jadi bahwa benar nilai c pada kualitas tempat tumbuh tidak memberikan pengaruh berbeda nyata pada pertumbuhan dan riap volume Acacia mangium pada salahduga 5%. Kasus 3-14. Percobaan anakan ulin (masih ada kotiledon) dengan perlakuan 5 jenis pupuk dan masing jenis dilakukan pengulangan 3 kali. Pupuk C1 E1 D2 A1 D1 tersebut merupakan campuran 3 jenis pupuk tunggal yaitu urea, Pospat dan Kalium. Dengan dosis dan ukuran E2 A3 B3 C3 A2 tertentu diperoleh 5 jenis pupuk campuran yaitu NPK (A), PK (B), NK (C), NP (D) dan tanpa pupuk sebagai B1 C2 D3 E3 B2 kontrol (E). Semua anakan diletakan di sekitar pinggir hutan dengan anggapan pencahayaaan yang diperoleh merata. Hasil pengacakan peletakkan anakan (satuan percobaan) diperoleh bagan percobaan seperti sajian di atas. Pewarnaan sebagai ilustrasi %cahaya yang diperoleh satuan percobaan anakan.
30-9
Rekapitulasi data pertambahan luas daun (cm2) anakan ulin tiap bulan
Ulangan 1 2 3 Jumlah NPK 229,53 222,19 209,37 661,09 PK 189,94 256,04 193,52 639,50 NK 225,28 236,61 202,08 663,97 NP 231,45 274,75 200,80 707,00 Kontrol 208,50 256,73 168,88 652,11 Jumlah 1084,71 1246,32 992,65 3323,67
Setelah melalui perhitungan sumber keragaman dan uji statistik F diperoleh analisis keragamannya seperti berikut. Analisis keragaman pertambahan luas daun (cm2) anakan ulin tiap bulan Sumber Pemupukan Galat Total
db 4 10 14 JK 685,6340 8910,4063 9776,0404 KT 216,4085 891,0406
Fpemupukan
0,2429
F0,05(4;10)
3,4780
Kasusnya seperti Kasus 3-13, dimana Fhitung perlakuan pemupukan (0,2429) menunjukkan lebih kecil dari Ftabel yaitu F0,05(4;10) = 3,4780. Hasil uji 1/F diperoleh 4,1174; berarti lebih besar dari = 0,05. Jadi pemupukan belum menunjukkan perbedaan yang nyata.
30-10
Jika ini terjadi maka bentuk bagan dan analisisnya seperti berikut. (1) Bagan pengamatan Tabel 3-7. Bagan pengamatan umum RALengkap dengan ulangan taksama Ulangan
1 2 3 4 5
dbT = rj 1
j=1 p rj
rj
JKP = [( Yij)2/rj] - FK
i=1 j=1
KTP =
JKP /dbP
KTG =
JKG /dbG
Tabel 3-8. Bagan Analisis Keragaman RALengkap untuk ulangan taksama Sumber Keragaman Perlakuan Galat percobaan Total Derajat Bebas ( db ) dbP dbG dbT Jumlah Kuadrat ( JK ) JKP JKG JKT Kuadrat Tengah ( KT ) KTP KTG Uji Fisher Fp
KTP
F(db1;db2) -
/KTG -
Hipotesis dan Keputusan uji ; serupa dengan RALengkap untuk ulangan sama. Kasus 3-15. Percobaan terhadap pertumbuhan cabutan anakan meranti (Shorea spp) dengan perlakuan berupa media sapih campuran gambut (G) dan abu sekam padi (A) dengan perbandingan yaitu p1 (100% G), p2 (70% G + 30% A), p3 (50% G + 50% A) , p4 (30% G + 70% A). Rekapitulasi data pertumbuhan cabutan anakan meranti Ulangan
1 2 3 4 5
p1
2,67 2,51 2,78 2,32 2,89 13,17
p2
Media sapih p3
2,48 2,35 2,56 2,25 2,98 12,62
p4
2,31 2,18 2,23 2,19
9,35
8,91
30-11
Jumlah
Pola Percobaan Sederhana
dbP = 4 1 = 3 ; r1 = 5 ; r2 = 3 ; r3 = 5 ; r4 = 4 dbT = (5 + 3 + 5 + 4) 1 = 16 ; dbG = dbT dbP = 13 FK = (13,17 + 9,35 + 12,68 + 8,91)2/(5 + 3 + 5 + 4) = (44,05)2/17 = 114,141324 JKP = [ (13,17)2/5 + (9,35)2/3 + (12,62)2/5 + (8,91)2/4 ] FK = 1,389195 JKT = [ (2,67)2 + (3,17)2 + + (2,89)2 + (2,98)2 ] FK = 2,114776 JKG = JKT JKP = 0,725582 ; KTP = JKP/dbP = 1,389195/3 = 0,463065 KTG = JKG/dbG = 0,725582/13 = 0,055814 Analisis keragaman pertumbuhan cabutan anakan meranti Sumber Media sapih Galat Total db
3 13 16
JK
1,389195 0,725582 2,114776
KT
0,463065 0,055814
Fmedia
8,2966**
F0,05(3;13)
3,4105
F0,01(3;13)
5.7394
Ternyata media sapih berupa campuran gambut dan abu sekam padi menunjukkan pengaruh sangat nyata terhadap pertumbuhan cabutan anakan meranti.
A. Pola Percobaan
Pola lapangan atau yang dapat diserupakan seperti lapangan dengan tata letaknya menggunakan acak kelompok. Percobaan terdiri dari 3 kelompok dan tiap kelompok terdiri 4 perlakuan. Untuk per kelompok per perlakuan terdiri dari 4 satuan percobaan. Sehingga seluruh satuan percobaan yang digunakan sebanyak (3 x 4 x 4) = 48. Untuk mudahnya dinotasikan sebagai Yrps (r = 1, 2,3; p = 1, 2, 3, 4; dan s = 1, 2, 3, 4). Setelah melalui proses acak diperoleh pola percobaannya seperti sajian berikut.
Kelompok II r2p3s1 r2p3s4 r2p2s3 r2p2s2 Kelompok I r1p3s2 r1p3s3 r1p3s1 r1p3s4 Kelompok III r3p3s1 r3p3s4 r3p3s3 r3p3s2
Perlakuan 3
30-12
Perlakuan 1
Perlakuan 4
Perlakuan 2
B. Bagan Pengamatan
Data hasil pengamatan (di atas) selanjutnya direkam ke dalam daftar berikut (bagan pengamatan). Tabel 3-9. Bagan pengamatan RAKelompok (3 x 4) dengan 4 contoh uji Perlakuan
1
Kelompok
I II III
Jumlah
Y111 .. Y114 Y11. Y121 .. Y124 Y11. Y131 .. Y134 Y11. Y141 .. Y144 Y14. Y1..
Y211 .. Y214 Y21. Y221 .. Y224 Y21. Y231 .. Y234 Y21. Y241 .. Y244 Y24. Y2..
Y311 .. Y314 Y31. Y321 .. Y324 Y31. Y331 .. Y334 Y31. Y341 .. Y344 Y34. Y3.. Y.1.
Rataan
2
Rataan
3
Y.2.
Rataan
4
Y.3.
Rataan Jumlah
Y.4. Y...
Sebelum data diolah lebih dulu dirata-ratakan yaitu dibagi 4. Karena adanya perbanyakan untuk per perlakuan per ulangan tersebut untuk mengatasi jika terjadi data rusak/hilang, disamping itu pula berfungsi untuk memperkecil galat percoban. Jadi data yang akan dihitung untuk analisis keragaman adalah yang diberi warna kuning (setelah dirata-ratakan). Untuk jelasnya seperti bagan berikut.
30-13
Jumlah
Bagan pengamatan secara umum untuk pola percobaan acak kelompok seperti sajian tabel berikut. Tabel 3-11. Bagan pengamatan umum RAKelompok Perlakuan
1 2
Kelompok
I II III
. . ...
p
Y.j = Yij
j=1
Y.. = Yij
i=1 j=1
Y.j = Y.j/p
C. Analisis Keragaman
Perhitungan sumber keragaman db1 = dbR atau dbP dbK = k-1 FK = ( yij)2/r.p
i=1 j=1 r r p
JKP = [ (yij)2/r] - FK
j=1 i=1
/dbR
/dbP
KTG =
JKG /dbG
Uji statistik F Hasil perhitungan di atas dimasukkan ke dalam bagan analisis. Selanjutnya hitung untuk Fhitung (Fp) dan bandingkan dengan Ftabel = F(db1;db2) [dibaca : nilai uji Fisher dengan salahduga sebesar pada db1 = derajat bebas perlakuan dan db2 = derajat bebas galat percobaan].
30-14
Tabel 3-12. Bagan Analisis Keragaman RAKelompok Sumber Keragaman Kelompok Perlakuan Galat percobaan Total Hipotesis H0 : 2 = 0 ; berarti tidak ada keragaman dalam populasi perlakuan H1 : 2 > 0 ; berarti ada keragaman dalam populasi perlakuan Keputusan uji Untuk Fhitung perlakuan (Fp) =
KTP /KTG
F(db1;db2)
/KTG -
/KTG -
Fp F(dbP;dbG) ; terima H0 atau tolak H1 Fp > F(dbP;dbG) ; tolak H0 atau terima H1 Bila menggunakan salah duga = 5% dan atau 1%, maka F0,05(dbP;dbG) tidak berbeda nyata (maksudnya : pengaruh pelakuan tidak berbeda nyata pada salahduga 5%, terima Ho) F0,05(dbP;dbG) < Fp < F0,01(dbP;dbG) berbeda nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salah duga
5%, terima H1; tapi tidak berbeda nyata pada salahduga 1%, terima Ho)
Fp > F0,01(dbP;dbG) berbeda sangat nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salahduga 1%, terima H1)
F0,05(dbP;dbG) tidak berbeda nyata > F0,05(dbP;dbG) tapi < F0,01(dbP;dbG) berbeda nyata > F0,01(dbP;dbG) berbeda sangat nyata
D. Efisiensi Pengelompokan
Untuk mengetahui apakah pengelompokan yang dilakukan cukup efisien dalam upaya memperkecil perbedaan galat percobaan, dapat ditelaah dengan cara sbb : (1) Uji F (Fisher) Pada keputusan uji di atas telah dikemukakan bahwa jika Fhitung kelompok (Fk) lebih kecil dari Ftabel, berarti pengelompokan tidak menunjukkan perbedaan (berbeda tidak nyata) dengan salahduga sebesar untuk db1 = dbR dan db2 = dbG. Fk F0,05(dbR;dbG) berbeda tidak nyata jika pendugaan pengelompokan pada satuan percobaan cukup kuat, maka seharusnya paling tidak Fr berbeda nyata pada salahduga 5%
Pola Percobaan Sederhana 30-15
jika tidak, berarti pendugaan adanya kelompok pada satuan percobaan adalah keliru. Untuk itu model RAKelompok harus diubah menjadi RALengkap (2) Keefisienan RAK terhadap RAL Pengujian hipotesis tentang tidak adanya pengaruh kolompok (i = 0) dengan uji F tidak dibenarkan (Gaspersz, 1994). Karena mencerminkan pembentukan kelompok tidak dilakukan secara acak seperti pada penentuan perlakuan. Padahal makna pembentukan kelompok dimaksudkan untuk mengurangi keragaman satuan percobaan dalam setiap kelompok. Tabel 3-13. Bagan Analisis Keragaman RALengkap (2) Sumber Keragaman Perlakuan Galat percobaan Total derajat bebas (p - 1) p (r -1) r.p 1) Jumlah Kuadrat JKP JKG JKT Kuadrat Tengah KTP KTG
Terlihat saat perhitungan dengan RAL, nilai KTK dan KTG disatukan; Atau saat perhitungan dengan RAK diadakan pemisahan galat percobaan ke dalam pengaruh kelompok dan pengaruh murni dari galat percobaan itu sendiri. Jadi jelas mengurangi pengaruh galat percobaan. Untuk mengetahui apakah pengelompokan lebih sesuai (efisien), maka dilakukan perkiraan seandainya percobaan tsb menggunakan RAL. Langkah-langkah penelaahannya dapat dilakukan dua cara adalah
Cara Pertama :
(a) Menentukan nilai koefisien nisbi KN (RAK terhadap RAL) KN = [dbR.KTR(RAK)] + [r.dbP.KTG(RAK)] dbT.KTG(RAK)
(b) Jika dbG(RAK) kurang dari 20, maka nilai KN dilakukan penyesuaian sebesar
yaitu
(c) Keputusan uji : jika KN > 1; berarti penggunaan RAKelompok dapat meningkatkan ketepatan percobaan sebesar KN% dibanding jika menggunakan RALengkap. Atau dengan kata lain bahwa jika menggunakan RALengkap diperlukan ulangan sebanyak KN lebih banyak agar diperoleh besaran perbedaan perlakuan yang sama dengan RAKelompok. Ringkasnya apakah RAK lebih efisien dari RAL, maka dapat digunakan acuan berikut : > 100% ; RAK lebih efisien darpada RAL Jika KN (RAK thd RAL) < 100% ; RAL lebih efisien darpada RAK
30-16
Cara Kedua :
(a) Menentukan pendugaan terhadap KTG(RALengkap) KTG(RALengkap) = dbR.KTR + (dbP + dbG).KTG dbR + dbP + dbG
untuk db dan KT adalah derajat bebas dan kuadrat tengah pada RAKelompok
(b) Menentukan nilai koefisien nisbi KN (RAK terhadap RAL) KN = KTG(RAL) KTG(RAK)
Jika dbG(RAK) kurang dari 20, maka nilai KN dilakukan penyesuaian sebesar
yaitu
Sehingga KN (RAK terhadap RAL) yang disesuaikan diperoleh KN = [dbG(RAK) + 1] [dbG(RAL) +3] . KTG(RAL) [dbG(RAL) +1] [dbG(RAK) + 3] . KTG(RAK)
(c) Keputusan uji : jika KN > 1; berarti penggunaan RAKelompok dapat meningkatkan ketepatan percobaan sebesar KN% dibanding jika menggunakan RALengkap. Atau dengan kata lain bahwa jika menggunakan RALengkap diperlukan ulangan sebanyak KN lebih banyak agar diperoleh besaran perbedaan perlakuan yang sama dengan RAKelompok. Ringkasnya apakah RAK lebih efisien dari RAL, maka dapat digunakan acuan berikut : > 100% ; RAK lebih efisien darpada RAL Jika KN (RAK thd RAL) < 100% ; RAL lebih efisien darpada RAK
E. Model Rancangan
Model linier Rancangan Acak Kelompok (RAK) diasumsikan sebagai
Yij = +
+ j + ij
Yij = peubah yang akan dianalisis (respon) = rataan umum i = pengaruh kelompok ke i j = pengaruh perlakuan ke j ij = galat percobaan dari pengaruh acak yang berasal dari perlakuan ke-j dan disebabkan kelompok ke-i
Seperti halnya pada RAL, pada RAK pun dihadapkan dua pilihan terhadap perlakuan j yang dicobakan apakah menggunakan Model Tetap atau Model Acak.
d j ~ NI(0,2)
30-17
Memperhatikan model tsb berarti dalam percobaan RAK terdapat lokal kontrol yang maksudnya menghomogenkan bahan-bahan percobaan yang bersifat heterogen menjadi beberapa bagian yang lebih kecil dan bersifat homogen. Bagian-bagian tersebut dinyatakan sebagai kelompok. Pengelompokkan ini biasanya terjadi pada kondisi lingkungan percobaan. n Model I atau Model Tetap (Fixed Model) Asumsi yang digunakan :
E (j) = j E (j ) =
2
; E (i) = i ; E (i ) = i
2 2
; j = 0 ; i = 0 ; ij NI(0,2)
j2
Hipotesisnya dirumuskan sebagai : H0 : 1 = 2 = . = P = 0 atau j = 0 H1 : minimal ada j 0 ; j = 1, 2, , p o Model II atau Model Acak (Random Model ) Asumsi yang diperlukan adalah : E (j2) = 2 ; E (i2) = 2
E (ij) = 0
Secara ringkas dinotasikan sebagai : Rumusan hipotesisnya adalah : H0 : 2 = 0 ; berarti tidak ada keragaman dalam populasi perlakuan H1 : 2 > 0 ; berarti ada keragaman dalam populasi perlakuan Kedua rumusan hipotesis yang telah dikemukakan di atas merupakan rumusan hipotesis untuk perlakuan. Rumusan hipotesis kelompok perlu dikemukakan guna menelaah apakah pengelompokan yang dibuat sesuai dengan data yang diperoleh.
H0 : i2 ; = 0 ; i = 1, 2, ., r dengan asumsi i NI(0,2) Hipotesisnya nol menyatakan tidak terjadi perbedaan yang berarti (tidak nyata) diantara pengaruh semua kelompok dalam suatu populasi
H1 : i2 > 0 ; Hipotesisnya tidak samadengan nol menyatakan terjadi perbedaan
yang berarti (berbeda nyata) minimal sepasang kelompok dalam suatu populasi
Z Analisis Ragam RAK Model Tetap dan Model Acak Tabel 3-14. Bagan Analisis Ragam RAK Model Tetap dan Model Acak Sumber Keragaman Kelompok Perlakuan Galat percobaan Total db dbP dbP dbG dbT JK JKK JKP JKG JKT KT KTK KTP KTG
30-18
Kasus 3-21. Percobaan dengan tiga kelerengan berbeda (A, B dan C) ingin mengetahui MAI tinggi pada tegakan Acacia mangium dengan masing-masing berumur 4 tahun, 6 tahun dan 11 tahun dinyatakan sebagai kelompok. Rekapitulasi MAI tinggi (m) berikut diperoleh dari TaLam 11-2. Rekapitulasi MAI tinggi (m) tegakan Acacia mangium dengan tiga kelerengan berbeda Kelompok I II III Jumlah A
2,2366 1,3125 1,0096 4,5587
B
2,2098 1,3295 0,9182 4,4575
C
2,0556 1,0764 0,8850 4,0170
Jumlah
6,5020 3,7184 2,8128 13,0332
Perhitungan komponen sumber : dbR = (3 1) = 2 ; dbP = (3 1) = 2 ; dbT = (3)(3) 1 = 8 ; dbG = 8 - 2 - 2 = 4 FK = (13,0332) /(3)(3) = 18,8738 JKR = [{(6,5020)2 + (3,7184) 2 + (2,8128) 2}/3] - 18,8738 = 2,4643 JKP = [{(4,5587)2 + (4,4575) 2 + (4,0170) 2}/3] - 18,8738 = 0,0553 JKT = {(2,2366)2 + (2,2098) 2 + . + (0,9182) 2 + (0,8850) 2} - 18,8738 = 2,5317 JKG = JKT JKR JKP = 0,0121 KTR = 2,4643/2 = 1,2322 ; KTP = 0, 0553/2 = 0,0277 ; KTG = 0,0121/4 = 0,0030 Fkelompok = 405,9452 ; Fkelerengan = 9,1100 Analisis keragaman MAI tinggi Acacia mangium Sumber Umur tegakan Kelerengan Galat Total db
2 2 4 8
2
JK
2,4643 0,0553 0,0121 2,5317
KT
1,2322 0,0277 0,0030
Fp
405,9452** 9,1100*
F(2;4) . . -
Fkelompok = 405,9452 ; Fkelerengan = 9,1100 untuk = 0,05 dengan (db1;db2) = (dbR atau dbP;dbG) = (2;4) diperoleh 6,9443 untuk = 0,01 dengan (db1;db2) = (2;4) diperoleh 18,0000 Hasil uji Fisher menunjukkan bahwa (1) pendugaan pengelompokan umur adalah tepat (berbeda nyata) (2) perbedaan kelerengan menunjukkan pengaruh terhadap MAI tinggi tegakan Acacia mangium (berbeda sangat nyata) Kasus 3-22. Terkait dengan Kasus 3-21, ingin mengetahui keefisienan pengelompokan RAKelompok terhadap RALengkap (cara pertama). KN KN = = [dbR.KTR(RAK)] + [r.dbP.KTG(RAK)] dbT.KTG(RAK)
2(1,2322) + 3(2).( 0,0030) 8(0,0030)
30-19
(2,4643 + 0,0182)
/0,0243 = 102,2363
Karena dbG(RAK) kurang dari 20, maka nilai KN dilakukan penyesuaian sebesar
yaitu
= =
Sehingga diperoleh KN yang disesuaikan adalah KN = KN. KN = (102,2363)( 0,9184) = 93,8905 Hasilnya menunjukkan bahwa penggunaan RAKelompok meningkatkan ketepatan percobaan sebesar 9389% dibanding penggunaan RALengkap. Jadi percobaan dengan RAKelompok lebih sesuai dibanding jika menggunakan RALengkap. Kasus 3-23. Percobaan jarak tanam dilakukan pada kondisi lapangan yang agak miring. Jarak tanam (perlakuan) yang digunakan adalah (1 x 3) m, (3 x 3) m, (3 x 5) m dan (5 x 5) m. Adanya kemiringan permukaan lahan di lokasi percobaan, maka disamping jarak tanam juga diperkirakan kemiringan lahan (kelerengan) akan memberikan pengaruh terhadap pertumbuhan diameter anakan meranti. Respon pertumbuhan yang diperoleh adalah Rekapitulasi data pertambahan diameter (mm) anakan meranti Kelerengan I II III Jumlah A
0,58 0,62 0,67 1,87
/(7)(7) = 0,9184
Jarak tanam B C
0,55 0,48 0,64 1,67 0,48 0,37 0,38 1,23
D
0,21 0,42 0,38 1,01
Jumlah
1,82 1,89 2,07 5,78
Cara perhitungan sumber keragaman seperti pada Kasus 3-21 dan hasilnya dimasukkan ke dalam tabel analisis keragaman seperti sajian berikut. Analisis keragaman pertambahan diameter (cm) anakan meranti (1) Sumber Kelerengan Jarak tanam Galat Total db
2 3 6 11
JK
0,0083 0,1556 0,0409 0,2048
KT
0,0042 0,0519 0,0068
Fhitung
0,6103 7,6103*
F(db1;db2) . . -
Ftabel untuk Kelompok (kelerengan) : F0,05(2;6) = 5,1433 ; F0,01(2;6) = 10,9248 Perlakuan (jarak tanam) : F0,05(3;6) = 4,7571 ; F0,01(3;6) = 9,7795 Hasil uji Fisher menunjukkan bahwa (1) perbedaan jarak tanam akan menyebakan perbedaan yang nyata pada pertumbuhan diameter anakan meranti. (2) sedangkan untuk Fhitung kelerengan yang dijadikan kelompok perlu ditelaah lebih dulu dengan melakukan uji 1/F. Hasil uji 1/F sebesar 1,6386. Ini berarti 1,6386 lebih
Pola Percobaan Sederhana 30-20
besar dari = 0,05. Jadi benar bahwa kelerengan berupa kelompok belum memberikan pengaruh terhadap pertumbuhan diameter anakan meranti. Namun mengingat dugaan awal bahwa pengelompokan lereng akan mempunyai pengaruh sehingga diadakan pengelompokan lereng dengan maksud agar lebih homogen. Ternyata pendugaan awal adalah keliru. Untuk itu data perlu diolah ulang dengan menggabungkan galat kelerengan ke dalam galat percobaan. Ringkasnya percobaan dengan RAKelompok diubah ke percobaan RALengkap. Setelah data diolah ulang dengan RALengkap diperoleh analisis keragamannya seperti sajian berikut. Analisis keragaman pertambahan diameter (cm) anakan meranti (2) Sumber Jarak tanam Galat Total db
3 8 11
JK
0,0409 0,1639 0,2048
KT
0,0136 0,0205
Fp
0,6652
F0,05(3;8)
4,0662
Hasil uji 1/F sebesar 1,5032; berarti lebih besar dari = 0,05. Jadi berarti keempat jarak tanam belum menunjukkan perbedaan pertumbuhan tanaman anakan meranti berupa pertambahan diameter. Kesimpulan : (a) jika demikian timbulnya perbedaan (berbeda nyata) perlakuan jarak tanam pada pengolahan acak kelompok (RAKelompok) akibat kekeliruan pengelompokan lereng yang diduga bersifat heterogen dan ternyata sebenarnya masih bersifat homogen. (b) analisis keragaman yang diajukan (ditampilkan) bukan RAKelompok (analisis keragaman 1) tapi yang benar adalah RAlengkap (analisis keragaman 2). Sehingga secara otomatis bahasannya disesuaikan dengan RAlengkap (analisis keragaman 2). Kasus 3-24. Aren yang bunganya berwarna putih lebih sukai karena memiliki produk nira lebih banyak daripada aren yang warna bunganya bukan putih. Untuk itu dilakukan pengamatan produk nira dari aren dengan 3 jenis warna di desa Ampah urup, kec. Dusun Tengah, kab. Barito Timur, Kalimantan Tengah. Produksi nira berdasarkan warna bunga aren (liter) Kelompok I II III Jumlah Produk nira (liter) Putih Kuning Merah
30,0 29,6 29,8 89,4 27,4 28,6 28,3 84,3 29,0 28,1 28,4 85,5
Jumlah
86,4 86,3 86,5 259,2
Cara perhitungan sumber keragaman seperti pada Kasus 3-21 dan hasilnya dimasukkan ke dalam tabel analisis keragaman seperti sajian berikut.
30-21
Analisis keragaman produk nira dari aren (1) Sumber Kelompok Warna bunga Galat Total Db
2 2 4 8
JK
0,0067 4,7400 1,2733 6,0200
KT
0,0033 2,3700 0,3183
Fhitung
0,0105 7,4450*
F0,05(2;4)
6,9443
F0,01(2;4)
18,0000
Hasil uji Fisher menunjukkan bahwa (1) pengelompokan pohon aren yang diduga tidak menunjukkan beda nyata (1/F = 95,5). (2) warna bunga ternyata menunjukkan perbedaan produk nira. Namun memperhatikan pengelompokan pohon-pohon aren tidak ada perbedaan, maka pola rancangannya diubah menjadi RALengkap. Analisis keragaman produk nira dari aren (2) Sumber Warna bunga Galat Total db
2 6 8
JK
4,7400 1,2800 6,0200
KT
2,3700 0,2133
Fwarna
11,1094**
F0,05(2;6)
5,1433
F0,01(2;6)
10,9248
Ternyata benar warna bunga aren yang berbeda akan mengasilkan produk nira yang berbeda pula. Ini berbeda dengan Kasus 3-23 sebelumnya yang justru menjadi tidak berbeda nyata. Kasus 3-25. Memperhatikan percobaan anakan ulin (masih memiliki kotiledon) dijelaskan pada Kasus 3-14, apa benar bahwa lokasi peletakkan anakan di hutan tersebut memiliki pencahayaan yang merata. Disini ada keraguan bahwa memperhatikan lokasi percobaan sebenarnya perlu dilakukan pengelompokan sesuai dengan pencahayaan. Untuk lebih meyakinkan keraguan tersebut, maka data dihitung ulang, dimana ulangan dijadikan kelompok. Hasil analisis keragaman dan uji Fishernya adalah Sumber Pencahayaan Pemupukan Galat Total db
2 4 8 14
JK
6596,2715 865,6340 2314,1348 9776,0404
KT
3298,1358 216,4085 289,2668
Fp
11,4017** 0,7481
F0,05(db1;8)
4,4590 3,8379
F0,01(db1;8)
8,6491 7,0061
Disini ternyata timbul kasus baru dimana penggunaan RAKelompok lebih sesuai dibanding jika menggunakan RALengkap. Perhatikan Fhitung pencahayaan menunjukkan berbeda sangat nyata (Fpencahyaaan > 1%). Perhatikan posisi pencahayaan pada pola percobaan (Kasus 3-14) tidak merata. Untuk perlakuan pemupukan dihitung dengan 1/F = 1,3367. Berarti pemupukan tidak berpengaruh terhadap pertumbuhan luas daun. Kasus seperti ini (kasus baru) tidak berarti kita dengan begitu saja merubah pola rancangan dari RALengkap menjadi RAKelompok. Ini suatu kekeliruan yang besar. Bisa saja pola rancangan diubah, tetapi bagaimana dengan pola percobaannya (penataan satuan percobaan di lapangan). Perlu diingat bahwa bentuk model linier pola rancangan diperoleh dari bentuk pola percobaan lapangan dan tidak bersifat terbalik. Jadi sangatlah keliru,
Pola Percobaan Sederhana 30-22
bila ada anggapan bahwa pola rancangan bisa diubah begitu saja tanpa menghiraukan pola percobaannya. Jalan keluar yang terbaik adalah dengan cara mengadakan percobaan ulang. Tidak ada pilihan lain. Kasus 3-26. Sehubungan dengan kasus 3-25, maka dilakukan percobaan ulang. Katakan saja hasil penataan satuan percobaan dari pengacakan diperoleh bagan percobaan sebagai berikut. untuk itu, data yang diolah masih data sebelumnya (Kasus 3-14). Data yang sebenarnya tidaklah demikian, pasti ada perubahan. ini dilakukan dengan maksud untuk memperlihatkan kesesuaian pola rancangan (model) terhadap pola percobaan di lapangan. I II III
E1 D2 C3 A1 B2 A3 C1 E2 B3 D1 C2 E3 B1 A2 D3
Setelah data dihitung ulang diperoleh analisis keragamannya seperti disajikan pada Kasus 3-25 dengan pola percobaan seperti di atas dan tidak seperti pola percobaan yang diilustrasikan pada Kasus 314.
A. Model Rancangan
Data percobaan dalam RBSLatin diasumsikan melalui model linier :
Yij(t) = + i + j + (t) + ij
Yij(t) = peubah yang akan dianalisis (respon) = rataan umum (t) = pengaruh perlakuan ke t ij = galat percobaan dari pengaruh acak yang berasal i = pengaruh kelompok ke i j = pengaruh kelompok ke j dari baris ke-i, lajur ke-j dan perlakuan ke-t t=i=j
30-23
(b) Conjugate square; jika susunan baris pada square pertama (Standard square) dibuat menjadi samadengan lajur dari square kedua. 1 2 3 4 5 lajur 1 A B C D E 2 B A E C D 3 C D A E B 4 D E B A C 5 E C D B A baris Susunan baris I dan lajur I adalah ABCDE = ABCDE BADEC = BAECD CEABD = CDAEB DCEAB = DEBAC EDBCA = ECDBA
(c) Self conjugate square; jika susunan square baris dan kolom adalah sama. 1 2 3 4 lajur 1 A B C D 2 B A D C 3 C D A B 4 D C B A baris Susunan baris I dan lajur I adalah ABCD = ABCD CDAB = CDAB BADC = BADC DCBA = DCBA
(d) Adjugate set; jika dilakukan pergeseran dari baris ke lajur bersama hurufnya sehingga membentuk square yang baru. 1 2 3 4 Lajur 1 A B C D 2 B A D C 3 C D B A 4 D C A B baris 1 2 3 4 lajur 1 A B C D 2 C D B A 3 B A D C 4 D C A B baris dst
(e) Self adjugate set; jika dilakukan pergeseran dari baris dan lajur hurufnya akan menghasilkan square yang sama. Dalam praktenya kita dapat membuat suatu standard square. Selanjutnya dari standard square disusun square baru yang non-standard dan banyaknya adalah n : (n-1). Dari sekian banyak square yang diperoleh dapat dipilih secara acak mana yang akan
Pola Percobaan Sederhana 30-24
digunakan sebagai bagan percobaan. Beberapa standard square yang dapat digunakan langsung dalam suatu percobaan seperti sajian Talam 10-1. (2) Bagan pengamatan Tabel 3-15. Bagan Pengamatan RBSLatin untuk (5 x 5) Baris Lajur
1 2 3 4 5 lajur
1
A B C D E L1
2
B A D E C L2
3
C E A B D L3
4
D C E A B L4
5
E D B C A L5
baris
B1 B2 B3 B4 B5 LB
Rataan
A./5 = R1 B./5 = R2 C./5 = R3 D./5 = R4 E./5 = R5
(4) Analisis keragaman Tabel 3-16. Analisis Keragaman RBSLatin Sumber Keragaman Baris Lajur Perlakuan Galat percobaan Total dbBaris = b-1 dbLajur = l-1 catatan : p = b = l FK (LB)2/p2 JKBaris = Bi/p FK = (B12 + B22 + B32 + B42 + B52)/p - FK JKLajur = Li/p FK = (L12 + L22 + L32 + L42 + L52)/p - FK JKPerlakuan = Pi/p FK = (A2 + B2 + C2 + D2 + E2)/p - FK Derajat Bebas ( db ) dbB dbL dbP dbG dbT Jumlah Kuadrat ( JK ) JKB JKL JKP JKG JKT dbPerlakuan = p-1 dbG = (p-1)(p-2) Kuadrat Tengah ( KT ) KTB KTL KTP KTG Uji Fisher Fhitung Fbaris Flajur Fperlakuan F(db1;db2)
Perhitungan jumlah kuadrat, kuadrat tengah dan uji statistik F dbT = p2-1
30-25
JKT = (A12 + . + A52 + B12 + . + B52 + C12 + . + C52 + D12 + . + D52 + E12 + . + E52) - FK JKG = JKT JKB JKL - JKP KTB = JKB/dbB KTL = JKL/dbL Fperlakuan =
KTP
KTP = JKP/dbP KTG = JKG/dbG KTBaris KTLajur Fbaris = /KTG Flajur = /KTG (5) Hipotesis
/KTG
H0 : 2 = 0 ; berarti tidak ada keragaman dalam populasi H1 : 2 > 0 ; berarti ada keragaman dalam populasi (6) Keputusan uji F0,05(db1;dbG) tidak berbeda nyata Fp > F0,05(db1;dbG) tapi < F0,01(db1;dbG) berbeda nyata > F0,01(db1;dbG) berbeda sangat nyata db1 = dbL atau dbB atau dbP ; db2 = dbG Fperlakuan = Fbaris = Flajur
C. Efisiensi Pengelompokan
Disini ingin mengetahui apakah pengelompokan baris dan lajur cukup efisien. Untuk itu perlu ditelaah dengan langkah-langkah sebagai berikut :
Ini untuk melihat ketepatan penggunaan RBSLatin dibanding RALengkap. Juga untuk mengetahui berapa banyak ulangan diperlukan RALengkap agar besaran perbedaan perlakuan yang ditimbulkan samadengan yang ditunjukkan oleh RBSLatin (b) Tentukan keefisienan nisbi (KN) RBSLatin terhadap RAKelompok. Koefisien ini di hitung dengan dua cara yaitu jika baris dianggap sebagai kelompok dan jika lajur dianggap sebagai kelompok. KN (RAK, baris) = KTB + (p 1)KTG p.KTG KTL + (p 1)KTG p.KTG
KN (RAK, lajur) =
30-26
Keduanya untuk menelaah apakah penambahan pengelompokan baris atau lajur akan meningkatkan ketepatan dibanding lajur atau baris sebagai kelompok. KN ini menunjukkan apakah RAKelompok dengan baris atau lajur sebagai kelompok akan sama efisiennya dengan RBSLatin Sebelumnya jika dbGalat dalam analisis keragaman RBSLatin kurang dari 20, maka nilai KN dikalikan dengan faktor penyeseusian sebesar k yang rumusannya k = [(p 1)(p 2) + 1] [(p 1)2 + 3 ] [(p 1)(p 2) + 3] [(p 1)2 + 1 ]
sehingga kedua rumusan di atas menjadi KN (RAK, baris; k) = KTB + (p 1)KTG p.KTG KTL + (p 1)KTG p.KTG (k)
(k)
untuk Pengelompokan baris dan lajur Jika Fhitung (Fbaris dan atau Flajur) lebih besar dibanding nilai Ftabel (salah duga = , db1 = (p 1), db2 = (p 1)(p 2).) berarti pengelompokan baris dan atau lajur berbeda nyata. untuk KN (RALengkap) Jika KN (RAL) > 1; berarti ada peningkatan ketepatan percobaan. Atau dengan kata lain bahwa jika menggunakan RALengkap diperlukan ulangan sebanyak nilai KN(RAL) lebih banyak agar diperoleh perbedaan besaran perlakuan yang sama dengan RBSLatin. untuk KN (RAK, baris) dan KN (RAK, lajur) Jika KN (RAK baris atau lajur) > 1; maka dinyatakan untuk Baris : penambahan pengelompokan baris akan memungkinkan dilaksanakan dengan RBSLatin dengan dugaan akan menaikkan ketepatan percobaan dibanding dengan RAKelompok dengan lajur sebagai kelompok. untuk Lajur : penambahan pengelompokan lajur akan memungkinkan dilaksanakan dengan RBSLatin dengan dugaan akan menaikkan ketepatan percobaan dibanding dengan RAKelompok dengan baris sebagai kelompok. Kasus 3-31. Percobaan ingin mengetahui perbedaan pertumbuhan anakan Shorea spp hasil dari cabutan terdiri dari S. lamellata, S. johorensis, S. ovalis, S. laevifolia merupakan perlakuan. Masing-masing perlakuan terdiri 4 anakan sebagai lajur. Media sapih yang digunakan berupa campuran tanah gambut (G) dan abu sekam padi (P) dengan komposisi (100% G + 0% P), (70% G + 30% P), (50% G + 50% P), (30% G + 70% P) sebagai baris. Bagan percobaan dan hasil pengamatannya adalah
30-27
Nomor Baris 1 2 3 4
1 B C A D
Nomor Lajur 2 3 C A D B B D A C
4 D A C B
(1) Susun data hasil pengamatan seperti daftar di atas beserta penempatan tiap perlakuannya (2) Hitung jumlah baris dan lajurnya Nomor Baris 1 2 3 4 Jlh Lajur (L) Lajur 1 0,924(B) 1,128(C) 1,040(A) 0,945(D)
4,037
Pertambahan tinggi (cm) Lajur 2 Lajur 3 0,954(C) 0,845(A) 0,972(D) 1,015(B) 1,089(B) 0,963(D) 0,996(A) 1,007(C)
4,011 3,830
(2) Hitung jumlah tiap perlakuan dan rataannya A = A 1 + A 2 + A 3 + A4 = 0,845 + 1,105 + 1,040 + 0,996 = 3,986 ; dan seterusnya Perlakuan A B C D dbT dbB dbG dbG = = = = = Jumlah
3,986 4,012 4,062 3,759
Rataan
0,9965 1,0030 1,0155 0,9398
(4) Perhitungan sumber keragaman dan uji statistik F p2 1 = 16 -1 = 15 dbL = dbP = p 1 = 4 1 = 3 (p 1)(p 2) = (4 - 1)(4 - 2) = 6 atau dbT dbB dbL - dbP 15 3 - 3 3 = 6
FK = (LB)2/p2 = (15,819)2/(4)2 = 15,640049 JKB = (B12 + B22 + B32 + B42)/p FK = [ {(3,602)2 + (4,220)2 + (4,065)2 + (3,932)2 }/4] - 15,640049 = 0,051866 JKL = (L12 + L22 + L32 + L42)/p FK = [ {(4,037)2 + (4,011)2 + (3,830)2 + (3,941)2 }/4] - 15,640049 = 0,006420 JKP = (A2 + B2 + C2 + D2)/p FK = [ {(3,986)2 + (4,012)2 + (4,062)2 + (3,759)2 }/4] - 15,640049 = 0,013519 JKT = (A12 + . + A42 + B12 + . + B42 + C12 + . + C42 + D12 + . + D42) FK = [ (0,845)2 + (0,996)2 + . + (0,963)2 + (0,945)2] - 15,640049 = 0,087893 JKG = JKT JKB JKL JKP = 0,087893 - 0,051866 - 0,006420 - 0,013519 = 0,016089
Pola Percobaan Sederhana 30-28
KTB = JKB/dbB = 0,051866/(4-1) = 0,017289 KTL = JKL/dbL = 0,006420/(4-1) = 0,002140 KTP = JKP/dbP = 0,013519/(4-1) = 0,004506 KTG = JKG/dbG = 0,016089/(3)(2) = 0,002681 KTB Fb = /KTG = 0,017289/0,002681 = 6,4474 KTL Fl = /KTG = 0,002140/0,002681 = 0,7981 Fp =
KTP
F(db1;db2) = F(dbP;dbG) = F0,05(3;6) = 4,7571 = F0,01(3;6) = 9,7795 (5) Analisis keragaman Analisis Keragaman Pertambahan tinggi Sumber Baris Lajur Perlakuan Galat Total db
3 3 3 6 15
JK
0,051866 0,006420 0,013519 0,016089 0,087893
KT
0,017289 0,002140 0,004506 0,002681
Fhitung
6,4474* 0,7981 1,6805
F0.05(3;6)
4,7571
F0.01(3;6)
9,7795
Keempat jenis Shorea tidak menunjukkan perbedaan. Sedangkan pengelompokan campuran media sapih berupa baris menunjukkan perbedaan pada salah duga 5%. (6) Efisiensi Pengelompokan (a) Pengelompokan Lajur dan Baris Pengelompokan baris menunjukkan keberhasilan (Fb > F0.05(3;6)) dibandingkan pengelompokan lajur (Fl < F0.05(3;6)). Ini juga berarti keberhasilan pengelompokan lajur dapat memperkecil galat percobaan dibanding pengelompokan baris. (b) Keefisienan RABLatin terhadap RALengkap dan RAKelompok b1. keefisienan nisbi (KN) RBSLatin terhadap RALengkap KN (RAL) = KTB + KTL + (p 1)KTG (p + 1)KTG
= [0,017289 + 0,002140 + (4 1)(0,002681)]/(4 + 1)(0,002681) = 2,0491 Jadi KN (RAL) > 1; berarti menunjukkan peningkatan ketepatan percobaan sebesar 205%. Atau dengan kata lain jika menggunakan RALengkap diperlukan ulangan sebanyak 2,05 lebih banyak agar diperoleh perbedaan besaran perlakuan yang sama dengan RBSLatin. b2. keefisienan nisbi (KN) RBSLatin terhadap RAKelompok. Memperhatikan nilai k, ternyata dbGalat RBSLatin sebesar 6 lebih kecil dari 20. Sehingga diperlukan penyesuaian sebesar k sebagai k = [(p 1)(p 2) + 1] [(p 1)2 + 3 ] [(p 1)(p 2) + 3] [(p 1)2 + 1 ]
30-29
= [(4 1)(4 2) + 1] [(4 1)2 + 3 ]/ [(4 1)(4 2) + 3] [(4 1)2 + 1 ] = 0,933333 Jadi KN yang telah disesuaikan dengan k adalah KN (RAK, baris; k) = KTB + (p 1)KTG p.KTG (k)
= [{0,017289 + (4-1). 0,002681}/4.( 0,002681)]. 0,933333 = (2,361849)(0,933333) = 1,428516 KN (RAK, lajur; k) = KTL + (p 1)KTG p.KTG (k)
= [{0,002140 + (4-1) 0,002681}/4.( 0,002681)]. 0,933333 = (0,949523)(0,933333) = 0,016189 Hasilnya menunjukkan bahwa penambahan pengelompokan lajur dalam RBSLatin tidak akan menaikkan ketepatan dibanding dengan baris sebagai kelompok. Penambahan pengelompokan baris memungkinkan untuk dilaksanakan RBSLatin dengan dugaan akan menaikkan ketepatan percobaan sebesar 143% dibanding RAKelompok dengan lajur sebagai kelompok (1,62%). Jadi pengujian ini menunjukkan bahwa untuk RAKelompok dengan baris sebagai kelompok akan sama efisiennya dengan RBSLatin.
30-30
40
41. Pengertian Faktorial
POLA
PERCOBAAN FAKTORIAL
Percobaan faktorial (Factorial Experiment) merupakan suatu percobaan yang terdiri dari minimal 2 faktor atau lebih, tiap faktor terdiri dari minimal 2 taraf atau lebih dan setiap ulangan terdapat semua susunan kombinasi perlakuan. Percobaan faktorial berarti pula penggambungan 2 faktor atau lebih yang pelaksanaannya berjalan serentak dengan susunan perlakuan yang berkombinasi ke masing-masing taraf perlakuan. Banyaknya ulangan yang dianggap minimal untuk percobaan faktorial serupa dengan percobaan sederhana yaitu tergantung dari dbGalat percobaannya. Demikian pula untuk bentuk model linier pola rancangannya tergantung dari pola percobaannya dan tidak bersifat terbalik. Permasalahan yang sering terjadi (peneliti muda atau pemula) pada percobaan 2 faktor atau lebih (faktorial) adalah (1) mengkombinasikan 2 faktor atau lebih yang sebenarnya tidak benar. (a) Misalkan ada 2 perusahaan (atau lebih) menghasilkan produk tertentu yang sama dan juga memiliki kesamaan ukuran. Katakan saja perusahaan A dan B dengan masingmasing produk yang sama dihasilkan berupa papan, kayu lapis, balokan. Notasi ketiga sortimen ini adalah a1, a2 dan a3 untuk perusahaan A dan untuk perusahaan B sebagai b1, b2 dan b3. Selanjutnya ingin diketahui apakah benar produk tertentu itu adalah sama atau berbeda dari kedua perusahaan tersebut. Kedua perusahaan dinyatakan sebagai perlakuan A dan perlakuan B, berarti terjadi kombinasi A dan B (notasinya A x B). Jika demikian berarti hasil kombinasinya adalah (A x B) = a1b1, a1b2, a1b3, a2b1, a2b2, a2b3, a3b1, a3b2 dan a3b3. Pertanyaan yang timbulkan apakah dibenarkan perusahaan A dapat dikombinasikan dengan perusahaan B, sehingga menghasilkan 9 kombinasi taraf perlakuan. Kombinasi seperti ini merupakan kejadian yang mustahil. (b) Permisalan yang lain, ingin mengetahui sesuatu sifat kayu dengan melakukan pengujian pada bagian pangkal, tengah dan ujung batang. Batang kayu yang akan diuji dari jenis M dan jenis K. kedua jenis dikombinasikan sehingga diperoleh kombinasi bagian batang (berupa sample) adalah m1k1, m1k2, m1k3, m2k1, m2k2, m2k3, m3k1, m3k2 dan m3k3. Pertanyaannya mungkinkah kombinasi tersebut jadi demikian. Juga merupakan kejadian yang mustahil. (2 ) Permasalahan yang sering terjadi adalah perlu tidaknya uji lanjutan (uji beda rataan) dilakukan untuk setiap perlakuan yang berbeda nyata. Katakan percobaan terdiri dari faktor A dan B sehingga dalam sumber keragamannya ditulis faktor tunggal A dan B, interaksinya AB. Jika hasil Fhitung menyatakan suatu perlakuan berbeda nyata pada salah duga sebesar adalah : (a) faktor A dan atau faktor B, maka yang akan ditelaah lebih lanjut adalah faktor A dan atau faktor B,
Pola Percobaan Faktorial 40-1
(b)faktor A dan atau faktor B, juga faktor AB (interaksinya), maka yang perlu ditelaah lebih lanjut adalah interaksi AB. Adapun faktor A dan faktor B tidak perlu di telaah. Tidak keliru jika faktor A dan atau faktor B ditelaah lebih lanjut dengan maksud ingin mengetahui taraf yang mana pada faktor A dan atau faktor B tersebut menunjukkan pengaruh nyata (berbeda nyata). Namun kembali pada makna percobaan faktorial. Mengapa percobaan dilakukan dengan pola percobaan faktorial ?. Tentu ingin mengetahui lebih jauh pengaruh yang diberikan bila kedua faktor tersebut dikombinasikan. Atau dengan bahasa sederhana, menginginkan kombinasi pelakuan yang mana akan memberikan hasil (respon) lebih baik dibanding kalau hanya faktor A saja atau faktor B saja, meskipun keinginan yang dimaksud belum tentu terpenuhi. Jadi tidak keliru untuk menelaah faktor A dan atau faktor B, namun berarti kurang memahami makna dan maksud penggunaan percobaan faktorial.
Makna dari tabel di atas adalah (1) pengaruh sederhana (single effects) pengaruh sederhana A pada b1 = (a2 a1)1 A pada b2 = (a2 a1)2 pengaruh sederhana B pada a1 = (b2 b1)1 B pada a2 = (b2 b1)2 (2) pengaruh utama (main effects) pengaruh faktor utama A A = (a2 a1). = [(pengaruh sederhana A pada b1) + (pengaruh sederhana A pada b2)]/2 = [(a2 a1)1 + (a2 a1)2]/2
Pola Percobaan Faktorial 40-2
= [(a2b1 - a1b1) + (a2b2 - a1b2)] atau = [(a2b1 + a2b2) - (a1b1 + a1b2)] pengaruh faktor utama B B = = = = = (b2 b1). [(pengaruh sederhana B pada a1) + (pengaruh sederhana B pada a2)]/2 [(b2 b1)1 + (b2 b1)2]/2 [(a1b2 - a1b1) + (a2b2 a2b1)] atau [(a1b2 + a2b2) - (a1b1 + a2b1)]
(3) pengaruh interaksi faktor A dan faktor B dapat diperoleh dari (dua cara) perbedaan antara pengaruh sederhana faktor A pada kedua taraf B A x B = [(pengaruh sederhana A pd b2) - (pengaruh sederhana A pd b1)]/2 = [(a2b2 - a1b2) - (a2b1 a1b1)] atau = [(a2b2 + a1b1) - (a1b2 + a2b1)] perbedaan antara pengaruh sederhana faktor B pada kedua taraf A A x B = [(pengaruh sederhana B pd a2) - (pengaruh sederhana B pd a1)]/2 = [(a2b2 - a2b1) - (a1b2 - a1b1)] atau = [(a2b2 + a1b1) - (a2b1 + a1b2)] Penyajian dalam grafik akan memperlihatkan interaksi yang terjadi dan respon terhadap hasil pengamatan. Katakan saja yang ingin diketahui respon B terhadap A. Secara umum akan diperlihatkan dalam grafik kemungkinan interaksi dan respon yang terjadi seperti sajian berikut.
(a)
(c)
Ketiga gambar di atas memperlihatkan untuk gambar (a) tidak menunjukkan adanya interaksi. Gambar (b) dan (c) terlihat adanya interaksi kedua faktor. Untuk gambar (b) menunjukkan respon B positif terhadap A (a1 dan a2), namun respon terhadap a2 lebih besar dibanding a1. Untuk gambar (c) menunjukkan respon B positip terhadap a1 yang sama besarnya terhadap a2 namun responnya bersifat negatif. Untuk memperjelas gambaran perhitungan pengaruh-pengaruh dimaksud dapat ditelaah pada kasus berikut.
40-3
Kasus 4-11. Percobaan model (M) dan pengikat (P) sambungan pada balok batang kelapa. Hasil percobaan berupa MoR (kg f/cm3) [TaLam 11-3] Perhitungannya jumlah kuadrat : dbM = (m 1) = (2 1) = 1 dbG = mp(r 1) = 2.2(3-1) = 8
2 2
dbMP = (m - 1)(p - 1) = 1
FK = (m.p.) /(mpr) = (547,960) /(2.2.3) = 25021,6801 JKPerlakuan = [(m1p1.)2 + (m1p2.)2 + (m2p1.)2 + (m2p2.)2]/r - FK = [(86,273)2 + (118,825)2 + (146,125)2 + (196,737)2]/3 - FK = 2185,1112 JKT = [(m1p1r1)2 + (m1p1r2)2 + (m1p1r3)2 + . + (m2j2r1)2 + (m2j2r2)2 + (m2j2r3)2] - FK = [(29.956)2 + (31.533)2 + (24.784)2 + . + (44.444)2 + (86.114)2 + (66.179)2] FK = 3578,0521 JKG = JKT JKPerlakuan = 3578,0521 - 2185,1112 = 1392,9409 JKM = [{(m1..)2 + (m2..)2}/(pr)] FK = [{(205,098)2 + (342,862)2}/(2.3)] FK = 1581,5766 JKP = [{(.p1.)2 + (.p2.)2}/(mr)] FK = [{(232,398)2 + (315,562)2}/(2.3)] FK = 576,3542 JKMP = JKPerlakuan - JKM JKP atau = [(m1p1.)2 + (m1p2.)2 + (m2p1.)2 + (m2p2.)2]/r FK JKM - JKP = 2185,1112 - 1581,5766 576,3542 = 27,1803 Analsis keragaman percobaan Model dan Pengikat sambungan balok batang kelapa Sumber Perlakuan Model (M) Pengikat (P) MxP Galat Total db
3 1 1 1 8 11
JK
2185,1112 1581,5766 576,3542 27,1803 1392,9409 3578,0521
KT
728,3704 1581,5766 576,3542 27,1803 174,1176 -
Fh
4,1832* 9,0834* 3,3101 0,1561 -
F0,05(1;16)
4,0662 5,3177
F0,01(1;16)
7,5910 11,2586
Hasil analisis keragaman menunjukkan bahwa hanya antara model sambungan yang menunjukkan perbedaan nyata dengan salahduga 5%. Sedangkan kedua pengikat tidak menunjukkan perbedaan yang nyata. Hasil uji interaksi juga menunjukkan tidak berbeda nyata pada salahduga 5% (1/F = 6,4061 > 0,05). Untuk menentulan nilai F(db1;db2) telah diisajikan pada Kasus 3-11. buka layar program excel posisikan kruser pada sembarang cell untuk F0,05(3;8); ketik =FINV(0.05,3,8) Enter, akan tampil 4.0662 untuk F0,01(3;8); ketik =FINV(0.01,3,8) Enter, akan tampil 7.5910 Demikian pula untuk untuk F0,05(1;8); ketik =FINV(0.05,1,8) Enter, akan tampil 5,3177 untuk F0,01(1;8); ketik =FINV(0.01,1,8) Enter, akan tampil 11,2586
40-4
Untuk pengaruh utama model sambungan adalah sebesar M = (pengaruh sederhana M pd p1) + (pengaruh sederhana M pd p2)] = (m2p1 - m1p1) + (m2p2 - m1p2)] = [(146,125 - 86,273) + (196,737 - 118,825)] = 68,882 kg l/cm3 Selanjutnya akan ditelaah apakah pengikat sambungan (p1 = pasak ; p2 = pasak + perekat) menunjukkan respon terhadap model sambungan (m1 = sambungan perpanjangan lurus bibir miring berkait dada miring berkait/bertakik ; m2 = sambungan perpanjangan siku dada datar bibir miring berkait/bertakik). Dari grafik ini menunjukkan adanya interaksi dalam model itu sendiri dan menunjukkan respon positip terhadap model sambungan yang dibuat. Respon positip yang ditunjukkan pengingat sambungan lebih besar terhadap model m2 (146,125 kg l/cm3) dibanding model m1 (86,273 kg l/cm3). Kasus 4-12. Brosur Perusahaan pupuk Hijau Lestari menyatakan bahwa pupuk Mutiaraplus (Mp) yang baru diproduk sangat berguna dalam menunjang pertumbuhan anakan tanaman hutan. Percobaan dilakukan terhadap 2 jenis anakan yaitu meranti dan keruing. Pupuk diberikan sesuai dengan dosis yang dianjurkan. Respon yang diinginkan pertumbuhan diameter. Dari hasil pengamatan diperoleh data pertambahan diameter (cm) pada sajian TaLam 11-4. Perhitungannya jumlah kuadrat : dbPerlakuan = mj 1 = 2.2 - 1 = 3 dbMJ = (m - 1)(j - 1) = 1 dbM = (m 1) = (2 1) = 1 dbJ = (j - 1) = (2 - 1) =1 dbT = mjr 1 = 19 dbG = mj(r 1) = 2.2(5-1) = 16
FK = (m.j.)2/(mjr) = (9,76)2/(2.2.5) = 4,76288 JKPerlakuan = [(m1j1)2 + (m1j2)2 + (m2j1)2 + (m2j2)2]/r - FK = [(2,25)2 + (2,30)2 + (2,75)2 + (2,46)2]/5 - FK = 0,03044 JKT = [(m1j1r1)2 + (m1j1r2)2 + . + (m1j2r5)2 + (m2j2r1)2 + . + (m2j2r4)2 + (m2j2r5)2] - FK = [(0,48)2 + (0,45)2 + . + (0,44)2 + (0,57)2 + . + (0,48)2 + (0,52)2] FK = 0,04252 JKG = JKT JKPerlakuan = 0,04252 - 0,03044 = 0,01208 JKM = [{(m1j.)2 + (m2j.)2}/(j.r)] FK = [{(4,55)2 + (5,21)2}/(2.5)] FK = 0,02178 JKJ = [{(m.j1)2 + (m.j2)2}/(j.r)] FK = [{(5,00)2 + (4,76)2}/(2.5)] FK = 0,00288 JKMJ = JKPerlakuan - JKM JKJ atau = [(m1j1)2 + (m1j2)2 + (m2j1)2 + (m2j2)2]/r FK JKM - JKJ = 0,03044 - 0,02178 0,00288 = 0,00578
40-5
Analsis keragaman Percobaan pupuk Mutiara-plus terhadap petumbuhan anakan Sumber Perlakuan Pupuk (M) Jenis (J) MxJ Galat Total db
3 1 1 1 16 19
JK
0,03044 0,02178 0,00288 0,00578 0,01208 0,04252
KT
0,010147 0,021780 0,002880 0,005780 0,000755 -
Fh
13,4393** 28,8477** 3,8146 7,6556* -
F0,05(1;16)
3,2389 4,4940
F0,01(1;16)
5,2922 8,5310
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa pupuk Mutiara-plus ternyata benar berpengaruh terhadap pertumbuhan diameter anakan, tidak menunjukkan perbedaan pertumbuhan diameter antar kedua jenis anakan, interaksi antara pupuk Mutiara-plus dan jenis anakan juga menunjukkan adanya perbedaan terhadap salah satu pertumbuhan diameter jenis anakan. Memperhatikan interaksi M x J menunjukkan perbedann, maka ingin memeriksa M dan interaksinya ke dalam J (j1 dan j2) M x J = [(m2j2 + m1j1) - (m1j2 + m2j1)] = [(2,46 + 2,25) - (2,30 + 2,75)] = -0,17 Jumlah kuadrat pengaruh sederhana JK(M dalam j1) = (m2j1 - m1j1)2/jr = (0,50)2/2.5 = 0,025 JK(M dalam j2) = (m2j2 - m1j2)2/jr = (0,16)2/2.5 = 0,00256
B. RALengkap 2 Faktorial
n Pola Percobaan Pola lapangan atau yang dapat diserupakan seperti lapangan dengan tata letaknya menggunakan acak bebas. Perlakuan terdiri 2 faktor yang masing-masing taraf minimal ada sepasang yang menunjukkan interaksi. Katakan saja pola percobaan acak bebasnya dengan 2 perlakuan dengan masing-masing taraf 2 dan 3. Pengulangan dilakukan sebanyak 3 kali. a1b1r1 a1b3r3 a1b2r1 a2b2r1 a1b1r2 a2b1r3 a2b1r2 a2b3r3 a1b1r3 a1b2r1 a2b2r2 a2b3r1 a2b3r2 a1b3r1 a1b2r3 a1b3r2 a2b2r3 a2b1r1
40-6
o Bagan Pengamatan Tabel 4-2. Bagan pengamatan umum percobaan 2F pada RALengkap Pengamatan 1 2 . r Jumlah B1 Y111 Y112 . Y11r Y11. A1 B2 Y121 Y122 . Y12r Y12. B3 Y131 Y132 . Y13r Y13. B1 Y211 Y212 . Y21r Y21. A2 B2 Y221 Y222 . Y22r Y22. B3 Y231 Y232 . Y23r Y23. Jumlah Y..1 Y..2 . Y..r Y...
p Analisis Keragaman Percobaan 2F RALengkap Tabel 4-3. Bagan analisis keragaman Percobaan 2F RALengkap Sumber Keragaman Perlakuan A B AxB Galat Total db dbP dbA dbB dbAB dbG dbT JK JKP JKA JKB JKAB JKG JKT KT KTP KTA KTB KTAB KTG Uji Fisher Fhitung F(db1;db2) Fa Fb Fab F(dbA;dbG) F(dbB;dbG) F(dbAB;dbG) -
dbAB = (a 1)(b 1)
FK = [( Yijk)2]/abr = (Y...)2/(abr) JKA = [{ ( Yijk)2}/br] FK = [{(A1)2 + (A2)2}/br] - FK = [{(Y11. + Y12. + Y13.)2 + (Y21. + Y22. + Y23.)2}/br] - FK JKB = [{ ( Yijk)2}/ar] FK = [{(B1)2 + (B2)2 + (B3)2}/ar] - FK = [{(Y11. + Y21.)2 + (Y12. + Y22.)2 + (Y13. + Y23.)2}/ar] - FK JKAB = [{ ( Yijk)2}/r] - FK JKA JKB
j=1 k=1 i=1 a b r k=1 j=1 r=1 b a r j=1 k=1 i=1
= [{(A1B1)2 + (A1B2)2 + (A1B3)2 + (A2B1)2 + (A2B2)2 + (A2B3)2}/r] - FK JKA JKB = [{(Y11.)2 + (Y12.)2 + (Y13.)2 + (Y21.)2 + (Y22.)2 + (Y23.)2}/r] - FK JKA JKB JKT = (Yijk)2 FK = [(Y111)2 + (Y121)2 + .. + (Y22r)2 + (Y23r)2] FK
j=1 k=1 i=1 a b r
40-7
Hipotesis yang perlu diuji : 1) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan 2) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor A 3) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor B Keputusan uji : Hipotesis-1 : FAB F(dAB,dG) ; terima H0 atau tolak H1 FAB > F(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FA F(dA,dG) ; terima H0 atau tolak H1 FA > F(dA,dG) ; terima H1 atau tolak H0 Hipotesis-3 : FB F(dB,dG) ; terima H0 atau tolak H1 FB > F(dB,dG) ; terima H1 atau tolak H0 q Model Rancangan Data percobaan dalam RAL dengan 2 Perlakuan yang saling berkombinasi (interaksi) diilustrasikan dengan model llinier
ijk = galat percobaan dari satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij
Asumsi yang diperlukan model ini : a. Pengaruh taraf faktor A dan faktor B timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam 2 dan 2. j NI(0,2) i NI(0,2) b. Pengaruh interaksi ()ij timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam 2 ()ij NI(0,2) Kasus 4-13. Percobaan penggunaan catcher terhadap jenis kayu untuk mengetahui emisi gas formaldehida. Komposisi catcher (% berat total formula perekat) terdiri dari 0% (c0), 6% (c1), 7% (c2) dan 8% (c3). Jenis kayu yang digunakan adalah meranti kuning, meranti merah, meranti putih dan keruing masing-masing dinotasikan sebagai j1, j2, j3 dan j4. Rekapitulasi Data emisi gas formaldehida disajikan pada TaLam 11-5. Pola percobaannya serupa dengan Gambar 4-2.
40-8
Perhitungan jumlah kuadrat : dbC = (4-1) = 3 dbJ = (4-1) = 3 dbT = cjr 1 = 79 dbCJ = (4-1)(4-1) = 9 dbG = cj(r-1) = 4.4(5-1) = 64 FK = (160,76)2/(4.4.5) = 323,0472
JKPerlakuan = [{(16,53)2 + (11,58)2 + + (6,30)2 + (4,68)2}/5] FK = 62,5385 JKC = [{(63,27)2 + (42,99)2 + (30,76)2 + (23,74)2}/(4.5)] - FK = 45,0027 JKJ = [{(46,54)2 + (30,59)2 + (51,02)2 + (32,61)2}/(4.5)] FK = 15,3614 JKCJ = JKPerlakuan JKA JKB = 2,1744 JKT = [(3,23)2 + (2,29)2 + (1.84)2 + + (1,72)2 + (1,37)2 + (0,97)2] FK = 63,9706 JKG = JKT JKPerlakuan atau = 1,4321 = JKT JKC JKJ - JKCJ
Analisis keragaman emisi gas formaldehida Sumber Catcher (C) Jenis (J) CxJ Galat Total db
3 3 9 64 79
JK
45,0027 15,3614 2,1744 1,4321 63,9706
KT
15,0009 5,1205 0,2416 0,0224 -
Fh
670,3937** 228,8347** 10,7973** -
F0,05(db1;64) F0,01(db1;64)
2,7482 2,0298 4,1033 2,6980
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa variasi komposisi catcher dan variasi antar jenis kayu yang digunakan masing-masing menunjukkan pengaruh sangat nyata. interaksi variasi catcher dan variasi jenis kayu juga menunjukkan pengaruh sangat nyata.
C. RALengkap 3 Faktorial
Percobaan dengan 3 faktor atau lebih pada dasarnya sama seperti percobaan dengan 2 faktor. Bedanya hanya pada jumlah faktor yang akan dikombinasikan. Untuk 4 faktor atau lebih merupakan pengembangan dari 3 faktor ini. Sehingga disini hanya menekankan pada 3 faktor saja. n Pola Percobaan Pola percobaan lapangan serupa dengan percobaan 2F RALengkap. Bedanya hanya pada jumlah faktor yang dikombinasikan. Katakan percobaan dengan 3 faktor yang masing-masing terdiri 2, 3 dan 2 taraf. Pengulangan tiap satuan percobaan sebanyak 3 kali. a1b1c1r1 a1b3c2r1 a1b2c2r1 a2b2c1r2 a2b2c2r1 a2b3c1r3 a1b1c1r2 a2b2c2r2 a1b3c1r2 a2b1c2r1 a2b3c1r1 a2b1c1r1 a1b2c1r1 a2b3c2r1 a1b1c2r3 a1b3c2r3 a2b1c1r2 a1b3c2r2 a2b3c2r3 a1b3c1r3 a1b1c2r1 a1b2c2r2 a2b1c2r3 a2b2c1r3
40-9
a1b1c2r2 a2b2c2r3
a2b3c1r2 a1b3c1r1
a1b2c1r3 a2b1c2r2
a2b3c2r2 a1b1c1r3
a1b2c1r2 a2b2c1r1
a2b1c1r3 a1b2c2r3
Gambar 4-3. Pola percobaan (2 x 3 x 2) Faktorial RALengkap o Bagan Pengamatan Tabel 4-4. Bagan pengamatan umum percobaan 3F pada RALengkap C. r B1 Y1111 Y1112 Y1113 Y1121 Y1122 Y1123 Y11.. A1 B2 Y1211 Y1212 Y1213 Y1221 Y1222 Y1223 Y12.. B3 Y1311 Y1312 Y1313 Y1321 Y1322 Y1323 Y13.. B1 Y2111 Y2112 Y2113 Y2121 Y2122 Y2123 Y21.. A2 B2 Y2211 Y2212 Y2213 Y2221 Y2222 Y2223 Y22.. B3 Y2311 Y2312 Y2313 Y2321 Y2322 Y2323 Y23.. Jumlah Y..11 Y..12 Y..13 Y..21 Y..22 Y..23 Y.
1 C1 2 3 1 C2 2 3 Jumlah
p Analisis Keragaman Percobaan 3F RALengkap Tabel 4-5. Bagan analisis keragaman Percobaan 3F RALengkap Sumber Perlakuan A B C AxB AxC BxC AxBxC Galat Total db dbP dbA dbB dbC dbAB dbAC dbBC dbABC dbG dbT JK JKP JKA JKB JKC JKAB JKAC JKBC JKABC JKG JKT KT KTP KTA KTB KTC KTAB KTAC KTBC KTABC KTG Fhitung Fa Fb Fc Fab Fac Fbc Fabc F(db1;db2) F(dbA;dbG) F(dbB;dbG) F(dbC;dbG) F(dbAB;dbG) F(dbAC;dbG) F(dbBC;dbG) F(dbABC;dbG) -
FK = [( Yijkl)2]/abcr = (Y....)2/(abcr) JKA = [{ ( Yijkl)2}/bcr] FK = [{(A1)2 + (A2)2}/bcr] - FK = [{(Y11.. + Y12.. + Y13..)2 + (Y21.. + Y21.. + Y23..)2}/bcr] - FK JKB = [{ ( Yijkl)2}/acr] FK = [{(B1)2 + (B2)2 + (B3)2}/acr] FK
Pola Percobaan Faktorial
k=1 j=1 l=1 i=1 b a c r j=1 k=1 l=1 i=1 r
40-10
= [{(Y11.. + Y21..)2 + (Y12.. + Y22..)2 + (Y13.. + Y23..)2}/acr] - FK JKC = [{ ( Yijkl)2}/abr] FK = [{(C1)2 + (C2)2}/abr] FK = [{(Y..11 + Y..12 + . + Y..1r)2 + (Y..21 + Y..22 + . +Y..2r)2}/abr] FK JKAB = [{ ( Yijkl)2}/cr] - FK JKA JKB = [{(A1B1)2 + (A1B2)2 + (A1B3)2 + (A2B1)2 + (A2B2)2 + (A2B3)2}/cr] - FK JKA JKB = [{(Y11..) 2 + (Y12..)2 + . + (Y22..)2 + (Y23..)2}/cr] - FK JKA JKB JKAC = [{ ( Yijkl)2}/br] - FK JKA JKC = [{(A1C1)2 + (A1C2)2 + (A2C1)2 + (A2C2)2}/br] - FK JKA JKC = [{(Y1.1.)2 + (Y1.2.)2 + (Y2.1.)2 + (Y2.2.)2}/br] - FK JKA JKC JKBC = [{ ( Yijkl)2}/ar] - FK JKB JKC = [{(B1C1)2 + (B1C2)2 + (B2C1)2 + (B2C2)2 + (B3C1)2 + (B3C2)2}/ar] - FK JKB JKC = [{(Y.11.)2 + (Y.12.)2 + (Y.21.)2 + (Y.22.)2 + (Y.31.)2 + (Y.32.)2}/ar] - FK JKB JKC JKABC = [{ ( Yijkl)2}/r] - FK JKA JKB - JKC JKAB JKAC JKBC = [{(A1B1C1)2 + (A1B1C2)2 + (A1B2C1)2 + (A1B2C2)2 + (A1B3C1)2 + A1B3C2)2 + (A2B1C1)2 + (A2B1C2)2 + (A2B2C1)2 + (A2B2C2)2 + (A2B3C1)2 + (A2B3C2)2 }/r] - FK JKA JKB JKC JKAB JKAC JKBC = [{(Y111.)2 + (Y112.)2 + (Y121.)2 + (Y122.)2 + (Y131.)2 + (Y132.)2 + (Y211.)2 + (Y212.)2 + (Y221.)2 + (Y222.)2 + (Y231.)2 + (Y232.)2 }/r] - FK JKA JKB JKC JKAB JKAC JKBC JKT = Y2ijkl FK
j=1 k=1 l=1 i=1 a b c r j=1 k=1 l=1 i=1 a b c r k=1 l=1 j=1 i=1 b c a r j=1 l=1 k=1 i=1 a c b r j=1 k=1 l=1 i=1 a b c r l=1 j=1 k=1 i=1 c a b r
= [{(Y1111)2 + (Y1121)2 + (Y1112)2 + (Y1122)2 + + (Y231r)2 + (Y232r)2 FK JKG = JKT JKA JKB - JKC JKAB JKAC JKBC - JKABC Agar perhitungan jumlah kuadrat ini lebih jelas, simak TaLam 10-2. * Hipotesis yang perlu diuji 1) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A, B dan C 2) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan B 3) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan C 4) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan B dan C 5) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor A 6) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor B
Pola Percobaan Faktorial 40-11
7) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor C H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor C * Keputusan uji : Hipotesis-1 : FABC F(dABC,dG) ; terima H0 atau tolak H1 FABC > F(dABC,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FAB F(dAB,dG) ; terima H0 atau tolak H1 FAB > F(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-3 : FAC F(dAC,dG) ; terima H0 atau tolak H1 FAC > F(dAC,dG) ; terima H1 atau tolak H0 Hipotesis-4 : FBC F(dBC,dG) ; terima H0 atau tolak H1 FBC > F(dBC,dG) ; terima H1 atau tolak H0 Hipotesis-5 : FA F(dA,dG) ; terima H0 atau tolak H1 FA > F(dA,dG) ; terima H1 atau tolak H0 Hipotesis-6 : FB F(dB,dG) ; terima H0 atau tolak H1 FB > F(dB,dG) ; terima H1 atau tolak H0 Hipotesis-7 : FC F(dC,dG) ; terima H0 atau tolak H1 FC > F(dC,dG) ; terima H1 atau tolak H0 q Model Rancangan Percobaan dalam RAL Faktorial dengan 3 faktor yang diilustrasikan melalui model linier
Asumsi yang diperlukan model ini : a. Pengaruh interaksi ()ijk timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam 2 ()ijk NI(0,2)
40-12
b. Pengaruh masing-masing interaksi ()ij , ()ik dan ()jk dan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam 2 , 2 dan 2 ()ik NI(0,2) ()jk NI(0,2) ()ij NI(0,2) c. Pengaruh taraf untuk faktor A, B dan C timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam masing-masing adalah 2, 2 dan 2 j NI(0,2) k NI(0,2) i NI(0,2) Kasus 4-14. Percobaan terhadap bahan baku kayu lapis ingin menentukan keteguhan rekat yang terbaik. Untuk memenuhi keinginan tersebut direncanakan pemberian 3 variasi viskositas perekat (1400, 1600 dan 1800 centipoise) dan pelaksanaannya dengan 3 variasi tekanan kempa dingin (8, 10 dan 12 kg/cm2). Bahan baku yang digunakan dari jenis jelutung, kapur, meranti batu, meranti kuning, merijang, dan mersawa. Data pengamatan terlampir pada TaLam 11-6. Pola percobaannya serupa dengan Gambar 4-3. Perhitungannya : dbB = (3-1) = 2 dbC = (3-1) = 2 dbAB = (6-1)( 3-1) = 10 dbA = (6-1) = 5 dbAC = (6-1)( 3-1) = 10 dbBC = (3-1)( 3-1) = 4 dbABC = (6-1)(3-1)( 3-1) = 20 dbG = abc(r-1) = 6.3.3(3-1) = 108 dbT = abcr 1 = 161 FK = (2671,35)2/(6.3.3.3) = 44050,0668 JKA = [{(221,70)2 + (548,18)2 + + (511,20)2 + (433,18)2}/(3.3.3)] FK = 2819,4280 JKB = [{(834,07)2 + (897,03)2 + (940,25)2}/(6.3.3)] FK = 105,5933 JKC = [{(871,87)2 + (891.93)2 + (907.55)2}/(6.3.3)] FK = 11,8485 JKAB = [{(68,64)2 + (179,27)2 + + (176,64)2 + (159,41)2}/(3.3)] FK JKA - JKB = 60,2228 JKAC = [{(71.26)2 + (181.77)2 + + (172.16)2 + (150.70)2}/(3.3)] FK JKA - JKC = 8,7448 JKBC = [{(268.71)2 + (278.75)2 + + (313.38)2 + (317.33)2}/(6.3)] FK JKB - JKC = 1,6058 JKABC = [{(21.86)2 + (59.41)2 + (59.67)2 + + (52.43)2 + (59.54)2 + (54.54)2}/(3)] FK JKA - JKB JKC - JKAB - JKAC JKBC = 2,5099 JKT = [(7.11)2 + (19.76)2 + (20.02)2 + + (17.65)2 + (19.89)2 + (18.58)2] FK = 3018,1981 JKG = JKT JKA JKB JKC JKAB - JKAC JKBC - JKABC = 8,2450
40-13
db
5 2 2 10 10 4 20 108 161
JK
2819,4280 105,5933 11,8485 60,2228 8,7448 1,6058 2,5099 8,2450 3018,1981
KT
563,8856 52,7967 5,9242 6,0223 0,8745 0,4015 0,1255 0,0763 -
Fh
7386,2516** 691,5756** 77,6006** 78,8849** 11,4547** 5,2587** 1,6438 -
F0,05(db1;108)
2,2984 3,0804 1,9195 2,4558 1,6685 -
F0,01(db1;108)
3,1915 4,8072 2,4894 3,4979 2.0524 -
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa semua perlakuan yang dicobakan berpengaruh sangat nyata (berbeda nyata pada salah duga 1%) terhadap keteguhan rekat. kecuali variasi untuk jenis, viskositas dan tekanan sekaligus tidak menunjukkan perbedaan yang nyata pada salahduga 5%
A. RAKelompok 2 Faktorial
n Pola Percobaan Pola lapangan serupa dengan pola percobaan 2 faktor RALengkap. Bedanya terdapat pengelompokan ulangan karena adanya ulangan bersifat tidak seragam (heterogen). Karena adanya pengelompokkan berarti dalam penataan lapangan sesuai dengan pengacakan mengutamakan kelompok dan selanjutnya kedua faktor perlakuan. Katakan saja pola percobaan dengan 3 kelompok dan masing-masing kelompok terdapat 2 perlakuan dengan masing-masing taraf 2 dan 3. Kelompok I Kelompok II Kelompok III r1a2b3 r2a2b3 r3a2b3 r1a2b2 r2a1b1 r3a1b1 r1a1b3 r2a2b1 r3a1b3 r1a1b2 r2a2b2 r3a1b2 r1a1b1 r2a1b3 r3a2b2 r1a2b1 r2a1b2 r3a2b1
40-14
o Bagan Pengamatan Tabel 4-6. Bagan pengamatan umum percobaan 2F RAKelompok Kelompok 1 2 . r Jumlah B1 Y111 Y112 . Yr11 Y11. A1 B2 Y112 Y122 . Yr12 Y12. B3 Y113 Y132 . Yr13 Y13. B1 Y121 Y212 . Yr21 Y21. A2 B2 Y122 Y222 . Yr22 Y22. B3 Y123 Y232 . Yr23 Y23. Jumlah Y1.. Y2.. . Yr.. Y
p Analisis Keragaman percobaan 2F RAKelompok Tabel 4-7. Bagan analisis keragaman percobaan 2F RAKelompok Sumber Keragaman Kelompok A B AxB Galat Total Db dbR dbA dbB dbAB dbG dbT JK JKR JKA JKB JKAB JKG JKT KT KTR KTA KTB KTAB KTG Uji Fisher Fhitung F(db1;db2) Fr F(dbR;dbG) Fa F(dbA;dbG) Fb F(dbB;dbG) Fab F(dbAB;dbG) -
FK = [( Yijk)2]/rab = (Y)2/(rab) JKK = [{ ( Yijk)2}/ab] FK = [{(K1)2 + (K2)2 + + (Kr)2}/(ab)] - FK = [{(Y1..)2 + (Y2..)2 + + (Yr..)2}/(ab)] FK JKA = [{ ( Yijk)2}/rb] FK = [{(A1)2 + (A2)2}/(rb)] - FK = [{(Y11. + Y12. + Y13.)2 + (Y21. + Y22. + Y23.)2}/(rb)] - FK JKB = [{ ( Yijk)2}/ra] FK = [{(B1)2 + (B2)2 + (B3)2}/ra] FK = [{(Y11. + Y21.)2 + (Y12. + Y22.)2 + (Y13. + Y23.)2}/(ra)] - FK JKAB = [{ ( Yijk)2}/r] - FK JKA JKB = [{(A1B1)2 + (A1B2)2 + (A1B3)2 + (A2B1)2 + (A2B2)2 + (A2B3)2}/r] FK JKA JKB = [{(Y11.)2 + (Y12.)2 + (Y13.)2 + (Y21.)2 + (Y22.)2 + (Y23.)2}/r] FK JKA JKB JKT = Y2ijk FK = [(Y111)2 + (Y112)2 + (Y113)2 + + (Yr21)2 + (Yr22)2 + (Yr23)2] FK
Pola Percobaan Faktorial 40-15
i=1 j=1 k=1 r a b j=1 k=1 i=1 a b r k=1 i=1 j=1 b r a j=1 k=1 i=1 a b r i=1 j=1 k=1
JKG = JKT JKA JKB JKAB * Hipotesis yang perlu diuji : 1) H0 : 2 0 ; tidak ada keragaman dalam pengelompokan H1 : 2 > 0 ; ada keragaman dalam pengelompokan 2) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan 3) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor A 4) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor B * Keputusan uji : Hipotesis-1 : FK F(dR,dG) ; terima H0 atau tolak H1 FK > F(dR,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FAB F(dAB,dG) ; terima H0 atau tolak H1 FAB > F(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-3 : FA F(dA,dG) ; terima H0 atau tolak H1 FA > F(dA,dG) ; terima H1 atau tolak H0 Hipotesis-4 : FB F(dB,dG) ; terima H0 atau tolak H1 FB > F(dB,dG) ; terima H1 atau tolak H0 q Model Rancangan Percobaan faktorial dalam RAK dengan 2 perlakuan yang saling berkombinasi (interaksi) diilustrasikan melalui model
Asumsi yang diperlukan model ini : a. Pengaruh pengelompokan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam 2 i NI(0,2)
40-16
b. Pengaruh interaksi ()ij timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam 2. ()jk NI(0,2) c. Pengaruh taraf faktor A dan faktor B timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam 2 dan 2. j NI(0,2) k NI(0,2)
Kasus 4-21. Percobaan ingin mengamati pertumbuhan tanaman yang sebelumnya sudah ada pada lokasi terbuka yang bervariasi kelerengannya. Untuk mengamati pertumbuhan tersebut diberi 2 perlakuan. Perlakuan pertama berupa pengolahan tanah yaitu tanpa diolah (p0) dan dilakukan pengolahan tanah (p1). Perlakuan kedua berupa pemberian pupuk Mutiara yaitu tanpa dipupuk (m0), 100 gr/anakan (m1) dan 200 gr/anakan (m2). Kelerengan dipilih agak datar, lereng dan agak lereng yang dijadikan kelompok. Data pertambahan tumbuh anakan disajikan pada Talam 11-7. Pola percobaannya serupa dengan sajian Gambar 4-4. Perhitungannya : dbR = (3 1) = 2 dbPM = (2 1)(3 1) = 2 dbP = (2 - 1) = 1 dbG = (3 1)(2.3 1) = 10 dbM = (3 1) = 2 dbT = (3.2.3 1) = 17
FK = (38,12) 2/( 3.2.3) = 80,7297 JKR = [{(14,80)2 + (12,65)2 + (10,67)2}/( 2.3)] FK = 1,4222 JKP = [{(18,28)2 + (19,64)2}/( 3.3)] FK = 0,0748 JKM = [{(11,70)2 + (12,69)2 + (13,73) 2}/( 3.2)] FK = 0,3435 JKPM = [{(5,61)2 + (6,21)2 + + (7,07)2}/( 3)] FK JKP JKM = 0,0038 JKT = [(2,21)2 + (1,97)2 + (1,43)2 + + (2,54)2 + (2,34)2 + (2,19)2] FK = 2,0953 JKG = JKT JKPM JKM JKP JKR = 0,2511 Analisis keragaman nilai pertambahan tumbuh anakan Sumber Kelompok Pengolahan Mutiara PxM Galat Total db
2 1 2 2 10 17
JK
1,4222 0,0748 0,3435 0,0038 0,2511 2,0953
KT
0,7111 0,0748 0,1717 0,0019 0,0251 -
Fh
28,3246** 2,9776 6,8407* 0,0759 -
F0,05(db1;10)
4,1028 4,9646 4,1028
F0,01(db1;10)
7,5594 10,0043 7,5594
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa ternyata pengelompokan lokasi tanam cukup beralasan (berbeda sangat nyata). dari kedua perlakuan ternyata pemberian pupuk Mutiara menunjukkan perbedaan pertumbuhan anakan (berbeda nyata). ternyata interaksinya belum menunjukkan perbedaan yang nyata.
40-17
B. RAKelompok 3 Faktorial
n Pola Percobaan Pola lapangan serupa dengan pola percobaan 3 faktor RALengkap. Bedanya terdapat pengelompokan ulangan karena adanya ulangan bersifat tidak seragam (heterogen). Karena adanya pengelompokkan berarti dalam penataan lapangan sesuai dengan pengacakan mengutamakan kelompok dan selanjutnya kedua faktor perlakuan. Katakan saja pola percobaan dengan 3 kelompok dan masing-masing kelompok terdapat 3 faktor sebagai perlakuan dengan masing-masing taraf 2, 3 dan 2.
r1a1b2c2 r1a1b3c1 r2a2b3c2 r2a2b2c1 r3a1b2c1 r3a1b2c2 r1a1b2c2 r1a1b3c2 r2a1b1c1 r2a2b2c2 r3a1b3c2 r3a1b3c1 r1a1b1c2 r1a1b1c1 r2a2b1c2 r2a2b3c1 r3a2b2c1 r3a2b3c2 r1a2b3c2 r1a2b2c2 r2a1b3c1 r2a1b2c1 r3a2b3c1 r3a2b1c1 r1a2b2c1 r1a2b1c2 r2a1b3c2 r2a2b1c1 r3a1b1c2 r3a2b2c2 r1a2b1c1 r1a1b2c1 r2a1b2c2 r2a1b1c2 r3a2b1c2 r3a1b1c1
Gambar 4-5. Pola Percobaan Faktorial (2 x 3 x 2) RAKelompok o Bagan Pengamatan Sesuai dengan pola percobaan, maka bagan pengamatannya seperti sajian berikut. Tabel 4-8. Bagan pengamatan umum percobaan 3F RAKelompok Bk B1 Cl K1 A1
Y1111 Y1112 Y1121 Y1122 Y1121 Y1122 Y11..
K2 A2
Y1211 Y1212 Y1221 Y1222 Y1221 Y1222 Y12..
K3 A2
Y2211 Y2212 Y2221 Y2222 Y2221 Y2222 Y22..
A1
Y2111 Y2112 Y2121 Y2122 Y2121 Y2122 Y21..
A1
Y3111 Y3112 Y3121 Y3122 Y3121 Y3122 Y31..
A2
Y3211 Y3212 Y3221 Y3222 Y3221 Y3222 Y32..
Jumlah
Y..11 Y..12 Y..21 Y..22 Y..31 Y..32 Y.... Y..1. Y..2. Y..3.
C1 C2 C1 B2 C2 C1 B2 C2 Jumlah
40-18
p Analisis Keragaman percobaan 3F RAKelompok Tabel 4-9. Bagan analisis keragaman percobaan 3F RAKelompok Sumber Keragaman Kelompok A B C AxB AxC BxC AxBxC Galat Total Db dbR dbA dbB dbC dbAB dbAC dbBC dbABC dbG dbT JK JKR JKA JKB JKC JKAB JKAC JKBC JKABC JKG JKT KT KTR KTA KTB KTC KTAB KTAC KTBC KTABC KTG Uji Fisher Fhitung F(db1;db2) Fr F(dbR;dbG) Fa F(dbA;dbG) Fb F(dbB;dbG) Fc F(dbC;dbG) Fab F(dbAB;dbG) Fac F(dbAC;dbG) Fbc F(dbBC;dbG) Fabc F(dbABC;dbG) -
* Perhitungan jumlah kuadrat : dbK = (r - 1) dbA = (a - 1) dbB = (b 1) dbC = (c - 1) dbAB = (a 1)(b 1) dbAC = (a 1)(c 1) dbBC = (b 1)(c 1) dbABC = (a 1)(b 1)(c 1) dbG = (r 1)(abc 1) dbT = rabc - 1 FK = [( Yijkl)2]/rabc = (Y....)2/rabc JKK = [{ ( Yijkl)2}/abc] FK = [{(K1)2 + (K2)2 + (K3)2}/abc] FK = [{(Y1...)2 + (Y2)2 + (Y3)2}/abc] FK JKA = [{ ( Yijkl)2}/rbc] FK = [{(A1)2 + (A2)2 + (A3)2}/rbc] FK = [{(Y11.. + Y21.. + Y31..)2 + (Y12.. + Y22.. + Y32..)2 + (Y13.. + Y23.. + Y33..)2}/rbc] FK JKB = [{ ( Yijkl)2}/rac] FK = [{(B1)2 + (B2)2 }/rac] FK = [{(Y..11 + Y..12 + Y..13)2 + (Y..21 + Y..22 + Y..23)2 }/rac] FK JKC = [{ ( Yijkl)2}/rab] FK = [{(C1)2 + (C2)2 + (C3)2 }/}/rab] FK = [{(Y..11 + Y..21)2 + (Y..12 + Y..22)2 + (Y..13 + Y..23)2}/rab] FK JKAB = [{ ( Yijkl)2}/rc] - FK JKA JKB = [{(A1B1)2 + (A1B2)2 + (A2B1)2 + (A2B2)2 + (A3B1)2 + (A3B2)2}/rc] - FK JKA JKB = [{(Y.11.)2 + (Y.12.)2 + (Y.21.)2 + (Y.22.)2 + (Y.31.)2 + (Y.32.)2}/rc] - FK JKA JKB JKAC = [{ ( Yijkl)2}/rb] - FK JKA JKC
j=1 l=1 i=1 k=1 a c r b j=1 k=1 i=1 l=1 a b r c l=1 i=1 j=1 k=1 c r a b k=1 i=1 j=1 l=1 b r a c j=1 i=1 k=1 l=1 a r b c i=1 j=1 k=1 l=1 i=1 j=1 k=1 l=1 r a b c r a b c
= [{(A1C1) + A1C2)2 + A1C3)2 + (A2C1)2 + (A2C2)2 + (A2C3)2 + (A3C1)2 + (A3C2)2 + (A3C3)2}/rb] - FK JKA JKC = [{(Y.1.1)2 + (Y.1.2)2 + (Y.1.3)2 + (Y.2.1)2 + (Y.2.2)2 + (Y.2.3)2 + (Y.3.1)2 + (Y.3.2)2 + (Y.3.3)2}/rb] - FK JKA JKC
Pola Percobaan Faktorial 40-19
JKBC = [{ ( Yijkl)2}/ra] - FK JKB JKC = [{ (B1C1)2 + (B1C2)2 + (B1C3)2 + (B2C1)2 + (B2C2)2 + (B2C3)2}/ra] - FK JKB JKC = [{ (Y..11)2 + (Y..12)2 + (Y..13)2 + (Y..21)2 + (Y..22)2 + (Y..23)2}/ra] - FK JKB JKC JKABC = [{ ( Yijkl)2}/r] - FK JKA JKB JKC JKAB JKAC JKBC = [{ (A1B1C1) + + (A1B2C3)2 + (A2B1C1)2 + + (A2B2C3)2 + (A3B1C1)2 + + (A3B2C3)2}/r] - FK JKA JKB JKC JKAB JKAC JKBC = [{ (Y.111)2 + + (Y.123)2 + (Y.211)2 + + (Y.223)2 + (Y.311)2 + + (Y.323)2}/r] - FK JKA JKB JKC JKAB JKAC JKBC JKT = (Yijkl)2 FK = [(Y1111)2 + . + (Y3311)2 + . + (Y3312)2 + . + (Y3313)2 + . + (Y3321)2 + . + (Y3322)2 + . + (Y3323)2] FK JKG = JKT JKA JKB JKC JKAB JKAC JKBC JKABC Agar perhitungan jumlah kuadrat ini lebih jelas, simak TaLam 10-3. * Hipotesis yang perlu diuji : 1) H0 : R2 0 ; tidak ada keragaman dalam pengelompokan H1 : R2 > 0 ; ada keragaman dalam pengelompokan 2) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A, B dan C 3) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan B 4) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan C 5) H0 : 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : 2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan B dan C 6) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor A 7) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor B 8) H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor C H1 : 2 > 0 ; ada keragaman dalam populasi taraf faktor C * Keputusan uji : Hipotesis-1 : FK F(dR,dG) ; terima H0 atau tolak H1 FK > F(dR,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FABC F(dABC,dG) ; terima H0 atau tolak H1 FABC > F(dABC,dG) ; terima H1 atau tolak H0
Pola Percobaan Faktorial 40-20
i=1 j=1 k=1 l=1 r a b c j=1 k=1 l=1
2
k=1 l=1
i=1 j=1
i=1
Hipotesis-3 : FAB F(dAB,dG) ; terima H0 atau tolak H1 FAB > F(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-4 : FAC F(dAC,dG) ; terima H0 atau tolak H1 FAC > F(dAC,dG) ; terima H1 atau tolak H0 Hipotesis-5 : FBC F(dBC,dG) ; terima H0 atau tolak H1 FBC > F(dBC,dG) ; terima H1 atau tolak H0 Hipotesis-6 : FA F(dA,dG) ; terima H0 atau tolak H1 FA > F(dA,dG) ; terima H1 atau tolak H0 Hipotesis-7 : FB F(dB,dG) ; terima H0 atau tolak H1 FB > F(dB,dG) ; terima H1 atau tolak H0 Hipotesis-8 : FC F(dC,dG) ; terima H0 atau tolak H1 FC > F(dC,dG) ; terima H1 atau tolak H0 q Model Rancangan Percobaan faktorial dalam RAK dengan 3 perlakuan yang saling berkombinasi diilustrasikan melalui model
()jl = pengaruh interaksi taraf ke-j faktor A & taraf ke-l faktor C ()kl = pengaruh interaksi taraf ke-k faktor B & taraf ke-l faktor C ()jkl = pengaruh interaksi taraf ke-j faktor A, taraf ke-k faktor B & taraf ke-l faktor C ijkl = galat percobaan dari satuan percobaan ke-i yang memperoleh kombinasi perlakuan jkl
Asumsi yang diperlukan model ini : a. Pengaruh pengelompokan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam 2 i NI(0,2) b. Pengaruh interaksi ()jkl timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam 2 ()jkl NI(0,2)
40-21
c. Pengaruh masing-masing interaksi ()jk , ()jl dan ()kl dan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam 2 , 2 dan 2 ()jk NI(0,2) ()jl NI(0,2) ()jl NI(0,2) d. Pengaruh taraf untuk faktor A, B dan C timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam masing-masing adalah 2, 2 dan 2 j NI(0,2) k NI(0,2) l NI(0,2)
Kasus 4-22. Percobaan pemupukan 3 jenis pupuk tunggal (N, P dan K) terhadap 3 jenis anakan (J) yang telah tumbuh di lapangan. Ketiga jenis anakan tersebut berada petakpetak tanam sesuai jenisnya. Petak yang sesuai dengan jenis anakan dijadikan kelompok. Sesuai dengan analisa tanah, maka ketiga jenis pupuk tunggal tersebut diberikan dengan dosis masing-masing terdiri 3 taraf. Pola percobaannya serupa dengan Gambar 4-5. Hasil pengamatan nilai pertambahan anakan disajikan pada TaLam 11-8. Perhitungannya : dbN = (3 - 1) = 2 dbP = (3 - 1) = 2 dbK = (3 - 1) = 2 dbJ = (3 - 1) = 2 dbNK = (3 - 1)( 3 - 1) = 4 dbPK = (3 - 1)( 3 - 1) = 4 dbNP = (3 - 1)( 3 - 1) = 4 dbG = (3 - 1)(27 1) = 52 dbT = 81 1 = 80 dbNPK = (3 - 1)( 3 - 1)( 3 - 1) = 8 FK = (372,12)2/81 = 1709,5468 JKJ = [{(37,39 + 42,52 + 43,34)2 + (41,95+ 43,31 + 42,98)2 + (37,81 + 40,30 + 42,52)2} /(3.3.3)] FK = 1,1071 JKN = [{(117,15)2 + (126,13)2 + (128,84)2} /(3.3.3)] FK = 2,7733 JKP = [{(36,20 + 39,15 + 40,69)2 + (38,98 + 40,64 + 43,82)2 + (42,30+ 44,15 + 46,19)2} /(3.3.3)] FK = 5,1230 JKK = [{(36,20 + 38,98 + 42,30)2 + (39,15 + 40,64 + 44,15)2 + (40,69 + 43,82 + 46,19)2} /(3.3.3)] FK = 5,1230 JKNP = [{(10,98 + 12,49 + 12,76)2 + + (14,28 + 15,76 + 16,28)2}/3.3] - FK JKN JKP =
0,2709
JKPK = [{ (36,20)2 + (39,15)2 + (40,69)2 + (38,98) 2 + (40,64)2 + (43,82)2 + (42,30)2 + (44,15)2 + (46,19)2}/3.3] - FK JKP JKK = 0,1054 JKNPK = [{ (10,98)2 + (12,19)2 + (13,03)2 + + (13,91)2 + (16,00)2 + (16,28)2}/3] - FK JKN JKP JKK JKNP JKNK JKPK = 0,4537 JKT = [(3,11)2 + (3,89)2 + (4,14)2 + .. + (4,21)2 + (5,41)2 + (5,48)2] FK = 18,5242 JKG = JKT JKN JKP JKK JKNP JKNK JKPK JKNPK = 6,3817
40-22
Analisis keragaman nilai pertambahan tumbuh anakan Sumber Kelompok (J) N P K NxP NxK PxK NxPxK Galat Total db
2 2 2 2 4 4 4 8 52 80
JK
1,1071 2,7733 5,1230 3,2370 0,2709 0,1792 0,1054 0,4537 6,3817 18,5242
KT
0,5536 1,3867 2,5615 1,6185 0,0677 0,0448 0,0263 0,0567 0,1227
Fhitung
4,5105* 11,2989** 20,8716** 13,1880** 0,5518 0,3650 0,2146 0,4621
F0,05(db1;52) F0,01(db1;52)
3,1751 2,5498 2,1223 2,8745 3,7031 5,0382
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman bahwa : pengelompokan jenis sesuai dengan dugaan dan ternyata berbeda nyata hanya pupuk tunggal N, P dan K yang menunjukkan pertumbuhan anakan (berbeda sangat nyata). Sedangkan interaksinya belum menunjukkan perbedaan pertumbuhan.
Kelompok II
a2 a3 a4 a4
Kelompok III
a2 a3 a1
Tahap 2 (faktor B terdiri 3 tahaf, dikombinasikan masing-masing taraf A) Kelompok I Kelompok II Kelompok III
a2b2 a2b1 a2b3 a3b3 a3b1 a3b2 a1b1 a1b2 a1b3 a4b3 a4b1 a4b2 a1b2 a1b3 a1b1 a2b1 a2b2 a2b3 a3b2 a3b1 a3b3 a4b3 a4b1 a4b2 a4b1 a4b3 a4b2 a2b2 a2b3 a2b1 a3b1 a3b2 a3b3 a1b3 a1b1 a1b2
40-23
Ilustrasi proses acak di atas memperlihatkan pertama faktor A kemudian faktor B. Perhatikan kombinasinya mirip sekali, bahkan terlihat samadengan acak kelompok faktorial. B. Bagan Pengamatan Bagan pengamatan bervariasi tergantung dari pola percobaan faktorial yang digunakan, apakah pola acak lengkap, acak kelompok atau bujursangkar latin. Disamping itu pula banyaknya faktor yang digunakan akan menentukan analisis keragamannya. C. Analisis Keragaman Derajat bebas Rancangan Petak Terbagi tergantung dari pola susunan petak berupa acak lengkap, acak kelompok atau bujursangkar latin. Hipotesis dan keputusan uji serupa dengan hipotesis dan keputusan uji percobaan faktorial sebelumnya. Sajian berikut untuk db percobaan 2 faktor. Untuk 3 faktor atau lebih merupakan pengembangannya. Tabel 4-10. Derajat bebas pada RPTerbagi untuk berbagai susunan petak Acak Lengkap r ulangan Sumber db Acak Kelompok r ulangan = kelompok Sumber db Petak Utama Bujursangkar Latin r ulangan = sisi b.sangkar Sumber db Baris Kolom A Galat(1) Total PU B AB Galat(2) Total AP Total a1 a1 a1 (a 1)(a 2) a2 1 b1 (a 1)(b 1) a(a 1) (b 1) a2(b 1) a2b 1
Kelompok r-1 a-1 A a-1 a(r 1) Galat(1) (a 1)(r 1) ar 1 Total PU ar 1 Anak Petak b-1 B b-1 (a 1)(b 1) AB (a 1)(b 1) a(r 1) (b 1) Galat(2) a(r 1) (b 1) ar(b 1) Total AP ar(b 1) abr 1 Total abr 1
Adapun bentuk ketiga analisis keragamannya adalah n Percobaan dalam Acak Lengkap Tabel 4-11. Analisis keragaman percobaan 2F RPTerbagi dalam Acak Lengkap Sumber Keragaman A Galat(1) B AxB Galat(2) Total db dbA dbG1 dbB dbAB dbG2 dbT JK JKA JKG1 JKB JKAB JKG2 JKT KT KTA KTG1 KTB KTAB KTG2 Uji Fisher Fhitung F(db1;db2) Fa F(dbA;dbG1) Fb F(dbB;dbG2) Fab F(dbAB;dbG2) -
40-24
o Percobaan dalam Acak Kelompok Tabel 4-12. Analisis keragaman percobaan 2F RPTerbagi dalam Acak Kelompok Sumber Keragaman Kelompok A Galat(1) B AxB Galat(2) Total db dbR dbA dbG1 dbB dbAB dbG2 dbT JK JKR JKA JKG1 JKB JKAB JKG2 JKT KT KTR KTA KTG1 KTB KTAB KTG2 Uji Fisher Fhitung F(db1;db2) Fr F(dbR;dbG1) Fa F(dbA;dbG1) Fb F(dbB;dbG2) Fab F(dbAB;dbG2) -
p Percobaan dalam Bujursangkar Latin Tabel 4-13. Analisis Keragaman percobaan 2F RPTerbagi dalam BsLatin Sumber Keragaman Baris Lajur A Galat(1) B AxB Galat(2) Total db dbBrs dbLjr dbA dbG1 dbB dbAB dbG2 dbT JK JKBrs JKLjr JKA JKG1 JKB JKAB JKG2 JKT KT KTBrs KTLjr KTA KTG1 KTB KTAB KTG2 Uji Fisher Fhitung F(db1;db2) Fbaris F(dbBrs;dbG1) Flajur F(dbLjr;dbG1) Fa F(dbA;dbG1) Fb F(dbB;dbG2) Fab F(dbAB;dbG2) -
Kasus 4-31. Percobaan intensitas cahaya (matahari) dan penggunaan 5 kombinasi pupuk tunggal terhadap pertumbuhan diameter anakan ulin. Data hasil pengamatan disajikan pada TaLam 11-9. Perhitungannya : dbC = (c 1) = (3 - 1) = 2 db(1) = (r 1)(c - 1) = (3 1)(3 - 1) = 4 dbF = (f 1) dbCF = (c 1)(f 1) db(2) = c(r - 1)(f 1) T = abr -1 = 44 FK = (Yijk)2/cfr = (10,4216)2/(3.3.5) = 2,4135 Petak Utama (PU) JK(PU) = (Yijk2)/b FK = [(1,0083)2 + (1,4733)2 + + (1,3634)2 + (1,0200)2]/(5) FK = 0,0788 JKA = (Yijk)2/(rb) FK = [(3,0766)2 + (4,3433)2 + (3,0017)2]/(3.5) FK = 0,0758 JKG(1) = JK(PU) JKA = 0,0030
40-25
Anak Petak (AP) JKB = (Yijk)2/(ra) FK = [(1,8482)2 + (2,0217)2 + (2,0735)2 + (2,2600)2 + (2,2182)2]/(3.3) FK = 0,0121 JKAB = (Yijk)2/(r) FK - JKA -JKB = [(0,4900)2 + (0,7549)2 + + (0,9116)2 + (0,6283)2]/(3) FK - JKA - JKB = 0,0113 JKT = (Yijk)2 FK = [(0,1283)2 + (0,2433)2 + + (0,3050)2 + (0,2067)2] FK = 0,1366 JKG(2) = JKT - JK(PU) JKB JKAB = 0,0344 Analisis keragaman pertumbuhan diameter anakan ulin Sumber Cahaya (C) Galat(1) Pemupukan (F) CxF Galat(2) Total db 2 6 4 8 24 44 JK
0,0758 0,0300 0,0121 0,0113 0,0344 0,1366
KT
0,0379 0,0005 0,0030 0,0014 0,0014
Fhitung
74,6318**
F0,05(db1;db2)
5,1433
F0,01(db1;db2)
10,9248
2,1027 0,9861
2,7763 2,3351
4,2184 3,3629
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis menunjukkan bahwa hanya perlakuan cahaya yang menunjang pertumbuhan diameter batang anakan ulin, sedangkan pupuk yang diberikan dan juga interaksinya belum menunjang pertumbuhan diameter batang anakan ulin. Kasus 4-32. Mengingat anakan meranti bersifat semi-toleran, maka dilakukan percobaan di bawah naungan berupa belukar (b0 = muda dan b1 = tua). Percobaan di 3 lokasi yang dinyatakan sebagai kelompok. Penanaman di bawah belukar dengan 3 jarak tanam yaitu j1 = (1 x 3) m, j2 = (2 x 3) m dan j3 = (3 x 3) m. Data rekapitulasi tambahan tinggi disajikan pada Talam 11-10. Perhitungannya : dbR = (4 1) = 3 dbB = (2 - 1) = 1 dbG1 = (4 1)(2 - 1) = 3 dbJ = (3 1) = 2 dbG2 = 2(4 1) (3 1) = 12 dbT = (4.2.3 1) = 23 dbBJ = (2 1)(3 1) = 2 2 FK = (45,10) /( 4.2.3) = 84,7504 Petak Utama (PU) JKR = [((11,79)2 + (13,64)2 + (10,27)2 + (9,40)2)/( 2.3)] FK = 1,7307 JKB = [{(17,93)2 + (27,17)2}/( 4.3)] FK = 3,5574 JK(PU) = [(4,77)2 + (6,02)2 + .. + (6,64)2 + (5,89)2]/3 FK = 5,4552 JKG1 = JK(PU) JKR JKB = 0,1671 Anak Petak (AP) JKJ = [{(13,74)2 + (14,95)2 + (16,41) 2}/( 4.2)] FK = 0,4469 JKBJ = [{(5,39)2 + (5,70)2 + (6,84)2 + (8,35)2 + (9,25)2 + (9,57)2}/(4)] FK JKB JKJ = 0,0447
Pola Percobaan Faktorial 40-26
JKT = [(1.32)2 + (1.28)2 + (2.17)2 + + (1.58)2 + (2.12)2 + (2.19)2] FK = 6,3638 JKG2 = JKT JKBJ JKJ JK(PU) = 0,5065 Analisis keragaman pertambahan tinggi anakan meranti (cm) Sumber Kelompok Belukar Galat(1) Jarak tanam BxJ Galat(2) Total db
3 1 3 2 2 12 23
JK
1,7303 3,5574 0,1671 0,4469 0,0447 0,5065 6,3638
KT
0,5769 3,5574 0,0557 0,2234 0,0224 0,0422
Fhitung
10,3572* 63,8671**
F(db1;db2)
9,2766 10,1280
F(db1;db2)
29,4567 34,1162
5,2938* 0,5298
3,8853
6,9266
Cara menentulan nilai F(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa belukar dan jarak tanam berpengaruh terhadap tumbuhan tinggi anakan meranti, masing-masing berbeda sangat nyata dan berbeda nyata. sedangkan interaksinya belum menunjukkan perbedaan yang nyata (berbeda tidak nyata).
40-27
50
51. Pengertian Anak-Contoh & Tersarang
POLA
PERCOBAAN TERSARANG
Kata tersarang lebih banyak dikenal dengan istilah anak-contoh (subsample). Beberapa kumpulan contoh diperoleh secara acak (?) dari suatu populasi atau beberapa kumpulan petak yang dijadikan contoh dari sekian banyak kumpulan peta-petak yang telah ada dianggap sebagai populasi dinyatakan sebagai contoh (sample). Dari tiap kumpulan contoh atau tiap petak-contoh dipilih lagi secara acak sejumlah individu yang dinyatakan sebagai anak-contoh. Sejumlah individu anak-contoh ini akan bersifat sarang atau menyarang ke (termasuk ke dalam) tiap contoh masing-masing. Secara otomatis peubah (data) yang akan diamati bersifat menyarang ke peubah (data) contoh. Sekilas memang percobaan tersarang serupa dengan percobaan faktorial, namun jika ditelaah lebih jauh ternyata jelas berbeda. Katakan saja suatu percobaan ingin mengetahui perbedaan ketahanan patah terhadap tiga jenis kayu yaitu Jabon, Meranti dan Keruing. Untuk nilai ketahanan patah masing-masing jenis, maka pengujiannya dilakukan pada bagian batang yaitu pangkal (1), tengah (2) dan ujung (3). Jelas ketiga bagian batang termasuk ke dalam (tersarang) masing-masing jenis (Gambar 5-1a) dan tidak berarti faktor jenis dapat faktorialkan dengan ketiga bagian batang. Untuk tidak terjadi kesalahan pengertian, maka penotasian pada Gambar 5-1a sebaiknya disesuaikan seperti sajian Gambar 5-1b. Atau perhatikan notasi pangkal, tengah dan ujung masing-masing jenis (1, 2, .., 8, 9) yaitu 1 adalah Jabon bagian pangkal (Jp), 2 adalah Jabon bagian tengah (Jt), 3 adalah Jabon bagian ujung (Ju), 4 adalah Mp, dan seterusnya hingga 9 adalah Ku (Gambar 5-1c).
(a)
(b)
(c)
50-1
Uraian di atas mengilustrasikan percobaan dengan anak-contoh atau percobaan dengan pola tersarang. Atau Pola Percobaan Tersarang (Nested Experimental). Sekarang sebagai pembanding, perhatikan suatu percobaan faktorial dengan 2 faktor yaitu pengolahan tanah dan pemupukan. Pengolahan tanah terdiri dari tanah tidak diolah dan tanah yang telah diolah. Pemupukan dengan jenis pupuk tertentu terdiri dari 4 taraf.
(a)
(b)
Gambar 5-2. Pola dasar percobaan faktorial Gambar di atas (Gambar 5-2a) mengilustrasikan pengkombinasian antara olahan tanah dan taraf jenis pupuk. Untuk penyederhanaannya seperti sajian Gambar 5-2b. Perhatikan dengan Gambar 5-1a di atas mirip/serupa tapi tak sama.
Yijk = + i + j(i)
i = 1, 2, , a Yijk i j(i) = = = = j = 1, 2, .., b
j(i)k
k = 1, 2, , r
peubah yang akan dianalisis (respon) rataan umum pengaruh aditif taraf ke-i dari faktor A pengaruh aditif taraf ke-j dari faktor B yang menyarang ke faktor A pada taraf ke-i
Katakan saja suatu percobaan dengan 2 faktor, yaitu faktor A terdiri dari 3 taraf dan B terdiri dari 3 taraf. Faktor B menyarang ke Faktor A. Pengulangan pengamatan dilakukan sebanyak 3 kali. Bagan pengamatannya disusun sebagai berikut.
50-2
Analisis Keragaman
Bentuk bagan analisisnya Tabel 5-2. Bagan Analisis Keragaman RALengkap Tersarang Sumber Keragaman Faktor A Faktor B dalam Faktor A Galat percobaan Total Perhitungan FK = Y2.../abr JKA = (Y2i..)/br FK = (Y21.. + Y22.. + Y23..)/br FK JKT = Y2ijk FK JKG = JKT JKA JK B(A) derajat bebas (a 1) a(b-1) ab (r -1) abr 1 Jumlah Kuadrat JKA JK B(A) JKG JKT Kuadrat Tengah KTA KT B(A) KTG ---
JK B(A) = (Y2ij.)/r (Y2i../br) = (Y211.) + Y212. + Y213. + Y224. + Y225. + Y226. + Y237. + Y238. + Y239.)/r (Y21.. + Y22.. + Y23..)/br Hipotesis H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor A H0 : ()2 0 ; tidak ada keragaman dalam populasi taraf faktor B(A) Keputusan uji FA =
KTA
/KTG
FB(A) =
KT B(A)
/KTG
FB(A) F(,dbB(A),dbG) ; terima Ho atau tolak H1 FB(A) > F(,dbB(A),dbG) ; tolak Ho atau terima H1
Kasus 5-11. Suatu percobaan ingin mengetahui kerapatan kayu lapis yang diproduksi oleh ketiga perusahaan plywood yaitu PT Meranti Raya, PT Keruing Jaya dan PT Ulin Plywood. Kayu lapis yang dihasilkan masing-masing perusahaan adalah 3 lapis (4 mm), 5
Pola Percobaan Tersarang 50-3
lapis (9 mm) dan 7 lapis (15 mm). Pengulangan pengamatan dilakukan sebanyak 4 kali. Rekaman data pengukuran kerapatan kayu lapis untuk ketiga jenis lapisan dan ketiga perusahaan seperti sajian berikut.
PT Meranti Raya 3 lps 5 lps 7 lps
0,5601 0,5528 0,4872 0,5834 2,1835 0,5610 0,5657 0,5574 0,5776 2,2617 6,7310 0,5745 0,5692 0,5648 0,5773 2,2858
Jumlah
4,9955 4.9071 5.9171 5.0366 19.8563 19.8563
dbA = 3-1 = 2 ; db B(A) = 3(3-1) = 6 ; dbG = 3.3(4-1) = 27 ; dbT = 3.3.4 1 = 35 FK = 19,85632/(3.3.4) = 10,95202 JK A = (6,73102 + 6,60352 + 6,53182)/(3.4) - 10,95202 = 0,001733 JK B(A) = {(2,18352 + 2,26172 + .......... + 2,20382 + 2,27952)/4} (6,73102 + 6,59352 + 6,53182)/3.4 = 0,015958 JK T = (0,56012 + 0,56102 + 0,57452 + .......... + 0,49742 + 0,54452 + 0,56742) - 10,96305 = 0,031092 JK G = 0,031092 - 0,016393 - 0,001733 = 0,013400 Analisis Keragaman Kerapatan dari Kayu Lapis dengan Tiga Jenis Lapisan SK Faktor A Faktor B(A) Galat Total db
2 6 27 35
JK
0,001733 0,015958 0,013400 0,031092
KT
0,000867 0,002660 0,000496
Fh
1,7460 5,3589** ---
F0,05(db1;db2)
3.3541 2,4591
F0,01(db1;db2)
5.4881 3,5580
---
Cara menentulan nilai F(,db1,db2) telah diisajikan pada Kasus 3-11. buka layar program excel posisikan kruser pada sembarang cell untuk F(0,05,2,27); ketik =FINV(0.05,2,27) Enter, akan tampil 3.3541 untuk F(0,01,2,27); ketik =FINV(0.01, 2,27) Enter, akan tampil 5.4881 untuk F(0,05,6,27); ketik =FINV(0.05,6,27) Enter, akan tampil 2.4591 untuk F(0,01,6,27); ketik =FINV(0.01, 6,27) Enter, akan tampil 3.5580 Hasil uji Fisher menunjukkan bahwa secara umum kerapatan kayu lapis ketiga jenis lapisan antar perusahaan belum menunjukkan perbedaan. Sedangkan ketiga jenis lapisan pada tiap perusahaan menunjukkan perbedaan yang sangat nyata.
50-4
Ykij = + k + i + j(i)
k = 1, 2, , r i = 1, 2, , a Ykij = peubah yang akan dianalisis (respon) = rataan umum
kij(i)
j = 1, 2, .., b
= pengaruh aditif dari kelompok ke r i = pengaruh aditif taraf ke-i dari faktor A j(i) = pengaruh aditif taraf ke-j dari faktor B yang menyarang ke faktor A pada taraf ke-i
Bagan Pengamatan
Suatu percobaan dengan 2 faktor, yaitu faktor A terdiri dari 3 taraf dan B terdiri dari 3 taraf yang menyarang ke tiap faktor A. Karena adanya sumber atau kondisi yang berbeda maka pengulangan berupa kelompok sebanyak 3 kali. Bagan pengamatannya dapat disusun sebagai berikut. Tabel 5-3. Bagan Pengamatan RAKelompok Tersarang
Faktor A Faktor B 1 Kelompok 2 3 Total B (Y.ij) Total A (Y.i.) B1 Y111 Y211 Y311 Y.11 A1 B2 Y112 Y212 Y312 Y.12 Y.1. B3 Y113 Y213 Y313 Y.13 B4 Y124 Y224 Y324 Y.24 A2 B5 Y125 Y225 Y325 Y.25 Y.2. B6 Y126 Y226 Y326 Y.26 B7 Y137 Y237 Y337 Y.37 A3 B8 Y138 Y238 Y338 Y.38 Y.3. B9 Y139 Y239 Y339 Y.39 Jumlah Y1.. Y2.. Y3.. Y... Y...
Analisis Keragaman
Bentuk bagan analisisnya Tabel 5-4. Bagan Analisis Keragaman RAKelompok Tersarang Sumber Keragaman Kelompok Faktor A Faktor B(A) Galat percobaan Total derajat bebas (r 1) (a 1) a(b-1) ab (r -1) abr 1 Jumlah Kuadrat JKK JKA JK B(A) JKG JKT Kuadrat Tengah KTK KTA KT B(A) KTG ---
50-5
Perhitungan FK = Y2.../abr JKK = (Y2r..)/ab FK = (Y21.. + Y22.. + Y23..)/ab FK JKA = (Y2.i.)/br FK = (Y2.1. + Y2.2. + Y2.3.)/br FK JK B(A) = (Y2.ij)/r (Y2.i./br) = (Y2.11 + Y2.12 + Y2.13 + Y2.24 + Y2.25 + Y2.26 + Y2.37 + Y2.38 + Y2.39)/r (Y2.1. + Y2. 2. + Y2. 3.)/br Hipotesis H0 : 2 0 ; tidak ada keragaman dalam pengelompokan H0 : 2 0 ; tidak ada keragaman dalam populasi taraf faktor A H0 : ()2 0 ; tidak ada keragaman dalam populasi taraf faktor B(A) Keputusan uji FK = FA =
KTK
/KTG /KTG
; ;
FK F(,dbK,dbG) ; terima Ho atau tolak H1 FK > F(,dbK,dbG) ; tolak Ho atau terima H1 FA F(,dbA,dbG) ; terima Ho atau tolak H1 FA > F(,dbA,dbG) ; tolak Ho atau terima H1
KTA
FB(A) =
KT B(A)
/KTG
FB(A) F(,dbB(A),dbG) ; terima Ho atau tolak H1 FB(A) > F(,dbB(A),dbG) ; tolak Ho atau terima H1
Kasus 5-12. Percobaan pertumbuhan jumlah tunas dilakukan pada stek sungkai yang diperoleh dari 3 bagian cabang yaitu pangkal. tengah dan ujung (faktor B). Bibit sungkai diperoleh dari desa Sungkai, desa Makmur Jaya dan desa Sumber Sari (faktor A). Pengelompokan dilakukan pada cara penanaman stek yaitu dengan 3 sudut tanam (00, 450 dan 900 dari permukaan tanah/bidang datar). Rekaman data pengukuran jumlah tunas stek Sungkai seperti sajian berikut.
Sumber bibit Bagian batang 00 450 900 Total B Total A pkl
6 7 7 20
Sungkai tgh
7 7 5 19 57
ujg
7 6 5 18
Jlh
57 50 44 151 151
dbK = 3-1 = 2 ; dbA = 3-1 = 2 ; db B(A) = 3(3-1) = 6 dbG = 3.3(3-1) = 18 ; dbT = 3.3.3 1 = 26 FK = 1512/(3.3.3) = 844,4815 JK K = (572 + 502 + 442)/(3.3) - 844,4815 = 9.407407 JK A = (572 + 492 + 452)/(3.3 - 844,4815 = 8.296296
Pola Percobaan Tersarang 50-6
JK B(A) = {(202 + 192 + .......... + 162 + 132)/3} (572 + 492 + 452)/3.3 = 2.888889 JK T = (62 + 72 + 72 + .......... + 42 + 42 + 32) - 844,4815 = 32.51852 JK G = 32.51852 2.888889 8.296296 - 9.407407 = 11,92593 Analisis Keragaman Jumlah Tunas Stek Sungkai SK Kelompok Faktor A Faktor B(A) Galat Total db
2 2 6 16 26
JK
9.407407 8.296296 2.888889 11,92593 32.51852
KT
4,703704 4.148148 0.481481 0.745370
Fh
6,310559** 5.565217** 0.645963 ---
F0,05(db1;db2)
3.6337 2,7413
F0,01(db1;db2)
6,2262 4,2016
---
Cara menentulan nilai F(,db1,db2) dapat ditelah pada sajian pada Kasus 5-11. Hasil uji Fisher menunjukkan bahwa : a. Pengelompokkan berdasarkan sudut tanam menunjukkan perbedaan yang sangat nyata; Ini berarti pula bahwa menanam stek dengan cara rebahkan, miring ataupun berdiri tegak akan menghasilkan perbedaan jumlah tunas. b. Perbedaan sumber bibit juga menunjukkan perbedaan yang sangat nyata; Jadi asal bibit juga menuntukan banyaknya tunas pada stek sungkai. c. Sedangkan perbedaan bagian batang yang ditanam tidak menunjukkan perbedaan;; Ini berarti bagian manapun dari cabang yang digunakan sebagai stek akan memberikan pertumbuhan jumlah tunas yang relatif sama.
Bagan Pengamatan
Katakan saja suatu percobaan dengan 3 faktor, yaitu faktor A terdiri dari 3 taraf, B terdiri dari 2 taraf dan C terdiri dari 2 taraf menyarang ke faktor B.
Pola Percobaan Tersarang 50-7
Pengulangan pengamatan dilakukan sebanyak 3 kali. Bagan pengamatannya dapat disusun sebagai berikut. Tabel 5-5. Bagan Pengamatan RALengkap Tersarang Faktorial
A1 B1 B2 C1 C2 C3 C4 Y1111 Y1121 Y1231 Y1241 Y1112 Y1122 Y1232 Y1242 Y1113 Y1123 Y1233 Y1243 Y111. Y112. Y123. Y124. Y11.. Y12.. Y1... A2 B1 B2 C5 C6 C7 C8 Y2151 Y2161 Y2271 Y2281 Y2152 Y2162 Y2272 Y2282 Y2153 Y2163 Y2273 Y2283 Y215. Y216. Y227. Y228. Y21.. Y22.. Y2... A3 B2 C9 C10 C11 C12 Y3191 Y3101 Y3111 Y3221 Y1 Y3192 Y3102 Y3112 Y3222 Y1 Y3193 Y3103 Y3113 Y3223 Y1 Y319. Y310. Y311. Y322. Y31.. Y32.. Y3.. B1
Analisis Keragaman
Bentuk bagan analisisnya Tabel 5-6. Bagan Analisis Keragaman RALengkap Tersarang Faktorial Sumber Keragaman Faktor A Faktor B Faktor C (B) Faktor A x B Galat percobaan Total Perhitungan FK = Y2..../abcr JKA = (Y2i...)/bcr FK = (Y21... + Y22... + Y23...)/bcr FK JKB = (Y2i...)/acr FK = (Y2. 1.. + Y2. 2..)/acr FK JK C(B) = (Y2..k.)/ar (Y2 .j../acr) = (Y2111.) + Y2112. + Y2123. + Y2124. + Y2215. + Y2216. + Y2227. + Y2228. + Y2319. + Y2310. + Y2211. + Y2322.)/ar (Y211.. + Y212.. + Y221.. + Y222.. + Y231.. + Y232..)/acr JKAB = (Y2ij..)/cr FK JKA - JKB = (Y211.. + Y212.. + Y221.. + Y222.. + Y231.. + Y232..)/cr FK JKA - JKB JKT = Y2ijk FK JKG = JKT JKA JK B - JKC(B) JK AB derajat bebas (a 1) (b 1) b(c-1) (a 1)(b 1) abc (r -1) abcr 1 Jumlah Kuadrat JK A JK B JK C(B) JK AB JK G JK T Kuadrat Tengah KT A KT B KT C(B) KT AB KT G ---
50-8
tidak ada keragaman dalam populasi taraf faktor A tidak ada keragaman dalam populasi taraf faktor B tidak ada keragaman dalam populasi taraf faktor C(B) tidak ada keragaman dalam populasi kombinasi perlakuan FA F(,dbA,dbG) ; terima Ho atau tolak H1 FA > F(,dbA,dbG) ; tolak Ho atau terima H1 FB F(,dbB,dbG) ; terima Ho atau tolak H1 FB > F(,dbB,dbG) ; tolak Ho atau terima H1
/KTG
; ;
KTB
/KTG
FC(B) = FAB =
KT C(B)
/KTG
FC(B) F(,dbC(B),dbG) ; terima Ho atau tolak H1 FC(B) > F(,dbC(B),dbG) ; tolak Ho atau terima H1
KTAB
/KTG
FAB F(,dbAB,dbG) ; terima Ho atau tolak H1 FAB > F(,dbAB,dbG) ; tolak Ho atau terima H1
Kasus 5-21. Percobaan pertumbuhan dari cabutan anakan alam meranti dengan media sapih gambut dan abu sekam padi. Cabutan anakan alam meranti terdiri 3 jenis (Mm, Mp dan Mk) yang diperoleh dari dua lokasi berbeda (L1 dan L2). Media sapih berupa gambut 100% (kontrol), media campuran terdiri dari 75% gambut & 25% abu sekam, 50% gambut & 50% abu sekam, 25% gambut & 75% abu sekam, pengulangan dilakukan sebanyak 3 kali. 75% gambut dan 25% abu sekam, 75% gambut dan 25% abu sekam, Rekaman data pertambahan tinggi cabutan anakan alam meranti berikut.
Ulangan 1 Gambut + Abu SP 100% G 75% G + 25% A 50% G + 50% A 25% G + 75% A 100% G 75% G + 25% A 50% G + 50% A 25% G + 75% A 100% G 75% G + 25% A 50% G + 50% A 25% G + 75% A M(L) = L = Mm 0,85 0,87 0,79 0,76 0,75 0,87 0,84 0,78 0,73 0,96 0,84 0,77 9,81 L1 Mp 0,94 1,13 0,94 0,85 0,93 1,08 0,98 0,86 0,97 0,98 0,79 0,73 11,18 30,73 Mk 0,97 0,85 0,79 0,75 0,69 0,96 0,89 0,68 0,79 0,84 0,75 0,78 9,74 Mm 0,78 0,84 0,79 0,88 0,69 0,97 0,83 0,78 0,87 0,97 0,88 0,82 10,10 L2 Mp 0,87 0,87 0,77 0,89 0,78 0,86 0,82 0,78 0,78 0,87 0,88 0,87 10,04 29,64
seperti sajian
Mk 0,77 0,78 0,89 0,77 0,76 0,77 0,86 0,74 0,78 0,85 0,81 0,72 9,50
Jumlah 5,18 5,34 4,97 4,90 4,60 5,51 5,22 4,62 4,92 5,47 4,95 4,69 60,37
50-9
Analisis Keragaman Pertambahan Tinggi Cabutan Anakan Alam Meranti SK Faktor Media Faktor Lokasi Faktor M(L) Lokasi x Media Galat Total db
3 2 4 3 60 71
JK
0,135660 0,016501 0,128072 0,036815 0,235883 0,552932
KT
0,045220 0.016501 0.032018 0,012272 0.003931
Fh
11,502270** 4.197343* 8.144210** 3,121482* ---
F0,05(db1;db2)
2,7581 4.0012 2,5252 2,7581
F0,01(db1;db2)
4,1259 7,0771 3,6490 4,1259
---
Cara menentulan nilai F(,db1,db2) dapat ditelah pada sajian pada Kasus 5-11. Hasil uji Fisher menunjukkan bahwa : a. Semua faktor memperlihatkan perbedaan yang nyata. b. Media sapih berupa campuran gambut dan abu sekam padi menunjukkan perbedaan terhadap pertumbuhan tinggi jens meranti. c. Perbedaan lokasi menunjukkan perbedaan pertumbuhan tinggi tiap jenis meranti. d. Pertumbuhan cabutan anakan meranti tiap lokasi juga menunjukkan perbedaan pertumbuhan tinggi yang cukup berarti. e. Kombinasi yang diharapkan (faktorial) menunjukkan perbedaan yang cukup berarti pada pertumbuhan tinggi jabutan anakan meranti.
lik(j)
l = 1, 2, , r
l = pengaruh aditif dari kelompok ke r i = pengaruh aditif taraf ke-i dari faktor A j = pengaruh aditif taraf ke-j dari faktor B k(j) = pengaruh aditif taraf ke-k dari faktor C yang menyarang ke faktor B pada taraf ke-j ()ij = pengaruh interaksi taraf ke-i faktor A & taraf ke-j faktor B
lik(j) = galat percobaan Bagan Pengamatan
Katakan saja suatu percobaan dengan 3 faktor, yaitu faktor A terdiri dari 3 taraf, B terdiri dari 2 taraf dan C terdiri dari 2 taraf menyarang ke faktor B. Pengulangan pengamatan dilakukan sebanyak 3 kali. Bagan pengamatannya dapat disusun sebagai berikut.
50-10
Y. 111 Y.112 Y.123 Y.124 Y.215 Y.216 Y.227 Y.228 Y.319 Y.310 Y.321 Y.322 Y.11. Y.12. Y.21. Y.22. Y.31. Y.32. Y.1.. Y.2.. Y.3..
Analisis Keragaman
Bentuk bagan analisisnya Tabel 5-8. Bagan Analisis Keragaman RAKelompok Tersarang Faktorial Sumber Keragaman Kelompok Faktor A Faktor B Faktor C (B) Faktor A x B Galat percobaan Total Perhitungan FK = Y2..../abcr JKK = (Y2l...)/abc - FK = (Y21... + Y22... + Y23...)/abc - FK JKA = (Y2.i..)/bcr FK = (Y2.1.. + Y2.2.. + Y2.3..)/bcr FK JKB = (Y2..j.)/acr FK = (Y2..1. + Y2..2.)/acr FK = ((Y.11. + Y.21.+ Y.31.)2 + (Y.12. + Y.22. + Y.32.) 2)/acr FK JK C(B) = (Y2..jk)/ar (Y2.ij./acr) = (Y2.111 + Y2.112 + Y2.123 + ....... + Y2.310 + Y2.321 + Y2.322)/ar - (Y2.11. + Y2.12. + Y2.21. + Y2.22. + Y2.31. + Y2.32.)/acr JKAB = (Y2.11.)/cr FK JKA - JKB = (Y2.11. + Y2.12. + Y2.21. + Y2.22. + Y2. 31. + Y2. 32.)/cr FK JKA - JKB JKT = Y2ijk FK JKG = JKT JKA JK B - JKC(B) JK AB derajat bebas (r 1) (a 1) (b 1) b(c-1) (a 1)(b 1) abc (r -1) abcr 1 Jumlah Kuadrat JK K JK A JK B JK C(B) JK AB JK G JK T Kuadrat Tengah KT K KT A KT B KT C(B) KT AB KT G ---
50-11
Hipotesis H0 H0 H0 H0 H0 : : : : : 2 0 ; tidak ada keragaman dalam pengelompokan 2 0 ; tidak ada keragaman dalam populasi taraf faktor A 2 0 ; tidak ada keragaman dalam populasi taraf faktor B ()2 0 ; tidak ada keragaman dalam populasi taraf faktor B(A) 2 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan
Keputusan uji FK = FA = FB =
KTK
/KTG /KTG
; ; ;
FK F(,dbK,dbG) ; terima Ho atau tolak H1 FK > F(,dbK,dbG) ; tolak Ho atau terima H1 FA F(,dbA,dbG) ; terima Ho atau tolak H1 FA > F(,dbA,dbG) ; tolak Ho atau terima H1 FB F(,dbB,dbG) ; terima Ho atau tolak H1 FB > F(,dbB,dbG) ; tolak Ho atau terima H1
KTA
KTB
/KTG
FC(B) = FAB =
KT C(B)
/KTG
FC(B) F(,dbC(B),dbG) ; terima Ho atau tolak H1 FC(B) > F(,dbC(B),dbG) ; tolak Ho atau terima H1
KTAB
/KTG
FAB F(,dbAB,dbG) ; terima Ho atau tolak H1 FAB > F(,dbAB,dbG) ; tolak Ho atau terima H1
Kasus 5-22. Katakan saja suatu percobaan dengan 3 faktor yaitu A, B dan C. dengan masing taraf adalah 2, 3 dan 2. Faktor C menyarang ke faktor B. Disamping itu pada percobaan ini dilakukan kombinasi antara faktor A dan faktor B. Pengelompokan dilakukan karena diduga kuat terjadi perbedaan kondisi dalam ulangan. Rangkuman data respon sebagai berikut. Ke Lom pok I II III C B A B1 C1
0,89 0,85 0,79 2,53
A1 B2 C2
0,87 0,86 0,84 2,57
B3 C2 C1
0,69 0,67 0,65 2,01
B1 C2
0,81
A2 B2 C2
0,89 0,78 0,70 2,37
B3 C2 C1
0,83 0,79 0,72 2,34
Jlh C2
10,03 9,56 8,96 28,55
C1
0,89 0,88 0,80 2,57
C1
0,89 0,83 0,73 2,45
C1
0,81 0,77 0,73 2,31
5,10
4,99 14,44
4,35
4,82
4,59 14,11
4,70
50-12
Analisis Keragaman suatu Percobaan Kelompok Tersarang Faktorial SK Kelompok Faktor A Faktor B Faktor C(B) AxB Galat Total db
2 1 2 3 2 25 35
JK
0,0479 0,0300 0,0320 0,0117 0,0271 0,0735 0,1474
KT
0,0240 0,0300 0.0160 0.0039 0,0135 0.0029
Fh
8,1501** 1,0286 0.4469* 1,3289 4,5988* ---
F0,05(db1;db2)
3,3852 4.2417 3,3852 2.9912 3,3852
F0,01(db1;db2)
5,5680 7,7698 5,5680 4.6755 5,5680
---
Cara menentulan nilai F(,db1,db2) dapat ditelah pada sajian pada Kasus 5-11. Hasil uji Fisher menunjukkan bahwa : a. dugaan pengulangan berupa kelompok adalah benar b. adanya faktor A maupun faktor C dalam faktor B belum menunjukkan perbedaan c. faktor B dan interaksi A x B menunjukkan yang berarti
50-13
Hasil pengujian : (a) jika H0 diterima pada salah duga 5%; berarti 2 perlakuan yang dibandingkan berbeda tidak nyata (non significant difference) (b) jika H1 diterima pada salah duga 5%; berarti 2 perlakuan yang dibandingkan berbeda nyata (significant difference) (c) jika H1 diterima pada salah duga 1%; berarti 2 perlakuan yang dibandingkan berbeda sangat nyata (highly significant difference)penyajian hasil uji
60-1
Penyajian hasil uji yang disajikan, diupayakan sederhana, mudah dipahami dan informatif. Yang penting dalam penyajiannya adalah daya nalar seseorang (pendengar) mudah mencernanya. Tiga bentuk lambang sajian hasil uji beda rataan yang biasa dilakukan adalah (1) Lambang bintang Sajian lambang berupa bintang ini serupa seperti sajian pada Fhitung pada Uji Fisher (F). Jika berbeda nyata (nilai uji > 5%) dinyatakan dengan 1 bintang (*). Sajian 2 bintang (**) jika perbedaan/pengaruh yang ditimbulkan sangat nyata (nilai uji > 1%). Sedangkan jika hasil ujinya tidak nyata (nilai uji < 5%) dinyatakan tanpa bintang atau dinotasikan dengan tn (berarti tidak nyata). (2) Lambang garis Sajian lambang berupa garis dibuat antara dua nilai rataan perlakuan yang dibandingkan. Jika selisih kedua nilai rataan perlakuan lebih kecil dari nilai pembanding, maka di bawah kedua nilai rataan tersebut digaris yang bermakna tidak ada perbedaan yang nyata. Sedangkan dua nilai rataan perlakuan yang lain dan seragam juga diberi garis tetapi tidak seletak dengan dua nilai rataan perlakuan sebelumnya. (3) Lambang huruf Sajian lambang berupa huruf latin serupa dengan cara lambang garis. Bedanya pada dua nilai rataan perlakuan yang dibandingkan seragam diberi huruf yang sama (tidak berbeda nyata). Untuk dua nilai rataan perlakuan yang lain dan seragam diberi huruf yang berbeda dengan sebelumnya.
Galat baku beda rataan merupakan akar dari ragam galat gabungan. Ragam galat gabungan ini dalam suatu rancangan adalah ragam galat percobaan atau lebih dikenal dengan Kuadrat Tengah Galat Percobaan (KTG). Rumusan BNT dalam analisis keragaman biasanya dinotasikan sebagai [6-2] BNT = t(a/2,dbG).(2.KTG/r)
60-2
Rumusan ini merupakan rumusan dasar dan juga digunakan untuk ulangan yang sama. Untuk ulangan tidak sama atau penggunaannya dalam suatu rancangan perlu dilakukan penyesuaian nilai pembaginya Katakan saja suatu percobaan faktorial pada RAL dengan perlakuan A (3 taraf), B (4 taraf) dan AB (12 taraf), masing-masing diulang 5 kali. Hasil percobaan menunjukkan perlakuan B yang berbeda nyata. Jika demikian maka pembagi r menjadi a.r. Jika pengulangan tiap perlakuan minimal satu perlakuan yang berbeda ulangannya terhadap yang lain (terdapat pengulangan paling tidak 1 perlakuan yang berbeda) maka rumusan [6-1] (juga 6-2) dilakukan penyesuaian yaitu : BNT = t(a/2,dbG).s2.(1/ri + 1/rj) Langkah-langkah pengujian uji BNT sebagai berikut : (1) Nilai t(/2,dbG) dapat diperoleh dengan bantuan tabel Nilai Sebaran t (Lampiran 3-2 dalam STATISTIKA); atau menggunakan rumusan TINV(a,db). Cara menentukan salahduga sebesar dengan db = db2 = dbGalat dapat disimak pada Lampiran 03. (3) hitung nilai BNT (4) urut kedudukan/posisi tiap rataan peubah dari yang terkecil hingga terbesar (kiri ke kanan) atau sebaliknya ; dan atau urutkan posisinya dari terkecil hingga terbesar (atas ke bawah) atau sebalikmya (5) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (dij) (6) Bandingkan dij dengan BNT. Pengujiannya : BNT ; tidak berbeda nyata pada salahduga atau /2 dij = |Yi Yj| > BNT ; berbeda nyata pada salahduga atau /2 [6-3]
Kasus 6-11. Percobaan pemupukan terhadap pertumbuhan anakan ulin dengan dosis/takaran tertentu. Pupuk yang diberikan berupa NPK, NP, NK, PK, pupuk kandang, pupuk hijau dan tanpa pupuk sebagai kontrol. Tiap perlakuan diulang sebanyak 5 kali. Rekapitulasi hasil pertambahan tingginya (respon) Ulangan
1 2 3 4 5
NPK
4.56 4.17 5.39 3.32 4.49 21.93 4.386
NP
kontrol
1.90 2.44 1.76 2.95 2.93 11.98 2.396
Jumlah
21.39 22.25 26.85 26.36 27.59 124.44 3,5554
Jumlah Rataan
db
6 28 34
JK
19.9599 16.3598 36.3197
KT
3.3266 0.5843 -
Fhitung
5.6936** -
F0,05
2.4453
F0,01
3.5276
60-3
Pengujian statistik BNT Hitung nilai pembanding BNT BNT0,05 = t(0,025,28).(2)(0.5843)/5 = t(0,025,28).(2)(0.5843)/5 = (2,0484)(0,2162) = 0,4428 = t(0,005,28).(2)(0.5843)/5 = (2,7633)(0,2162) = 0,5974
BNT0,01 = t(0,005,28).(2)(0.5843)/5
Cara perolehan nilai t0,025;(28) = 2,0484 dan t0,005;(28) = 2,7633 dengan rumusan TINV adalah (1) ikuti langkah yang disajikan pada Lampiran 03; atau (2) buka layar program excel posisikan kruser pada sembarang cell untuk t(0,025,28); ketik =TINV(0.05,28) Enter untuk t(0,005,28); ketik =TINV(0.01,28) Enter
db 28
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari pringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
Cara menghitung nilai beda (2) (3) (4) (5) (6) (7) (3) (4) (5) (6) (7) (1) = 2.496 - 2.396 = 0,100 (1) = 3.580 - 2.396 = 1,184 (1) = 3.634 - 2.396 = 1,238 (1) = 4.160 - 2.396 = 1,764 (1) = 4.236 - 2.396 = 1,840 (1) = 4.386 - 2.396 = 1,990 (2) = 3.580 - 2.496 = 1,084 (2) = 3.634 - 2.496 = 1,138 (2) = 4.160 - 2.496 = 1,664 (2) = 4.236 - 2.496 = 1,740 (2) = 4.386 - 2.496 = 1,890 (4) (5) (6) (7) (5) (6) (7) (6) (7) (7) (3) (3) (3) (3) (4) (4) (4) (5) (5) (6) = 3.634 - 3.580 = 0,054 = 4.160 - 3.580 = 0,580 = 4.236 - 3.580 = 0,656 = 4.386 - 3.580 = 0,806 = 4.160 - 3.634 = 0,526 = 4.236 - 3.634 = 0,602 = 4.386 - 3.634 = 0,752 = 4.236 - 4.160 = 0,076 = 4.386 - 4.160 = 0,226 = 4.386 - 4.236 = 0,150
Susun ke dalam daftar berikut dan bandingkan dengan BNT (jika penyajian berlambang bintang) (2) (1) (2) (3) (4) (5) (6)
0,100
(3)
1,184** 1,084**
(4)
1,238** 1,138** 0,054
(5)
1,764** 1,664** 0,580* 0,526*
(6)
1,840** 1,740** 0,656** 0,602** 0,760
(7)
1,990** 1,890** 0,806** 0,752** 0,226 0,150
BNT0,05 = 0,4428
BNT0,01 =0,5974
60-4
Sajian uji statistik BNT selengkapnya Perlakuan kontrol p.hijau p.kdng NP PK NK NPK Rataan
2.396 2.496 3.580 3.634 4.160 4.236 4.386
p.kdng
1,184** 1,084** -
NP
1,238** 1,138** 0,054 -
PK
1,764** 1,664** 0,580* 0,526* -
NK
1,840** 1,740** 0,656** 0,602** 0,760 -
NPK
1,990** 1,890** 0,806** 0,752** 0,226 0,150 -
BNT0,05 = 0,4428
BNT0,01 =0,5974
Bentuk sajian seperti ini telah memberikan gambarkan jika akan membuat sajian berupa lambang garis atau huruf. Sajian berupa garis
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
Tampilan garis sementara (buat garis untuk yang berbeda tidak nyata)
(1) (3) (5) (6) (3) (4) (5) (6)
5%
(1)
1%
Beberapa tampilan garis ditemukan ada yang seletak sehingga dapat digabung (direkap) menjadi satu garis dan tampilan akhirnya adalah
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
a 5%
Uji Beda Rataan
c
60-5
A 1%
B C
B. Uji Dunnett
Prosedur uji ini hanya membandingkan nilai rataan perlakuan terhadap kontrol. Uji ini sangat sesuai dengan percobaan yang terkait dengan mutu/kualitas. Misalnya mutu suatu produk (pupuk, insektisida, bibit/benih), mutu suatu pengolahan hasil (pengolahan tanah). Kesesuaian pengujian ini terhadap mutu/kualitas adalah hanya menguji sekelompok perlakuan terhadap kontrol sekaligus. Jadi pasangan perlakuan yang dibandingkan selalu terhadap perlakuan kontrol. Sehingga perlakuan mana yang paling menonjol itulah yang terbaik. Rumusan uji yang digunakan adalah D = tDunnett.sd [6-4] untuk tDunnett = d(,p,dbG) = nilai baku sebaran Dunnett pada salahduga , p = banyaknya perlakuan = dbPerlakuan dan dbGalat. sd =
Langkah-langkah pengujian uji Dunnett sebagai berikut : (1) tentukan D (2) urut kedudukan/posisi tiap rataan peubah dari yang terkecil hingga terbesar (kiri ke kanan) atau sebaliknya ; dan atau urutkan posisinya dari terkecil hingga terbesar (atas ke bawah) atau sebalikmya (3) Hitung nilai beda tiap rataan peubah (dio) terhadap rataan peubah kontrol (4) Bandingkan dk dengan d Pengujiannya : D ; tidak berbeda nyata pada salahduga dio = |Yi Yo| > D ; berbeda nyata pada salahduga Kasus 6-12. Menelaah ulang kasus 6-11, bagaimana pengaruh pertumbuhan dengan adanya pemberian pupuk terhadap kontrol. Pengujian statistik Dunnett Hitung nilai pembanding D D0,05 = d(0,05,6;28). {(2)(0,5843)}/5 Untuk nilai d(0,05,6;28) tidak terdapat dalam tabel (lihat Lampiran 05, TaLam 5-2); dan d(0,05,6;30) = 2,72. Sehingga perlu nilai yang ada untuk d(0,05,6;24) = 2,76 dilakukan interpolasi sebagai berikut interpolasinya : 2,76 + [{(2,72 2,76)/(30 - 24)} x (28 24)] = 2,7333 notasi lengkapnya d(0,05,6;28) = 2,76 + [{(2,72 2,76)/(30 - 24)} x (28 24)] = 2,7333
D0,01 = d(0,01,6;28). {(2)(0,584279)}/5 Demkian pula untuk nilai d(0,01,6;28) berada antara d(0,01,6;24) = 3,47 dan d(0,01,6;30) =
3,39
60-6
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari peringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
Cara menghitung nilai beda (dio) (2) (1) = 2.496 - 2.396 = 0,100 < D0,05 ; tidak nyata (tn) (3) (1) = 3.580 - 2.396 = 1,184 < D0,05 ; tidak nyata (tn) (4) (1) = 3.634 - 2.396 = 1,238 < D0,05 ; tidak nyata (tn) (5) (1) = 4.160 - 2.396 = 1,764 > D0,01 ; sangat nyata (6) (1) = 4.236 - 2.396 = 1,840 > D0,01 ; sangat nyata (7) (1) = 4.386 - 2.396 = 1,990 > D0,01 ; sangat nyata Sajian uji statistik Dunnett selengkapnya Perlakuan Rataan
4.386 4.236 4.160
Salahduga 5% 1%
Lambang huruf hanya dipasang untuk dua pasangan yang tidak berbeda nyata. Disini tiap perlakuan terhadap kontrol saja. Perhitungan beda dengan kontrol (kotak diarsir merah) biasanya tidak ditampilkan dalan sajian Pengujian nilai beda rataan perlakuan. Karena tanpa ditampilkan, beda rataan perlakuan yang mana berbeda nyata atau sangat nyata bisa dibaca. Pengujian nilai beda rataan perlakuan menunjukkan bahwa (a) untuk salahduga 5%, belum menunjukkan perbedaan baik NP, pupuk kandang dan pupuk hijau terhadap kontrol. (b) untuk salahduga 1%, belum menunjukkan perbedaan baik NP, pupuk kandang dan pupuk hijau terhadap kontrol. (c) beda rataan perlakuan lainnya menunjukkan perbedaan sangat nyata terhadap kontrol.
= q(,p,dbG).sY
Uji Beda Rataan
[6-5]
60-7
untuk nilai q diperoleh dari Tabel Tukey p = banyaknya nilai tengah perlakuan (= dbPerlakuan) dbG = dbGalat percobaan. sY = (s2/r) adalah galat baku rataan umum Langkah-langkah pengujian uji BNJ sebagai berikut : (1) tentukan = q(,p,dbG).sY (2) Urut kedudukan/posisi tiap rataan peubah dari yang terbesar ke terkecil atau sebaliknya ; atau posisi urutan dari bawah ke atas atau sebalikmya ; atau posisi urutan dari kiri ke kanan atau sebalikmya (3) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (dij) (4) Bandingkan dij dengan . Pengujiannya : ; tidak berbeda nyata pada salahduga dij = |Yi Yj| > ; berbeda nyata pada salahduga
Kasus 6-13. Katakan saja Kasus 6-11 diuji dengan prosedur Tukey (uji BNJ) Telah diketahui bahwa p = 7, dbG = 28 dan KTG = 0.5843 Pengujian statistik BNJ Hitung nilai pembanding (lihat Lampiran 06) untuk q(0,05,7;28) = berada antara q(0,05,7;24) = 4,54 dan q(,05,7;30) = 4,46 untuk q(0,01,7;28) = berada antara q(0,01,7;24) = 5,54 dan q(0,01,7;30) = 5,40 Besaran nilai masing-masing ditentukan dengan cara interpolasi untuk q0,05(7;28) = 4,54 + [{(4,46 4,54)/(30 - 24)} x (28 24)] = 4,4867 untuk q0,01(7;28) = 5,54 + [{(5,40 5,54)/(30 - 24)} x (28 24)] = 5,4467 galat baku rataan (sY) = (KTG/r) = (0.5843/5) = 0,3418 Sehingga diperoleh 0,05 = q(0,05,7;28). sY = (4,4867)(0,3418) = 1,5338 0,01 = q(0,01,7;28). sY = (5,4467)(0,3418) = 1,8619 Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari peringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat.
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
Cara menghitung nilai beda (lihat pada uji BNT) Selanjutnya susun ke dalam daftar (jika penyajian berlambang bintang) kemudian bandingkan dengan
60-8
Sajian uji statistik BNJ selengkapnya Perlakuan kontrol p.hijau p.kdng NP PK NK NPK Rataan
2.396 2.496 3.580 3.634 4.160 4.236 4.386
p.kdng
1,184 1,084 -
NP
1,238 1,138 0,054 -
PK
1,764* 1,664* 0,580 0,526 -
NK
1,840* 1,740* 0,656 0,602 0,760 -
NPK
1,990** 1,890** 0,806 0,752 0,226 0,150 -
0,05 = 1,5338 0,01 = 1,8619 Keterangan : * = berbeda nyata; ** = berbeda sangat nyata
Sajian dalam bentuk lambang garis adalah
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
5%
(1) (2)
1%
5%
60-9
1%
Langkah-langkah pengujian uji Jarak Duncan sebagai berikut : (1) Hitung Rp tiap peringkat p pada salahduga . (2) Urut seluruh nilai rataan perlakuan dengan peringkat (urutan) menaik (nilai terkecil hingga terbesar). Atau dapat pula dilakukan dengan peringkat menurun. Penomoran peringkat dimulai dari p = 2, 3, 4, ., t (3) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (dij) (4) Bandingkan dij dengan Rp Kasus 6-15. Percobaan pemupukan pada Kasus 6-12 ingin ditelaah ulang tiap pasangan rataan perlakuan. Telah diketahui jumlah perlakuan sebanyak p = 7, dbGalat = 28, KTGalat =
0.5843.
Pengujian statistik Jarak Duncan Hitung Rp p = 7, berarti susunan p = 2, 3, 4, 5, 6 dan 7 nilai q(p;dbG) untuk = 0,05 dengan masing-masing p diperoleh ( lihat Lampiran 07) q(0,05,4,28) = 3,13 q(0,05,6,28) = 3,26 q(0,05,2,28) = 2,90 q(0,05,5,28) = 3,20 q(0,05,7,28) = 3,30 q(0,05,3,28) = 3,04 = 0,01 dengan masing-masing p diperoleh q(0,01,2,28) = 3,91 q(0,01,4,28) = 4,18 q(0,01,5,28) = 4,28 q(0,01,3,28) = 4,08 nilai sY = (KTG/r) = (0.5843/5) = 0,3418 Hitung Rp (untuk masing-masing peringkat p pada saladuga ) R2 (0,05) R3 (0,05) R4 (0,05) R5 (0,05)
Uji Beda Rataan
= = = =
p
q0,05(p;28) Rp(0,05) q0,01(p;28) Rp(0,01)
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari pringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
Cara menghitung nilai beda (lihat pada uji BNT) Selanjutnya susun ke dalam daftar (jika penyajian berlambang bintang) kemudian bandingkan dengan Rp. Sajian uji statistik Jarak Duncan selengkapnya Perlakuan kontrol p.hijau p.kdng NP PK NK NPK Rataan
2.396 2.496 3.580 3.634 4.160 4.236 4.386
p.kdng
1,184* 1,084* -
NP
1,238* 1,138* 0,054 -
PK
1,764** 1,664** 0,580 0,526 -
NK
1,840** 1,740** 0,656 0,602 0,760 -
NPK
1,990** 1,890** 0,806 0,752 0,226 0,150 1,13 1,50
D0,05 D0,01
0,99 1,34
1,04 1,39
1,07 1,43
1,09 1,46
1,11 1,48
5% 1%
60-11
E. Uji S-N-K
Uji SNK ini (Student-Newman-Keul) mengikuti Prosedur Tukey dengan menggunakan wilayah berganda Duncan. Uji ini dikenal pula dengan metode Keul. Uji ini sulit untuk menerangkan laju kesalahan, sehingga tidak dapat menghasilkan selang kepercayaan. Rumusan uji yang digunakan adalah Wp = q(,p,dbG)sy [6-7] untuk p = t, t-1, .., 2 nilai q diperoleh dari tabel Jarak Duncan dengan perlakuan sebanyak p dan dbG = nilai dbGalat sY = (s2/r) adalah galat baku rataan umum Langkah-langkah pengujian uji SNK sebagai berikut : (1) tentukan Wp q(,p,dbG)sy (2) Urut kedudukan/posisi tiap rataan peubah dari yang terbesar ke terkecil atau sebaliknya ; atau posisi urutan dari bawah ke atas atau sebalikmya ; atau posisi urutan dari kiri ke kanan atau sebalikmya (3) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (dij) (4) Bandingkan dij dengan Wp. Pengujiannya : Wp ; tidak berbeda nyata pada salahduga dij = |Yi - Yj| > Wp ; berbeda nyata pada salahduga
Kasus 6-14. Percobaan pemupukan pada Kasus 6-12 ingin ditelaah ulang tiap pasangan rataan perlakuan. Telah diketahui jumlah perlakuan sebanyak p = 7, dbGalat = 28, KTGalat =
0.5843.
Pengujian statistik SNK Hitung Wp p = 7, berarti susunan p = 2, 3, 4, 5, 6 dan 7 nilai q (,p,dbG) untuk = 0,05 dengan masing-masing p diperoleh (lihat Lampiran 07) q0,05(2;28) = 2,900 ; inter. = 2,92 + [{(2.89 2,92)/(30 24)}.(28 24)] q0,05(3;28) = 3,503 ; inter. = 3,53 + [{(3.49 3,53)/(30 24)}.(28 24)] q0,05(4;28) = 3,860 ; inter. = 3,90 + [{(3.84 3,90)/(30 24)}.(28 24)] q0,05(5;28) = 4,123 ; inter. = 4,17 + [{(4,10 4,17)/(30 24)}.(28 24)] q0,05(6;28) = 4,323 ; inter. = 4,37 + [{(4,30 4,37)/(30 24)}.(28 24)] q0,05(7;28) = 4,487 ; inter. = 4,54 + [{(4,46 4,54)/(30 24)}.(28 24)] = 0,01 dengan masing-masing p diperoleh q0,01(2;28) = 3,913 ; inter. = 3,96 + [{(3.89 3,96)/(30 24)}.(28 24)] q0,01(3;28) = 4,480 ; inter. = 4,54 + [{(4.45 4,54)/(30 24)}.(28 24)] q0,01(4;28) = 4,837 ; inter. = 4,91 + [{(4.80 4,91)/(30 24)}.(28 24)] q0,01(5;28) = 5,090 ; inter. = 5,17 + [{(5.05 5,17)/(30 24)}.(28 24)] q0,01(6;28) = 5,283 ; inter. = 5,37 + [{(5.24 5,37)/(30 24)}.(28 24)] q0,01(7;28) = 5,447 ; inter. = 5,54 + [{(5.40 5,54)/(30 24)}.(28 24)]
Uji Beda Rataan 60-12
nilai sY = (KTG/r) = (0.5843/5) = 0,3418 Hitung Wp (untuk masing-masing peringkat p pada saladuga ) W2 (0,05) = W3 (0,05) = W4 (0,05) = W5 (0,05) = W6 (0,05) = W7 (0,05) = (2,900)( 0,3418) = 0,991 (3,503)( 0,3418) = 1,197 (3,860)( 0,3418) = 1,319 (4,123)( 0,3418) = 1,409 (4,323)( 0,3418) = 1,478 (4,487)( 0,3418) = 1,534
W2 (0,01) = (3,913)( 0,3418) = 1,337 W3 (0,01) = (4,480)( 0,3418) = 1,531 W4 (0,01) = (4,837)( 0,3418) = 1,653 W5 (0,01) = (5,090)( 0,3418) = 1,740 W6 (0,01) = (5,283)( 0,3418) = 1,506 W7 (0,01) = (5,447)( 0,3418) = 1,862
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari pringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat
Kontrol (1) 2.396 p.hijau (2) 2.496 p.kdng (3) 3.580 NP (4) 3.634 PK (5) 4.160 NK (6) 4.236 NPK (7) 4.386
Cara menghitung nilai beda (lihat pada uji BNT) Selanjutnya susun ke dalam daftar (jika penyajian berlambang bintang) kemudian bandingkan dengan Wp Sajian uji statistik SNK selengkapnya Perlakuan kontrol p.hijau p.kdng NP PK NK NPK Rataan
2.396 2.496 3.580 3.634 4.160 4.236 4.386
p.kdng
1,184 1,084 -
NP
1,238 1,138 0,054 -
PK
1,764** 1,664* 0,580 0,526 -
NK
1,840** 1,740* 0,656 0,602 0,760 1,478 1,806
NPK
1,990** 1,890** 0,806 0,752 0,226 0,150 1,534 1,862
Wp(0,05) Wp(0,01)
0,991 1,337
1,197 1,531
1,319 1,653
1,409 1,740
5% 1%
Uji Beda Rataan 60-13
F. Uji Ulangan Taksama Uji-uji bedaan rataan perlakuan yang telah diuraikan diatas hanya dapat digunakan untuk ulangan yang sama. Untuk ulangan yang taksama maka diadakan penyesuaian. Rumusan dasarnya adalah galat baku beda dua rataan untuk ulangan taksama adalah sYi. Yj. =
s2
ri
rj
s2
ri + rj ri.rj
Sehingga untuk galat baku beda dua rataan pada uji beda rataan adalah BNT = t(,dbG).(2.s2/r) = t(,dbG). s2.(ri + rj)/ri.rj untuk uji beda rataan lainnya tidak disajikan karena keabsahan rumusan belum pernah dibuktikan (simak Steell, R.G.D. & J.H. Torrie. 1980).
60-14
Upaya memperkecil nilai KK dengan maksud untuk meningkatkan keterandalan atau kejituan hasil pengamatan suatu percobaan. Semakin besar nilai KK, maka keterandalan hasil pengamatan (nilai data) semakin rendah. Berapa nilai KK yang dikatakan handal belum ada patokan yang baku. Dari hasil percobaan-percobaan terdahulu yamg dapat dijadikan acuan umum adalah nilai KK untuk lokasi atau ruang-ruang yang terkendali berkisar 5 10%, sedangkan nilai KK untuk percobaan lapangan sekitar 10 20%. Keterkaitan dengan nilai koefisien keragaman, maka uji beda rataan mana yang lebih sesuai untuk analisis lanjutan dari analisis keragaman ada baiknya mengacu pada koefisien keragaman (Hanafiah, 1993). Penentuan uji beda rataan berdasarkan nilai koefisien keragaman sebagai berikut : 1. Jika KK besar (minimal 10% pada kondisi homogen atau minimal 20% pada kondisi heterogen), maka dianjurkan menggunakan uji lanjutan Duncan (Uji Wilayah-Berganda Duncan). 2. Jika KK sedang (antara 5% - 10% pada kondisi homogen atau antara 10% - 20% pada kondisi heterogen), maka maka dianjurkan menggunakan uji lanjutan BNT (Uji Beda Nyata Terkecil ). 3. Jika KK kecil (maksimal 5% pada kondisi homogen atau maksimal 10% pada kondisi heterogen), maka maka dianjurkan menggunakan uji lanjutan BNJ (Uji Beda Nyata Jujur ). BNJ adalah juga uji Prosedur Tukey. Makna jika KK besar atau sedang atau kecil dapat diilustasikan ke dalam bentuk garis bilangan seperti sajian Gambar 6-1.
10% KK
(B1)
5%
10%
(S1)
KK sedang (BNT )
kisaran Nilai KK
10%
KK 20% heterogen
(S2) (K1)
(K2)
Gambar 6-1. Ilustrasi kehomogenan dan atau keheterogenan (1) KK besar B1 kondisi homogen jika nilai KK minimal 10% (KK 10%); jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 10% (KK < 10%) adalah heterogen ?. Jika itu terjadi maka ada dua kemungkinan pengkatagorian KK : KK dikatagorikan SEDANG dengan kondisi tetap homogen (S1). KK dikatagorikan KECIL dengan kondisi heterogen (K2).
60-15
B2 kondisi heterogen jika nilai KK minimal 20% (KK 20%); jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 20% (KK < 20%) adalah homogen ?. Jika itu terjadi berarti KK dikatagorikan SEDANG dengan kondisi tetap heterogen (S2). (2) KK sedang S1 kondisi homogen jika nilai KK antara 5% hingga 10% (5% KK 10%; jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 5% (KK < 5%) atau lebihbesar dari 10% (KK > 10%) adalah heterogen ?. Jika itu terjadi maka ada tiga kemungkinan pengkatagorian KK : KK < 5% dikatagorikan KECIL dengan kondisi tetap homogen (K1). KK > 10% dikatagorikan SEDANG dengan kondisi heterogen (S2). KK > 10% dikatagorikan BESAR dengan kondisi tetap homogen (B1). S2 kondisi heterogen jika nilai KK antara 10% hingga 20% (10% KK 20%;; jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 10% (KK < 10%) atau lebih-besar dari 20% (KK > 20%) adalah homogen ?. Jika itu terjadi maka ada tiga kemungkinan pengkatagorian KK : KK < 10% dikatagorikan SEDANG dengan kondisi homogen (S1). KK < 10% dikatagorikan KECIL dengan kondisi tetap heterogen (K2). KK > 20% dikatagorikan BESAR dengan kondisi tetap heterogen (B2). (3) KK kecil K1 kondisi homogen jika nilai KK maksimal 5% (KK 5%); jika demikian apakah juga berarti jika nilai KK lebih-besar dari 5% (KK > 5%) adalah heterogen ?. Jika itu terjadi berarti KK dikatagorikan SEDANG dengan kondisi tetap homogen (S1). K2 kondisi heterogen jika nilai KK lebih kecil dari 10% (KK 10%). Jika demikian apakah juga berarti jika nilai KK lebih besar dari 10% (KK > 10%) adalah homogen ?. Jika itu terjadi maka ada dua kemungkinan pengkatagorian KK : KK dikatagorikan SEDANG dengan kondisi tetap heterogen (S2). KK dikatagorikan BESAR dengan kondisi homogen (B1). Untuk menentukan apakah homogen atau tidak tergantung dari kondisi sekitar lokasi percobaan (lingkungan) atau dengan memperhatikan pola percobaan atau pola rancangan yang digunakan. Kondisi homogen lebih cenderung pada ruang/lapangan yang relatif sempit (tidak begitu luas) yaitu ruang laboratorium dalam gedung, erbaretum (laboratorium lapangan) atau lapangan yang tidak begitu luas seperti seluas lapangan volly, lapangan footsal. Untuk percobaan di lapangan (ruang yang relatif luas) lebih cenderung bersifat heterogen, apalagi dengan permukaan lahan yang bergelombang atau berbukit. Karena pada lapangan yang cukup luas memungkinkan adanya perbedaan yang cukup menyolok antara lain perbedaan cahaya matahari (intensitas, warna, periode) yang sampai ke permukaan tajuk tumbuhan/tanaman atau bumi/tanah, perbedaan permukaan lahan (bergelombang/berbukit, tinggi dari permukaan laut), perbedaan kandungan unsur hara atau sifat fisik tanah, ada tidaknya hembusan angin (termasuk kekuatan/kecepatan) karena berkaitan dengan energi panas matahari, perbedaan keberadaan tanaman/tumbuhan (pohon) di.sekitar lokasi percobaan.
60-16
Langkah untuk menjaring uji beda rataannya (uji lanjutan) dengan cara : a. telaah KK% yang diperoleh apakah termasuk dikatagorikan (ukuran) besar, sedang atau kecil; misal KK yang diperoleh 13% maka berada pada 2 kemungkinan katagori yaitu pada katagori besar (B1) atau katagori sedang (S2). b. telaah kondisi sekitar lokasi percobaan (lingkungan) apakah homogen atau heterogen yang terkait dengan cahaya matahari, lokasi lahan percobaan, angin atau tumbuhan lain di sekitar lokasi percobaan. Semua ini dapat juga mengacu pada pola percobaan yang digunakan. Misalkan saja kita menggunakan pola percobaan kelompok. c. dari kedua informasi di atas (a) dan (b), maka uji beda rataan yang dipilih adalah uji Beda Nyata Terkecil (BNT). Kasus 6-17. Menelaah beberapa kasus pada Percobaan Sederhana diperoleh koefisien keragaman dan uji lanjutannya. Kasus 3-11. Percobaan Acak Lengkap (RALengkap). KTG = 0,0016 dengan rataan data diperoleh dari Rataan data = (77,425 + 76,265 + 74,687)/(3)(5) = 15,2251 KK =
0,0016
15,2251
x 100%
= 0,26% Kondisi percobaan homogen, KK = 0,26% lebih kecil dari 5% (ketentuan ke lima; K1), berarti uji lanjutan yang sesuai adalah uji Beda Nyata Jujur (Prosedur Tuckey). Kasus 6-18. Menelaah beberapa kasus pada Percobaan Faktorial diperoleh koefisien keragaman dan uji lanjutannya. Kasus 4-13. Percobaan Acak Lengkap Faktorial dengan KTG = 0,0224 dengan rataan data diperoleh dari Rataan data = (3.23 + 3.33 + 3.31 + + 0.98 + 0.87 + 0.97)/(4.4.5) = 10,0475 KK =
0,0224
10,0475
x 100%
= 1,49% Percobaan dengan kondisi homogen. KK = 1,49% lebih kecil dari 5% (ketentuan ke lima; K1). Uji lanjutan yang sesuai adalah uji Beda Nyata Jujur (BNJ). Kasus 4-22. Percobaan yang digunakan adalah Acak Kelompok Faktorial. KTG = 0,1227 dengan rataan data diperoleh dari Rataan data = (372,12)/(3.3.3) = 13,7822 KK =
0,1227
13,7822 = 2,54%
x 100%
Percobaan dengan kondisi tidak homogen. KK = 2,54% lebih kecil dari 10% (ketentuan ke enam; K2). Uji lanjutan yang sesuai adalah uji BNJ. Kasus 4-31. Percobaan petak terbagi dalam acak lengkap ini dengan galat percobaan KTG(1) ; KTG1 = 0,0005 dengan rataan data diperoleh dari Rataan data = (10,4216)/(45) = 0,231591
Uji Beda Rataan 60-17
KK =
0,0005
0,231591
x 100%
= 9,75% Percobaan dengan kondisi homogen. KK = 9,75% lebih kecil dari 10% (ketentuan ke tiga; S1). Uji lanjutan yang sesuai adalah uji Beda Nyata Terkecil (BNT). Kasus 4-32. Percobaan petak terbagi dalam acak kelompok dengan galat percobaan KTG(1) ; KTG1 = 0,0557 dengan rataan data diperoleh dari Rataan data = (45,10)/(24) = 1,8792 KK =
0,0557
1,8792
x 100%
= 12,56% Percobaan dengan kondisi heterogen. KK = 12,56% lebih besar dari 10% (ketentuan ke empat; S2). Uji lanjutan yang sesuai adalah uji BNT. KTG(2) ; KTG1 = 0,0422 dengan rataan data diperoleh dari Rataan data = (45,10)/(24) = 1,8792 KK =
0,0422
1,8792
x 100%
= 10,93% Percobaan dengan kondisi tidak homogen. KK = 10,93% lebih besar dari 10% (ketentuan ke empat; S2). Uji lanjutan yang sesuai adalah uji BNT.
60-18
70 TELAAH DATA
71. Kerangka Pikir
Tentu setiap data yang diperoleh perlu diolah agar kesimpulan yang diinginkan terpenuhi. Pada bab terdahulu telah diuraikan panjang lebar bagaimana pengolahan data (analisis keragaman) agar diperoleh kesimpulan yang sah. Untuk memenuhi kesimpulan yang sah diperlukan anggapan-anggapan yang menentukan keabsahan suatu analisis. Anggapan-anggapan dimaksud diilustrasikan seperti sajian berikut.
Gambar 7-1. Ilustrasi keabsahan analisis Dari ilustrasi di atas bahwa selain pengolahan data yang telah dikemukakan terdahulu, perlu juga menelaah data yang diperoleh apakah telah memenuhi kriteria keabsahan suatu analisis seperti : (1) Galat percobaan tidak berkorelasi antara sesamanya, (2) Galat percobaan harus menyebar normal, (3) Pengaruh perlakuan dan lingkungan (lokal) harus bersifat penjumlahan, (4) Ragam galatpercobaan harus seragam. Keempat kriteria di atas dalam suatu rancangan percobaan dilakukan melalui empat uji yaitu uji bebas galat percobaan, uji keaditifan model, uji kehomogenitasan ragam dan uji normaliitas. Namun yang umum dilakukan hanya tiga uji terakhir. Karena ketiga uji ini akan menelaah bentuk model yang diasumsikan, galat perlakuan dan galat percobaan. Namun demikian karena model yang digunakan dianggap aditif, sehingga dua uji terakhir yang biasa digunakan (salah satu atau keduanya). Ilustrasinya seperti sajian berikut.
Fh = Ft
DATA
Xh = Xt
Nh = Nt
Uji A
Uji H
Uji N
Analisis
Yij = + i + j + ij
Tabel 7-1. Bagan pengujian keaditifan Kelompok (i) 1 2 .. .. k Y.j Y.j d.j Qj d.jQj Perlakuan (j) P1 Y11 Y21 . . Yk1 Y.1 Y.1 d.1 Q1 d.1Q1 P2 Y12 Y22 . . Yk2 Y.2 Y.2 d.2 Q2 d.1Q2 Pp Y1p Y2p . . Ykp Y.p Y.p d.p Qp d.1Qp Yi. Y1. Y2. . . Yk. Y.. Y.. Yi. Y1. Y2. . . Yk. di d1. d2. . . dk.
Perhitungan : di = Yi. Y.. ; berarti untuk d1 = Y1.. Y.. s/d dk = Yk. Y.. dj = Y.j Y.. ; berarti untuk d1 = Y,1 Y.. s/d dk = Y.p Y..
Telaah Data 70-2
dj = 0
j=1
Qj = Yij.di ; j = 1, 2, . , p Q1 = (Y11.d1) + (Y21.d2) + .. + (Yk1.dk) .. s/d . Qp = (Y1p.d1) + (Y2p.d2) + .. + (Ykp.dk) 2. Buat daftar analisis keragaman uji keaditifan Tabel 7-2. Bagan Analisis Uji Keaditifan RAKelompok Sumber Keragaman Kelompok Perlakuan Galat Keaditifan (A) Pengujian (U) Total db (r-1) (p-1) (r-1)(p-1) (a-1) (r-1)(p-1)-1 rp-1 JK JKR JKP JKG JKA JKU JKT KT KTR Uji F F. F(db1;db2) Fr
KTA KTU
Fa
Syarat yang harus dipenuhi adalah Fr > F[,(r-1),(r-1)(p-1)] Bila Fr F, maka model percobaan perlu ditinjau ulang Bila Fr > F, pengujian dilanjutkan Perhitungan sumber keragaman : FK = ( Yij)2/kp JKT = (Yij)2 - FK
i=1 j=1 r i=1 j=1 p r p
JKR = (Yij)2/p] - FK
i=1 j=1
JKP = (Yij)2/r - FK
j=1 i=1
Untuk menentukan nilai pembanding F(,db1,db2) bagi masing-masing Fr (Fkelompok), Fa (Fkeaditifan) ; lihatKasus 3-11 atau Kasus 4-11; atau Lampiran 02 (Penentuan Nilai Kritis Sebaran Fisher). 3. Pengujian (hipotesis dan keputusan uji) Hipotesis H0 : A = 0 (model persamaan bersifat penjumlahan berdasarkan data pengamatan) H1 : A 0 (model persamaan tidak bersifat penjumlahan berdasarkan data pengamatan)
Telaah Data
70-3
Keputusan uji Fa F(1;dbU) ; terima H0 ; model bersifat aditif > F(1;dbU) ; tolak H0 ; model bersifat tidak aditif Kasus 7-21. Percobaan tentang MAI tinggi pada tegakan Acacia mangium dengan masing-masing berumur 4 tahun, 6 tahun dan 11 tahun (Talam 4-11). Kelompok I II III Jumlah Rataan d.j Qj d.j Qj A
2,2366 1,3125 1,0096 4,5587 1.519567 0.071433 0.819253 0.058522
B
2,2098 1,3295 0,9182 4,4575 1.485833 0.037700 0.843094 0.031785
C
2,0556 1,0764 0,8850 4,0170 1.339000 -0.109133 0.801957 -0.08752
Jumlah
6,5020 3,7184 2,8128 13,0332 0.002786
Rataan
2.167333 1.239467 0.937600 1.448133
di.
0.719200 -0.208667 -0.510533 0
d.1 = 1.519567 1.448133 = 0,2605 d.2 = 1.485833 1.448133 = -0,1098 d.3 = 1.339000 1.448133 = -0,1507
d1. = 2.167333 1.448133 = 0,0253 d2. = 1.239467 1.448133 = -0,0149 d3. = 0.937600 1.448133 = -0,0104
Q1 = (2,2366)(0.719200) + (1,3125)(-0.208667) + (1,0096)(-0.510533) = 0.819253 Q2 = (2,2098)(0.719200) + (1,3295)(-0.208667) + (0,9182)(-0.510533) = 0.843094 Q3 = (2,0556)(0.719200) + (1,0764)(-0.208667) + (0,8850)(-0.510533) = 0.801957 Analisis Uji Keaditifan RAKelompok untuk MAI tinggi Acacia mangium Sumber Umur tegakan Kelerengan Galat Keaditifan (A) Pengujian (U) Total db
2 2 4 (1) (3) 8
JK
2,464304 0,055302 0,012141 0,000513 0,011628 2,531747
KT
1,2322 0,0277 0,0030 0,000513 0,003876
Fp
F(2;4)
0,132283
10,127964
Perhitungan komponen sumber : dbR = (3 1) = 2 ; dbP = (3 1) = 2 ; dbT = (3)(3) 1 = 8 ; dbG = 8 - 2 - 2 = 4 JKR = 2,4643 JKP = 0,0553 JKT = 2,5317 JKG = 0,0121 KTP = 0,0264 KTG = 0,0030 KTR = 1,2322 JKA = (dj Qj)2/(di2)(dj2) (dj Qj)2 = (0.002786)2 = (0.719200)2 + (-0.208667)2 + (-0.510533)2 = 0.821435 (di2) 2 = (0.071433)2 + (0.037700)2 + (-0.109133)2 = 0.018434 (dj ) JKA = (0.002786)2/(0.821435)( 0.018434) = 0.000513
JKU = JKG JKA = 0,011628
F(0.05,1,3) = 10,127964 (cara lihat pada Kasus 3-11 atau kasus 4-11) 1/F = 7,559523 > 0,05
Telaah Data 70-4
FKeaditifan = 0,132283 < 10,127964 = F(0.05,1,3) ; model rancangan bersifat aditif. Kasus 7-22. Percobaan kadar air normal (%) dalam batang Kahoi (Shorea balangeran) dengan berbagai ketinggian (TaLam 4-12). Ulangan
1 2 3
b1
Bagian batang b2
10.6820 10.8307 10.7173 32.2300 10,7433 -0,1098 -0,002583 0.0002837
b3
10.7213 10.7550 10.6313 32.1076 10,7025 -0,1507 0,000434 -6.536E-05
Jumlah
32.6356 32.5147 32.5283 97.6786 0.00153803
Rataan
10,8785 10,8382 10,8428 10,8532 -
di.
0,0253 -0,0149 -0,0104 0
d.1 = 11,1137 10,8532 = 0,2605 d.2 = 10,7433 10,8532 = -0,1098 d.3 = 10,7025 10,8532 = -0,1507
d1. = 10,8785 10,8532 = 0,0253 d2. = 10,8382 10,8532 = -0,0149 d3. = 10,8428 10,8532 = -0,0104
Q1 = (11.2323)( 0,0253) + (10.9290)(-0,0149) + (11.1797)(-0,0104) = 0,005066 Q2 = (10.6820)( 0,0253) + (10.8307)(-0,0149) + (10.7173)(-0,0104) = -0,002583 Q3 = (10.7213)( 0,0253) + (10.7550)(-0,0149) + (10.6313)(-0,0104) = 0,000434 Analisis Uji Keaditifan RALengkap Kadar Air Normal dalam batang Kahoi Sumber Perlakuan Galat Keaditifan (A) Pengujian (U) Total dbP = (p 1) = 2 dbT = (rp 1) = 8 db
2 6 (1) (5) 8
JK
0,307842 0,072788 0.023766 0,049022 0,380630
KT
Fhitung
F(db1;db2)
0.023766 0.009804
2.423992
6.6079
FK = (97,6786)2/(3.3) = 1060,123211 JKP = [{(33.3410)2 + (33.3410)2 + (33.3410)2}/3] - FK = 0,307842 JKT = [(11.2323)2 + (10.9290)2 + + (10.7550)2 + (10.6313)2] FK = 0,380630 JKG = JKT JKP = 0,072788 JKA = (dj Qj)2/(di2) (dj2) (dj Qj)2 = (0.00153803)2 = (0,0253)2 + (-0,0149)2 + (-0,0104)2 = 0.000970 (di2) = (0,2605)2 + (-0,1098)2 + (-0,1507)2 = 0.102614 (dj2)
JKU = JKG JKA = 0,049022
Telaah Data
70-5
. . . . . . .
.. r Y.j KTj
(Yij)2
i=1
dbj = (r - 1)
Tentukan dulu untuk KT1 ; Yi12 = Y112 + Y212 + + Yr12 (Yi1)2/r = (Y11 + Y21 + + Yr1)2/r = Y.12/r JK1 = [Yi12 - (Yi1)2/r] KT1 = JK1/(r-1) untuk KT2 ; Yi22 = Y122 + Y222 + + Yr22 (Yi2)2/r = (Y12 + Y22 + + Yr2)2/r = Y.22/r KT2 = JK2/(r-1) .dan seterusnya untuk KTp ; Yip2 = Y1p2 + Y2p2 + + Yrp2 (Yip)2/r = (Y1p + Y2p + + Yrp)2/r = Y.p2/r KTp = JKp/(r-1)
Telaah Data 70-6
3. Menentukan nilai khi-kuadrat dan koreksinya X2 = log 10e (r 1) [(p.log KT. (log KTj )] log 10e = 2,3026 FK = 1 +
(p 1) j=1 p
/3p (r + 1)
4. Pengujian Hipotesis H0 : 12 = 22 = .. = p2 (ragam antara perlakuan bersifat homogen) H1 : minimal sepasang i2 bersifat heterogen Keputusan uji : Xh X(p 1) ; terima H0 > X(p 1) ; tolak H0
Kasus 7-31. Percobaan kadar air normal (%) seperti disajikan pada Kasus 7-22 akan dilakukan pengujian Homogenitas. Ulangan
1 2 3
b1
11.2323 10.9290 11.1797 33.3410 0,026268 -1,580573
Bagian batang b2
10.6820 10.8307 10.7173 32.2300 0,006036 -2,219235
b3
10.7213 10.7550 10.6313 32.1076 0,004090 -2,388323
Jumlah
32.6356 32.5147 32.5283 97.6786 -6,188130
Rataan
Jumlah KTj
log KTj
0,012131
Hitung ragam (KT) tiap perlakuan (bagian batang) untuk KT1 ; Yi12 = (11.2323)2 + (10.9290)2 + (11.1797)2 = 370.593296 (Yi1)2/r = (33.3410)2/3 = 370.540760 JK1 = (370.593296 - 370.540760) = 0,052536 KT1 = (0,052536)/(3 - 1) = 0,026268 untuk KT2 ; Yi22 = (10.6820)2 + (10.8307)2 + (10.7173)2 = 346,269706 (Yi2)2/r = (32.2300)2/3 = 346,257633 JK2 = (346,269706 - 346,257633) = 0,012072
Telaah Data 70-7
KT2 = (0,012072)/(3 - 1) = 0,006036 untuk KT3 ; Yi32 = (10.7213)2 + (10.7550)2 + (10.6313)2 = 343,640838 (Yi3)2/r = (32.1076)2/3 = 343,632659 JK3 = (343,640838 - 343,632659) = 0,008179 KT3 = (0,008179)/(3 - 1) = 0,004090 KT. = (0,026268 + 0,006036 + 0,004090)/3 = 0,012131 (log KTj) = log(0,026268) + log(0,006036) + log(0,004090) = -6,188130 X
2
/3.3 (3 + 1) = 1,055556 FK = 1 + X2terkoreksi = 2,025593/1,055556 = 1,9190 X(0.05,3-1) = 5,9915 > 1,9190 = X2terkoreksi; ragam perlakuan bersifat homogen. Nilai X2(0.05,3-1) = 5,9915; diperoleh dari Lampiran 3-3, Talam 3-3B (STATISTIKA) atau menggunakan rumusan CHIINV dari MO Excel (Lampiran 04) atau rumusan CHIINV langsung digunakan dengan bantuan layar dari MO Excel buka layar program excel posisikan kruser pada sembarang cell ketik =CHIINV(0.05,2) Enter db (31) akan tampil 5.9915 (kotak hijau) jika menginginkan salahduga 1% gunakan kotak merah.
0.05 5.9915
0.01 9.2103
jumlah
(Yij)2
i=1
ri
dbj = (ri 1)
2. Menghitung rataan ragam gabungan dan logaritmanya KT. = (KTj )/p = (KT1 + KT2 + .. + KTp)/p
j=1 p j=1
Telaah Data
70-8
Perlakuan p1 Y11 Y21 . Ya1 . Yb1 . Yc1 p2 Y12 Y22 . Ya2 p3 Y13 Y23 . Ya3 . Yb3 . Yc3 . Yr3
i=1
. . . . . . . . . . . .
.. a .. b .. c .. r Y.j = Yij
i=1 ri
Yij
i=1
i=1
Yij JK2
Yij JK3
i=1
Yij JKp
(a-1) KT2
(r-1) KT3
(b-1) KTp
FK = 1 +
j=1
1 )( p ) rj - 1 (rj-1)
1
j=1
Telaah Data
70-9
Kasus 7-32. Keterbatasan untuk memperoleh cabutan anakan meranti (Shorea spp) menyebabkan pengulangan tiap perlakuan (media sapih) menjadi tidak sama (Kasus 3-15). Rekapitulasi data pertumbuhannya seperti sajian berikut. Ulangan
1 2 3 4 5
p1
2,67 2,51 2,78 2,32 2,89 13,17 8,064475 0,906576
Media sapih p2 p3
3,17 2,78 3,40 2,48 2,35 2,56 2,25 2,98 12,68 7,41135 0,869897
p4
2,31 2,18 2,23 2,19
Jumlah
10,63 9,82 10,97 6,76 5,87 44,05 3,663218
Rataan
Jumlah KTj
log KTj
8,615702
Hitung ragam (KT) tiap perlakuan (media sapih) untuk KT1 ; Yi12 = (2,67)2 + (2,51)2 + (2,78)2 + (2,32)2 + (2,89)2 = 34.8919 (Yi1)2/ri = (13,17)2/5 = 2.63400 JK1 = (34.8919 - 2.63400) = 32,25790 KT1 = (32,25790)/(5 - 1) = 8,064475 untuk KT2 ; Yi22 = (3,17)2 + (2,78)2 + (3,40)2 = 29,3373 (Yi2)2/ri = (9,35)2/3 = 3,11667 JK2 = (29,3373 - 3,11667) = 26,22063 KT2 = (26,22063)/(3 - 1) = 13,11032 untuk KT3 ; Yi32 = (2,48)2 + (2,35)2 + (2,56)2 + (2,25)2 + (2,98)2 = 32,1694 (Yi3)2/ri = (12,68)2/5 = 2,52400 JK3 = (32,1694 - 2,52400) = 29,64540 KT3 = (29,64540)/(5 - 1) = 7,41135 untuk KT4 ; Yi42 = (2,31)2 + (2,18)2 + (2,23)2 + (2,19)2 = 19,8575 (Yi4)2/ri = (8,91)2/4 = 2,22750 JK4 = (19,8575 - 2,22750) = 17,63000 KT4 = (17,63000)/(4 - 1) = 5,876667 KT. = (8,064475 + 13,11032 + 7,41135 + 5,876667)/4 = 8,615702 (log KTj) = (0,906576 + 1,117613 + 0,869897 + 0,769131) = 3,663218 X2 = 2,3026 [ A B ] A = log KT. (rj 1) = log(8,615702).{(5-1)+(3-1)+(5-1)+(4-1)} j=1 = 12,15878 B = (rj 1) log KTj
j=1 p p
= [1/(5-1) + 1/(3-1) + 1/(5-1) + 1/(4-1)] [1/{(5-1) + (3-1) + (5-1) + (4-1)}] = 1,25641 FK = 1 + (0,111111)(1,25641) = 1,139601 X2terkoreksi = X2/FK = 1,174937/1,139601 = 1,031008 X(0.05,4-1) = 7,8147 > 1,0310 = X2terkoreksi; ragam perlakuan bersifat homogen
A. Uji Lilliefors
Uji digunakan bila jumlah data lebih kecil dari 30 (data < 30) dan pengujian dilaksanakan pada seluruh data. Tahap pengujian 1. Pengurutan data ; urutkan data (Yi) pada tabel uji dari bernilai terkecil hingga terbesar, seperti sajian tabel berikut. Tabel 7-5. Bagan pengujian Lilliefors No
1 2
Yi Y1 Y2 .. Yn-1 Yn
Zi . . . . .
F(zi) . . . . .
S(zi) . . . . .
Li . . . . .
.. n-1 n
2. Hitung nilai tiap zi Zi = Yi - Y./S ; i = 1, 2, , n S = JKi/(n-1) = (Yi Y.) /(n-1) JKi = Yi (Yi)2/n
I=1 I=1 n
2 2
Y. = Yi)/n
I=1
I=1
Telaah Data
70-11
3. Tentukan nilai Fungsi Sebaran Normal Baku F(zi) = P(Z zi) Jika menggunakan tabel perlu diperhatikan : Berdasarkan nilai P(0 < Z < zi) = 0,0000 untuk zi = 0,0 ; maka bila zi = +z ; F(zi) = F(+z) + P(Z +z) = 0,5000 + P(0 < Z < +z) bila zi = -z ; F(zi) = F(-z) + P(Z -z) = 0,5000 - P(-z < Z < 0) F(zi) = P(Z zi) Berdasarkan nilai P(0 < Z < zi) = 5,0000 untuk zi = 0,0 ; maka bila zi = +z ; F(zi) = 2F(+z) + P(Z +zi) = 1 P(+zi < Z < +) bila zi = -z ; F(zi) = P(Z -z) = P(- < Z < -z) 4. Tentukan nilai Fungsi Sebaran Empirik Baku S(zi) = Misal : Diurut : S(zi) : Misal : Diurut : S(zi) Banyaknya z1, z2, . , zn zi n
7 3 1/6 5 2 1/6 0 4 2/6 2 4 2,5/6 4 6 3/6 6 4 2,5/6 6 7 4/6 4 5 4/6 8 8 5/6 8 6 5/6 3 9 6/6 4 8 6/6
5. Hitung nilai beda antara FSNB dan FSEB Li = F(zi) - S(zi) * Tentukan nilai beda terbesar (Lmaks) 6. Pengujian Hipotesis H0 : data pengamatan menyebar normal H1 : data pengamatan menyebar tidak normal Keputusan uji : Lmak L(n) ; terima H0 > L(n) ; tolak H0
Nilai uji yang digunakan (nilai kritis) L(n) ; n = banyaknya data yang diuji. (Lampiran 08) Kasus 7-41. Contoh kasus diangkat dari percobaan kadar air normal (%) yang berada dalam batang Kahoi (Shorea balangeran) (Lampiran 11; TaLam 11-11).
Telaah Data 70-12
No.
1 2 3 4 5 6 7 8 9
Yi
10,6313 10,6820 10,7173 10,7213 10,7550 10,8307 10,9290 11,1797 11,2323
Zi
-1.017203 -0.784768 -0.622934 -0.604596 -0.450098 -0.103050 0.347608 1.496947 1.738093
F(zi)
0.154531 0.216298 0.266666 0.272726 0.326320 0.458962 0.635932 0.932794 0,958902
S(zi)
0,111111 0,222222 0,333333 0,444444 0,555556 0,666667 0,777778 0,888889 1,000000
| Li |
0.043420 0.005924 0.066667 0.171718 0.229236 0.207705 0.141846 0.043905 0.041098
L5 = nilai maksimum Perhitungan : Yi/9 = (10,6313 + 10,6820 + + 11,2323)/9 = (97,6786)/9 = 10,853178 Yi2 = (10,6313)2 + (10,6820)2 + + (11,2323)2 = 1060,503841 (Yi)2/9 = (97,6786)2/9 = 1060.123211 JKi = Yi2 - (Yi)2/9 = 0.380630 S = {JKi/(9-1)} = 0.21812544 Z1 = 10,6313 - 10,853178)/S = -1.017203 Z2 = 10,6820 - 10,853178)/S = -0.784768 Z3 = 10,7173 - 10,853178)/S = -0.622934 ..dan seterusnya Z9 = 11,2323 - 10,853178)/S = 1.738093 F(z1) = 0,5000 - P(-z < Z < 0) F(z1) = 0,5000 - P(-1.017203 < Z < 0) untuk zi = 1.017203 berada antara 1,01 dan 1,02 Ringkasnya sebagai : 1,01
= 0,3438 1.017203 = ? (nilai ini negatif, dipositifkan dulu) 1,02 = 0,3461
untuk z1,01 = 0,3438 diperoleh dari ketik pada layar excel =NORMSDIST(1.01)-0.5 ENTER untuk z1,02 = 0,3461 diperoleh dari ketik pada layar excel =NORMSDIST(1.02)-0.5 ENTER ilustrasi dalam perhitungan excel nilaiNEGATIFABSOLUTKAN 1.01 1.017203 1.02 0.345469 0.3438 0.3461 Kolom Kolom 1.01 0.01 0.02 1.02 1 0.3438 0.3461 1 0.5 F(zi)= 0.154531
Baris
Baris
Telaah Data
70-13
F(z2) = 0,5000 - P(-0.784768 < Z < 0) untuk zi = -0.784768 berada antara 0,78 dan 0,79 Ringkasnya sebagai : 0,78
= 0,2823 0,784768 = ? (nilai ini negatif, dipositifkan dulu) 0,79 = 0,2852
untuk z0,78 = 0,2823 diperoleh dari ketik pada layar excel =NORMSDIST(0.78)-0.5 ENTER untuk z0.79 = 0,2852 diperoleh dari ketik pada layar excel =NORMSDIST(0.79)-0.5 ENTER Interpolasinya = 0,2823 + [ {(0,2852 - 0,2823)/(0.79 0.78)} (0.784768 0.78)] = 0.283702
F(z2) = 0,5000 - 0.283702 = 0.216298
.dan seterusnya. F(z9) = 0,5000 + P(0 < Z < +z) F(z9) = 0,5000 + P(0 < Z < +z) untuk zi = 1.738093 berada antara 1,73 dan 1,74 = 0,4582 Ringkasnya sebagai : 1,73 1,738093 = ?
1,74 = 0,4591
untuk z1,73 = 0,4582 diperoleh dari ketik pada layar excel =NORMSDIST(1.73)-0.5 ENTER untuk z1.74 = 0,4591 diperoleh dari ketik pada layar excel =NORMSDIST(1.74)-0.5 ENTER ilustrasi dalam perhitungan excel POSITIF 1.73 1.738093 1.74 0.4582 0.458902 0.4591 Kolom Kolom 0.03 0.04 0.4582 0.4591 0.5 F(zi)= 0.958902
Baris
1.73 1.7
1.74 1.7
Baris
CATATAN : jika cara ini sukar dimengerti, silahkan telaah ulang pada Sebaran Normal/Gauss, halaman 30-26 atau simak saja Lampiran 3-1 dalam STATISTIKA.
Menghitung nilai Fungsi S(zi)
10.6313 1/9
0,111111
10.6820 2/9
0,222222
10.7173 3/9
0,333333
10.7213 4/9
0,444444
10.7550 5/9
0,555556
10.8307 6/9
0,666667
10.929 7/9
0,777778
11.1797 8/9
0,888889
11.2323 9/9
1,000000
Menentukan nilai Li = |F(zi) S(zi)| ; selisih nilai dimutlakkan untuk L1 = 0.154531 - 0.111111 = 0.043420 untuk L2 = 0.216298 - 0.222222 = 0.005924 . dan seterusnya.. untuk L5 = 0.32632 - 0.555556 = 0.229236 (nilai maksimum) . dan seterusnya.. untuk L9 = 0.958902 - 1.000000 = 0.041098 L0,05(9) = 0,271 > 0.229236 = L5; berarti data pengamatan menyebar normal
3. Buat tabel kelas (selang kelas) Tabel 7-6. Bagan pengujian Kolmogorov & Smirnov No
1
Kelas
2
zi
3
F(zi)
4
FNH
5
F(xi)
6
FP
7
FPK
8
S(xi)
9
Ki
10
.. .. ..
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
Cara pengisian tiap kolom : Kolom 1 & 2 (No. Kelas & Kelas/Selang-Kelas) UBK (Ujung Bawah Kelas) adalah X1, X3, .. , X2k-1 untuk X1 = nilai terkecil X3 = X1 + j X5 = X3 + j ; dan seterusnya UAK (Ujung Atas Kelas) adalah X2, X4, .. , X2k untuk X2 = lebih kecil satu peringkat dari X3 X4 = X2 + j X6 = X4 + j ; dan seterusnya
Telaah Data
70-15
No
0
1
2 3 k-1
~ X2 = X0 + j atau = X1+(j-1) ~ X4 = X2 + j ~ ~
Kolom 3 (zi dalam bentuk selang) Sebenarnya antara kolom 2 dan kolom 3 terdapat kolom tersembunyi. Katakan saja kolom 2H3 untuk perhitungan nilai Batas Bawah Kelas (BBK) nilai Batas Atas Kelas (BAK) tiap kelas. Kolom ini biasanya tidak ditampilkan. Agar jelas cara perhitungannya, kolom (2H3) ditampilkan. Untuk itu perhatikan dulu pengilustrasian nilai BBK dan nilai BAK dalam bentuk garis Ilustrasi kolom 2H3 dalam bentuk garis adalah
No 1 : (X0 + X1)/2 = BBK1 (Batas Bawah Kelas untuk Kelas-1) (X2 + X3)/2 = BAK1 (Batas Atas Kelas untuk Kelas-1) No 2 : (X2 + X3)/2 = BBK2 (Batas Bawah Kelas untuk Kelas-2) = BAK1 (X4 + X5)/2 = BAK2 (Batas Atas Kelas untuk Kelas-2) .dan seterusnya.. No k : (X2k-2 + X2k-2)/2 = BBKk (Batas Bawah Kelas untuk Kelas-k) = BAKk-1 (X2k + X2k+1)/2 = BAKk (Batas Atas Kelas untuk Kelas-k) Kolom 2H3 (untuk menentukan nilai BBK dan BAK) untuk pengisian tiap kelas perhatikan kolom 2 (Kelas) di atas (warna merah hanya untuk perhitungan) No.
1 2 3 4 . k-1 K 2H3 Batas Bawah Kelas BBK1 = (X0 + X1)/2 BBK2 = (X2 + X3)/2 BBK3 = (X4 + X5)/2 BBK4 = (X4 + X5)/2 BBKk = (Xk-2 + Xk-1)/2 Batas Atas Kelas
~ ~ ~ ~ ~ ~
BAK1 = (X0 + X1)/2 BAK2 = (X2 + X3)/2 BAK3 = (X4 + X5)/2 BAKk-1 = (Xk-2 + Xk-1)/2 BAKk = (Xk+1 + Xk)/2
Telaah Data
70-16
selanjutnya hitung nilai masing-masing zi-nya zi = (BK Y.)/S BK = batas kalas (BBK atau BAK) Y. = (Yi)/n S2 = (Yi Y.)2 / (n-1) = {Yi2 - (Yi)2/n }/(n-1) S =
S2
Kolom 3
1 2 3
Perhitungan ~ z2 = (BAK1 Y.)/S ~ z4 = (BBK2 Y.)/S ~ z2 = (BBK3 Y.)/S ~ ... ~ zk-1 = (BBK k-1 Y.)/S ~ zk = (BBKk Y.)/S
k-1 k
Jadi nilai z0 = z1 (z0 tidak dicantumkan dalam kolom), z2 = z3, z4 = z5 dan seterusnya. z2k-2 = z2k-1, z2k = z2k+1 (z2k+1 tidak dicantumkan dalam kolom) Kolom 4 ; F(zi) dalam bentuk selang
1 2 3
Perhitungan Fz1 = 0,5 P(z1 < Z < 0) Fz2 = 0,5 P(z2 < Z < 0) Fz3 = 0,5 P(z3 < Z < 0) . Fzk-2 = 0,5 P(z2 < Z < 0) Fzk-1 = 0,5 P(z3 < Z < 0) Fz2 Fz3 Fz4 .. Fzk-1 Fzk
k-1 k
Fzk-1
Telaah Data
70-17
Kolom 5 ; FNH = selisih antara F(zi) dan F(zi+1); jika nilainya negatif, jadikan bernilai positif = dimutlakkan) FNH
1 2 3
Perhitungan = | Fz1 Fz2 | = | Fz2 Fz3 | = | Fz3 Fz4 | . = | F z k-2 Fz k-1 | = | Fz k-1 Fk |
N1 N2 N3 . Nk-1 Nk
.. k-1 k Kolom 6
F(xi)
1 2 3
.. k-1 k
Kolom 7 FP
1 2
Perhitungan = jumlah data yang termasuk rentangan kelas No.1 = jumlah data yang termasuk rentangan kelas No.2 . . = jumlah data yang termasuk rentangan kelas No.k-1 = jumlah data yang termasuk rentangan kelas No.k
d1 d2 . . dk-1 dk
.. .. k-1 k Kolom 8
FPK
1 2 3
Perhitungan = d1 = d1 + d2 = d1 + d2 + d3 = d1 + d2 + d3 + + dk-1 = d1 + d2 + d3 + + dk
70-18
D1 D2 D3 . Dk-1 Dk
.. k-1 k
Telaah Data
Kolom 9 S(xi)
1 2 3
Perhitungan = D1/k = d1/k = D2/k = (d1 + d2)/k = D3/k = (d1 + d2 + d3)/k = = Dk-1/k = (d1 + d2 + d3 + + dk-1)/k = Dk/k = (d1 + d2 + d3 + + dk)/k
.. k-1 k
K1 K1 K2 K3 . Kk-1 Kk
Perhitungan = | F(x1) S(x1) | = | F(x2) S(x2) | = | F(x3) S(x3) | = . = | F(xk-1) S(x k-1) | = | F(xk) S(xk) |
.. k-1 k 4. Pengujian
Hipotesis : H0 : data pengamatan menyebar normal H1 : data pengamatan menyebar tidak normal Keputusan uji Kmaks K(n) ; terima H0 > K(n) ; tolak H0
Nilai uji yang digunakan (nilai kritis) K(n) ; n = banyaknya data yang diuji. (Lampiran 09) Kasus 7-42. Contoh kasus diangkat dari percobaan keteguhan erat kayu lapis seperti disajikan pada (Lampiran 11; TaLam 11-12). Merancang tabel hasil perhitungan (14.Selangkelas) K = 1 + 3,3 log(80) = 7.280197; banyak kelas (selang kelas) dirancang sebanyak 7 kelas j = r/K (jarak antara kelas) = (18.2893 - 7.6570)/7 = 1.5189 1.5190 (dibulatkan) Jadi daftar hasil perhitungan terdiri dari 7 kelas dengan jarak tiap kelas sebasar 1,5190.
Telaah Data
70-19
Menentukan Ujung Bawah Kelas (UBK) dan Ujung Atas Kelas (UAK) tiap selang kelas Kolom 2 ; perhitungan UBK dan UAK (hitung dulu UBK kemudian UAK) No. kelas
1 2 3 4 5 6 7 7,6570
(7,6570 + 1.5190) = 9,1760 (9,1760 + 1.5190) = 10,6950 (10,6950 + 1.5190) = 12,2140 (12,2140 + 1.5190) = 13.7330 (13.7330 + 1.5190) = 15.2520 (15,2520 + 1.5190) = 16,7710
Berarti sesudah 16,7710 adalah 18,2900
(9,1759 + 1.5190) = 10,6949 (10,6949 + 1.5190) = 12,2139 (12,2139 + 1.5190) = 13.7329 (13.7329 + 1.5190) = 15.2519 (15.2519 + 1.5190) = 16.7709 (16,7709 + 1.5190) = 18,2899
Selang Kelas
(2) 7.6570 ~ 9.1759 9.1760 ~ 10.6949 10.6950 ~ 12.2139 12.2140 ~ 13.7329 13.7330 ~ 15.2519 15.2520 ~ 16.7709 16.7710 ~ 18.2899
2H3
zi (3)
Sebelum menentukan nilai tiap zi dari tiap nilai UBawahK dan UAtasK, tentukan dulu nilai BBawahK dan BAtasK (kolom ini biasanya tidak disajikan dalam penampilan daftar pengujian secara keseluruhan)
Menentukan Batas Bawah Kelas (BBK) dan Batas Atas Kelas (BAK) tiap selang kelas pada Kolom 2H3 (daftar ini biasanya tidak ditampilkan, tapi jika ditampilkan tidak jadi masalah bahkan memperjelas cara perhitungan pengujian) No
1 2 3 4 5 6 7 2H3 Batas Bawah Kelas (7.6570 + 7.6569)/2 (9.1760 + 9.1759)/2 = 7,65695 = 9,17595 Batas Bawah Kelas
(10.6950 + 10.6949)/2 = 10,69495 (12.2140 + 12.2139)/2 = 12,21395 (13.7330 + 13.7329)/2 = 13,73295 (15.2520 + 15.2519)/2 = 15,25195 (16.7710 + 16.7709)/2 = 16,77095
~ ~ ~ ~ ~ ~ ~
(9.1760 + 9.1759)/2 = 9,17595 (10.6950 + 10.6949)/2 = 10,69495 (12.2140 + 12.2139)/2 = 12,21395 (13.7330 + 13.7329)/2 = 13,73295 (15.2520 + 15.2519)/2 = 15,25195 (16.7710 + 16.7709)/2 = 16,77095 (18.2900 + 18.2899)/2 = 18,28995
Menentukan nilai masing-masing zi tiap kelas Y. = (929.5393)/80 = 11,61924 S = {11282,108889 (929.5393)2/80 }/(80-1) = 2,468966 zi = (BK Y.)/S ; BK = Batas bawah Kelas(BBK) atau Batas Atas Kelas (BAK)
Telaah Data
70-20
Kolom 3 No
1 2 3 4 5 6 7
zi
Perhitungan = (7,65695 11,61924)/2,468966 = (9,17595 11,61924)/2,468966 = (10,69495 11,61924)/2,468966 = (12,21395 11,61924)/2,468966 = (13,73295 11,61924)/2,468966 = (15,25195 11,61924)/2,468966 = (16,77095 11,61924)/2,468966 = (9,17595 11,61924)/2,468966 = (10,69495 11,61924)/2,468966 = (12,21395 11,61924)/2,468966 = (13,73295 11,61924)/2,468966 = (15,25195 11,61924)/2,468966 = (16,77095 11,61924)/2,468966 = (18,28995 11,61924)/2,468966
Hasil perhitungan direkam ke kolom 3. Untuk perhitungan F(zi) lihat perhitungan F(zi) pada Kasus 6-41 dan hasilnya No
1 2 3 4 5 6 7
(3)
zi
F(zi)
(4) -0.989621 -0.374384 0.240853 0.856091 1.471328 2.086566 2.701803 0.054267 0.161185 0.354068 0.595173 0.804029 0.929400 0.981536
FNH
(5) 0.161185 0.354068 0.595173 0.804029 0.929400 0.981536 0.996552 0.106918 0.192883 0.241105 0.208856 0.125371 0.052136 0.015016
1.604839
-0.989621 -0.374384 0.240853 0.856091 1.471328 2.086566
~ ~ ~ ~ ~ ~ ~
~ ~ ~ ~ ~ ~ ~
Untuk nilai Frekuensi Nisbi Harapan (FNH) diperoleh dari (nilai dimutlakkan) No
1 2 3 4
No
5 6 7
F(xi)
(6) 0.106918 0.299801 0.540906 0.749762 0.875133 0.927269 0.942285
Perhitungan
= 0.106918 + 0.192883 = 0.299801 + 0.241105 = 0.540906 + 0.208856 = 0.749762 + 0.125371 = 0.875133 + 0.052136 = 0.927269 + 0.015016
(7) 8 32 12 11 10 3 4
FP
(8) 8 40 52 63 73 76 80
FPK
Perhitungan
= 8 + 32 = 32 + 12 = 12 + 11 = 11 + 10 = 10 + 3 =3+4
Telaah Data
70-21
No
1 2 3 4 5 6 7
S(xi)
(9) 0.1000 0.5000 0.6500 0.7875 0.9125 0.9500 1.0000
Perhitungan
= 8/80 = 40/80 = 52/80 = 63/80 = 73/80 = 76/80 = 80/80
Ki
Perhitungan
= 0.106918 0.1000 = 0.299801 0.5000 = 0.540906 0.6500 = 0.749762 0.7875 = 0.875133 0.9125 = 0.927269 0.9500 = 0.942285 1.0000
No
Selang Kelas
(2) 7.6570 ~ 9.1759
BAK
2H3
BBK
(3)
zi
1.604839 ~ -0.989621 9.17595 ~ 10.69495 -0.989621 ~ -0.374384 9.1760 ~ 10.6949 10.6950 ~ 12.2139 10.69495 ~ 1221395 -0.374384 ~ 0.240853 12.2140 ~ 13.7329 1221395 ~ 13.73295 0.240853 ~ 0.856091 13.7330 ~ 15.2519 13.73295 ~ 15.25195 0.856091 ~ 1.471328 15.2520 ~ 16.7709 15.25195 ~ 16.77095 1.471328 ~ 2.086566 16.7710 ~ 18.2899 16.77095 ~ 18.28995 2.086566 ~ 2.701803 (kolom 2H3 dapat ditampilkan ataupun tidak) F(zi)
(4) 0.054267 ~ 0.161185 0.161185 ~ 0.354068 0.354068 ~ 0.595173 0.595173 ~ 0.804029 0.804029 ~ 0.929400 0.929400 ~ 0.981536 0.981536 ~ 0.996552
7.65695 ~ 9.17595
(1) 1 2 3 4 5 6 7
No
FNH
(5) 0.106918 0.192883 0.241105 0.208856 0.125371 0.052136 0.015016
F(xi)
(6) 0.106918 0.299801 0.540906 0.749762 0.875133 0.927269 0.942285
F(xi)
(6) 0.106918 0.299801 0.540906 0.749762 0.875133 0.927269 0.942285
(1) 1 2 3 4 5 6 7
No
(7) 8 32 12 11 10 3 4
FP
FPK
(8) 8 40 52 63 73 76 80
S(xi)
(9) 0.1000 0.5000 0.6500 0.7875 0.9125 0.9500 1.0000
Ki
Telaah Data
70-22
A. Transformasi Akarkuadrat
n-12 Transformasi ini digunakan bila data menyebar menurut sebaran Poisson, yaitu cenderung sebanding dengan Y.
Beberapa bentuk transformasi yang dapat digunakan adalah Y; jika data dalam % dan berada antara 0 ~ 20% atau 80 ~ 100% (Y 0,5); jika nilai data < 10 (Y + 1) atau Y + (Y + 1); jika nilai data bernilai nol atau mendekati nol. Misal 0,.
B. Transformasi Kebalikan
Bentuk transformasi adalah /y
1
C. Transformasi Logaritma
Bentuk transformasi adalah log y; jika n-12 sebanding dengan Y2 atau n-1 sebanding dengan Y log (Y + 1); jika nilai data bernilai nol atau mendekati nol
Telaah Data
70-23
Bahan Bacaan
z Freese, F. 1980. Elementry Statistical Methods for Foresters. AGRICULTURE HANDBOOK 317. U.S. Department of Agriculture. z Gaspersz, V. 1994. Metode Perancangan Percobaan. Armico, Bandung. z Hanafiah, K.A. 1993. Rancangan Percobaan (Teori & Aplikasi). Roja Grafinda Persada, Jakarta. z Little, T.M. 1978. Agricultural Experimentation (Design & Analysis. John Wiley and Sons, Inc. Canada. z Gomez,K.A. & A.A.Gomez, 1995. Prosedur Statistik untuk Penelitian Pertanian. UI-Press, Jakarta. z Paterson, D.D. 1939. Statistical Technique in Agricultural Researsch. Mc. Graw-Hill Book Company, Inc. New York, London. z Simon, H. 2007. Statistik Hutan. Pustaka Pelajar, Yogyakarta. z Soejoeti, Z. 1986. Rancangan Percobaan Terapan. Universitas Terbuka. Karunika, Jakarta. z Steell, R.G.D. & J.H. Torrie. 1980. Prinsip dan Prosedur Statistika. Gramedia Pustaka Utama, Jakarta. z Sudjana. 1989. Desain dan Analisis Eksperimen. Tarsito, Bandung. z Walpole, R.E. 1997. Pengantar Statistika. Edisi ke-3. Gramedia Pustaka Utama, Jakarta.
Lampiran - Lampiran
Lampiran 01. BILANGAN TERACAK TaLam 1-1. Tabel Bilangan Teracak 1. 8000 bilangan teracak (Dajan, 1978) *Pengambilan bilangan acak dari atas ke bawah. *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Nilai bilangan acak terbesar sesuai dengan nilai topik pembicaraan.
*Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya. 2. 5000 bilangan teracak (Nasoetion & Barizi, 1979) (@ hasil pelemparan sebuah dadu bersisi 10 pasang) *Pengambilan bilangan acak dari kiri ke kanan. *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan.
*Bilangan acak terpilih merupakan hasil pengurangan bilangan kelipatan di bawahnya. *Bilangan acak terbesar diperoleh dari hasil kelipatan terbesar sesuai banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya. 3. 10000 bilangan teracak (Steill & Torrie, 1980; Gaspersz, 1994)
Gruenberger, F. 1952. Numerical Analysis Laboratory. University of Wisconsin, Madison, Wisconsin. (@ diperoleh dari hasil komputer)
Steill & Torrie (1980) : *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Pengambilan bilangan acak membentuk huruf Z (zigzag dari kiri ke kanan). Gaspersz (1994) : *Bilangan acak yang digunakan sebanyak 3 digit. *Pengambilan bilangan acak dari atas ke bawah (khusus untuk menentukan tata letak satuan percobaan).
Bilangan Teracak 1
4. 6000 bilangan teracak (Sudjana, 1992) (no Baris & no Kolom sebenarnya tidak ada) *Pengambilan bilangan acak dari atas ke bawah *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan *Nilai bilangan acak terbesar sesuai dengan nilai topik pembicaraan *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya.
5. 5000 bilangan teracak (Gomez & Gomez, 1995) (no. baris & no. kolom sebenarnya tidak ada) *Pengambilan bilangan acak dari atas ke bawah . *Bilangan acak yang digunakan tiap 3 digit. *Bilangan acak yang terpilih ditentukan peringkatnya (khusus untuk menentukan tata letak satuan percobaan). *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya. 6. 2000 bilangan teracak (Walpole, 1997) (@ hasil pemutaran roda rolet) *Pengambilan bilangan acak dari atas ke bawah *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan *Nilai bilangan acak terbesar sesuai dengan nilai topik pembicaraan *Bilangan acak yang terpilih ulang atau lebih besar nilai bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya.
Bilangan Teracak
7. 10000 angka teracak (Karim, A.A. 2005) *Bilangan-bilangan teracak ini diperoleh dari bilangan acak (random) MO Excel 2003. *Saat menentukan tiap satu bilangan teracak tetap pada satu lembar penuh dan dimulai dari baris ke 00 & lajur ke 00 ke arah kanan hingga lajur ke 99. Selanjutnya zigzag dari baris ke 01 & lajur ke 00 ke kanan; demikian seterusnya hingga berakhir pada baris ke 99 & lajur ke 99. *Setiap bilangan satuan (1, 2, . , 9, 0) diberi kesempatan sama untuk terpilih sebanyak 1000 kali. diolah/diberikan saat mengajar PascaSarjana Jurusan Kehutanan UnLaM, 2005.
Bilangan Teracak
Lembar 1
4549 01292 69362 73788 32253 51173 12164 11585 78459 21538 01458 07571 13462 40321 21297 17791 06770 27815 30729 77297 17683 67105 27899 56850 23001 61201 58592 46296 50780 63865 50724 10469 84588 94325 87107 06600 57157 25927 84632 57902 89673 72945 37723 97653 26825 77344 85111 48480 48127 75656 60344
Bilangan Teracak
Lembar 2
95-99 51696 15208 17770 32395 02457 26237 43432 28030 63669 93586 80140 55096 21192 40267 69306 06861 88732 12688 46257 00435 86604 52606 26169 65720 09115 83379 08747 49174 53729 88787 40468 40673 45033 74305 97465 40533 64017 59160 86062 68371 93269 32370 75983 01130 14944 10085 92668 84670 02444 96986
Bilangan Teracak
Lembar 3
45-49 48394 70005 26843 49621 03970 37221 78469 62298 65162 28118 05468 53009 01994 97371 81530 21680 03644 71876 47230 64446 86569 40919 80726 08954 56982 61358 74747 77823 17685 33262 93298 27017 32942 19784 05762 13885 97754 48834 47582 68943 67463 04811 38825 29414 21329 68455 50947 65287 26905 55018
Bilangan Teracak
Lembar 4
95-99 89804 79753 69655 61803 96869 18664 67241 01660 04265 75197 01233 64969 59814 34607 75313 94554 52193 40276 25494 14189 33797 90656 95981 80489 03540 35530 02320 62995 99395 50990 46366 00169 97690 80582 96535 72870 63941 21992 07391 14851 38521 01584 04098 64964 92047 51750 97126 28966 75089 37699
A2Karim. Fakultas Kehutanan Universitas Lambung Mangkurat, Banjarbaru. 2005. Bilangan Teracak 7
Lampiran 02. Penentuan Nilai Kritis Sebaran Fisher (1) buka Microsoft Excel (2) arahkan kruser ke Formulas dan klik (3) arahkan kruser ke More Functions dan klik, selanjutnya arahkan lagi kruser ke Statistical, maka akan terbuka layar-kotak yang berisikan rumusan-rumusan statistik
(4) tarik/turunkan ke bawah kruser dalam layar-kotak hingga ditemukan rumusanrumusan FINV.
(5) klik FINV dan akan terlihat kotak Function Agruments untuk menentukan nilai F(,db1,db2).
(6) selanjutnya dalam kotak (misal ingin mengetahui nilai F(,db1,db2) = F(0.05,2,12) number 1, ketik 5% (Probability); pindahkan kruser ke number 2, jangan di Enter number 2, ketik angka 2 (Deg_freedom 1) ; pindahkan kruser ke number 3, jangan di Enter number 3, ketik angka 12; akan terlihat seperti
Lampiran 03. Penentuan Nilai Kritis Sebaran t-Student (1) buka Microsoft Excel (2) arahkan kruser ke Formulas dan klik, (3) arahkan kruser ke More Functions dan klik, (4) selanjutnya arahkan lagi kruser ke Statistical, maka akan terbuka layar-kotak yang berisikan rumusan statistik.
(5) tarik turun ke bawah kruser dalam layar agar menemukan rumus TINV.
(7) klik TINV dan akan terlihat kotak Function Agruments untuk menentukan nilai kritis t-Student.
(8) Misal ingin mengetahui nilai kritis t-Student = t(/2,dbG) = t(0.025,10), maka pada kotak isian diketik : number 1, ketik 5% (Probability); pindahkan kruser ke number 2, jangan di Enter number 2, ketik angka 10 (Deg_freedom) ; akan terlihat seperti
(9). Nilai sudah terlihat di kanan bawah kotak isian ke dua; selanjutnya OK atau Enter.
Lampiran 04. Penentuan Nilai Kritis Sebaran X2 (1) buka Microsoft Excel dan arahkan kruser ke Formulas; kemudian klik, (2) arahkan kruser ke More Functions dan klik, (3) selanjutnya arahkan lagi kruser ke Statistical, maka akan terbuka layar-kotak yang berisikan rumusan statistik.
(4) rumusan CHIINV telah terlihat. Selanjutnya klik CHIINV dan akan terlihat kotak Function Agruments untuk menentukan nilai kritis Chi-Kuadrat.
(5) Misal ingin mengetahui nilai kritis Chi-Kuadrat, X2(,db) = X2(0.05,3-1), maka pada kotak isian diketik : number 1, ketik 0.05 atau 5% (Probability); pindahkan kruser ke number 2, jangan di Enter number 2, ketik angka 2 (Deg_freedom) ; akan terlihat seperti
(6). Nilai sudah terlihat di kanan bawah kotak isian ke dua; selanjutnya OK atau Enter.
Lampiran 05. Nilai t untuk pembanding antara p nilai-tengah perlakuan dan kontrol pada koefisien selang kepercayaan P = 0,95 dan P = 0,99 (untuk 1 P = ). TaLam 5-1. Pengujian satu arah [tDunnett = d (,p,dbG)]
db Galat 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 24 30 40 60 120
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01, 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
Lampiran 06. Titik-titik Persentase Bagian Atas bagi Wilayah Distudentkan q(p;dbG) = (Ymaks Ymin)sY ; [nilai baku q(p;dbG) untuk Uji Beda Nyata Jujur]
db Galat 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
3
26,7 135 8,28 19,0 5,88 10,6 5,00 8,12 4,54 6,97 4,84 6,33 4,16 5,92 4,04 5,63 3,95 5,43 3,88 5,27 3,82 5,14 3,77 5,04 3,73 4,96 3,70 4,89 3,67 4,83
4
32,8 164 9,80 22,3 6,83 12,2 5,76 9,17 5,18 7,80 4,90 7,03 4,68 6,54 4,53 6,20 4,42 5,96 4,33 5,77 4,26 5,62 4,20 5,50 4,15 5,40 4,11 5,32 4,08 5,25
5
37,2 186 10,89 24,7 7,51 13,3 6,31 9,96 5,64 8,42 5,31 7,58 5,06 7,01 4,89 6,63 4,76 6,35 4,66 6,14 4,58 5,97 4,51 5,84 4,46 5,73 4,41 5,63 4,37 5,56
6
40,5 202 11,73 26,6 8,04 14,2 6,73 10,6 5,99 8,91 5,63 7,97 5,35 7,37 5,17 6,96 5,02 6,66 4,91 6,43 4,82 6,25 4,75 6,10 4,69 5,98 4,64 5,88 4,59 5,80
7
48,1 216 12,43 28,2 8,47 15,0 7,06 11,1 6,28 9.32 5,89 8,32 5,59 7,68 5,40 7,24 5,24 8,91 5,12 6,67 5,03 6,48 4,95 6,32 4,88 6,19 4,83 6,08 4,78 5,99
8
45,4 227 13,03 29,5 8,85 15,6 7,35 11,5 6,52 9.67 6,12 8,61 5,80 7,94 5,60 7,47 5,43 7,13 5,30 6,87 5,20 6,67 5,12 6,51 5,05 6,37 4,99 6,26 4,94 6,16
9
47,3 237 13,54 30,7 9,18 16,2 7,60 11,9 6,74 9,97 6,32 8,87 5,99 8,17 5,77 7,68 5,60 7,32 5,46 7,05 5,35 6,84 5,27 6,67 5,19 6,53 5,13 6,41 5,08 6,71
10
49,1 246 13,99 31,7 9,46 16,7 7,83 12,3 6,93 10,24 6,49 9,10 6,15 8,37 5,92 7,87 5,74 7,49 5,60 7,21 5,49 6,99 5,40 6,81 5,32 6,67 5,25 6,54 5,20 6,44
11
50,6 253 14,39 32,6 9,72 17,1 8,03 12,26 7,10 10,48 6,65 9,30 6,20 8,55 6,05 8,03 5,87 7,65 5,72 7,36 5,61 7,13 5,51 6,94 5,43 6,79 5,36 6,66 5,31 6,55
12
51,9 260 14,75 33,4 9,95 17,5 8,21 12,8 7,25 10,70 6,79 9,49 6,42 8,71 6,18 8,18 5,98 7,78 5,83 7,48 5,71 7,25 5,61 7,06 5,53 6,90 5,46 6,77 5,40 6,66
13
53,2 266 15,08 34,1 10,16 17,9 8,37 13,1 7,39 10,89 6,92 9,65 6,54 8,86 6,29 8,31 6,09 7,91 5,83 7,60 5,81 7,36 5,71 7,17 5,63 7,01 5,56 6,87 5,49 6,76
14
54,3 272 15,38 34,8 10,35 18,2 8,52 13,3 7,52 11,08 7,04 9,81 6,65 9,00 6,39 8,44 6,19 8,03 6,03 7,71 5,90 7,46 5,80 7,26 5,71 7,10 5,64 6,96 5,57 6,84
15
55,4 277 15,65 35,4 10,52 18,5 8,67 13,5 7,84 11,24 7,14 9,95 6,75 9,12 6,48 8,55 6,28 8,13 6,12 7,81 5,98 7,56 5,88 7,36 5,79 7,19 5,72 7,05 5,65 6,93
16
56,3 282 15,91 36,0 10,69 18,8 8,80 13,7 7,75 11,40 7,24 10.08 6,84 9,24 6,57 8,66 6,36 8,23 6,20 7,91 6,06 7,65 5,95 7,44 5,86 7,27 5,79 7,12 5,72 7,00
17
57,2 286 16,14 36,5 10,84 19,1 8,92 13,9 7,86 11,55 7,34 10,21 6,93 9,35 6,65 8,76 6,44 8,32 6,27 7,99 6,14 7,73 6,02 7,52 5,93 7,34 5,86 7,20 5,79 7,07
18
58,0 290 16,36 37,0 10,98 19,3 9,03 14,1 7,95 11,68 7,43 10,32 7,01 9,46 6,73 8,85 6,51 8,41 6,34 8,07 6,20 7,81 6,09 7,59 6,00 7,42 5,92 7,27 5,85 7,14
19
58,8 294 16,57 37,5 11,12 19,5 9,14 14,2 8,04 11,81 7,51 10,43 7,08 9,55 6,80 8,94 6,58 8,49 6,41 8,15 6,27 7,88 6,15 7,66 6,06 7,48 5,98 7,33 5,91 7,20
20
59,6 298 16,77 37,9 11,24 19,8 9,24 14,4 8,13 11,93 7,59 10,54 7,16 9,65 6,87 9,03 6,65 8,57 6,47 8,22 6,33 7,95 6,21 7,73 6,11 7,55 6,03 7,39 5,96 7,20 1
db Galat 16 17 18 19 20 24 30 40 60 120
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
3
3,65 4,78 3,62 4,74 3,61 4,70 3,59 4,67 3,58 4,64 3,53 4,54 3,48 4,45 3,44 4,37 3,40 4,28 3,36 4,20 3,32 4,12
4
4,05 5,19 4,02 5,14 4,00 5,09 3,98 5,05 3,96 5,02 3,90 4,81 3,84 4,80 3,79 4,70 3,74 4,60 3,69 4,50 3,63 4,40
5
4,34 5,49 4,31 5,43 4,28 5,38 4,25 5,33 4,23 5,29 4,17 5,17 4,10 5,05 4,04 4,93 3,98 4,82 3,92 4,71 3,86 4,60
6
4,56 5,72 4,52 5,66 4,49 5,60 4,47 5,55 4,45 5,51 4,37 5,37 4,30 5,24 4,23 5,11 4,16 4,99 4,10 4,87 4,03 4,76
7
6,74 5,92 4,70 5,85 4,67 5,79 4,64 5,73 4,62 5,69 4,54 5,54 4,46 5,40 4,39 5,27 4,31 5,13 4,24 5,01 4,17 4,88
8
4,90 6,08 4,86 6,01 4,63 5,94 4,79 5,89 4,77 5,84 4,68 5,69 4,60 5,54 4,52 5,39 4,44 5,25 4,36 5,12 4,29 4,88
9
5,03 6,22 4,99 6,15 4,96 6,08 4,92 6,02 4,90 5,97 4,81 5,81 4,72 5,65 4,63 5,50 4,55 5,36 4,47 5,21 4,39 5,08
10
5,15 6,35 5,11 6,27 5,07 6,20 5,04 6,14 5,01 6,09 4,92 5,92 4,83 5,76 4,74 5,60 4,65 5,45 4,56 5,30 4,47 5,16
11
5,26 6,46 5,26 6,38 5,17 6,31 5,14 6,25 5,11 6,19 5,01 6,02 4,92 5,85 4,82 5,69 4,73 5,53 4,64 5,38 4,55 5,23
12
5,35 6,56 5,35 6,48 5,27 6,41 5,23 6,34 5,20 6,29 5,10 6,11 5,00 5,95 4,90 5,77 4,81 5,60 4,72 5,44 4,62 5,29
13
5,44 6,66 5,44 6,57 5,35 6,50 5,32 6,43 5,28 6,37 5,18 6,19 5,08 6,01 4,98 5,84 4,88 5,67 4,78 5,51 4,68 5,35
14
5,52 6,74 5,52 6,66 5,43 6,58 5,39 6,51 5,36 6,45 5,25 6,26 5,15 6,08 5,05 5,90 4,94 5,73 4,84 5,56 4,74 5,40
15
5,59 6,82 5,55 6,73 5,50 6,65 5,46 6,58 5,43 6,52 5,32 6,33 5,21 6,14 5,11 5,96 5,00 5,79 4,90 5,61 4,80 5,45
16
5,66 6,90 5,61 6,80 5,57 6,72 5,53 6,65 5,50 6,59 5,38 6,39 5,27 6,20 5,17 6,02 5,06 5,84 4,95 5,66 4,84 5,49
17
5,73 6,97 5,68 6,87 5,63 6,79 5,59 6,72 5,56 6,65 5,44 6,45 5,33 6,26 5,22 6,07 5,11 5,89 5,00 5,71 4,89 5,54
18
5,79 7,03 5,74 6,94 5,69 6,85 5,65 6,78 5,61 6,71 5,50 6,51 5,38 6,31 5,27 6,12 5,15 5,93 5,04 5,75 4,93 5,57
19
5,84 7,09 5,79 7,00 5,74 6,91 5,70 6,84 5,66 6.76 5,55 6,56 5,43 6,36 5,32 6,17 5,20 5,98 5,09 5,79 4,97 ,5,61
20
5,90 7,15 5,84 7,05 5,79 6,96 5,75 6,89 5,71 6,82 5,59 6,61 5,48 6,41 5,36 6,21 5,24 6,02 5,13 5,83 5,01 5,65
Sumber : Hicks, C.R.,Holt, Riehart and Winston (1973) dalam Hanafiah (2000) Steell and Torrie (1980)
Lampiran 07. Wilayah distudentkan nyata untuk Uji Wilayah-Berganda baru dengan salahduga sebesar [nilai baku q(p;dbG) untuk uji Jarak Duncan]
db Galat 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
3
18,0 90,0 6,09 14,00 4,50 8,50 4,01 6,80 3,74 5,96 3,58 5,51 3,47 5,22 3,39 5,00 3,34 4,86 3,30 4.73 3,27 4.63 3,23 4.55 3,21 4.48 3,18 4.42 3,16 4.37
4
18,0 90,0 6,09 14,00 4,50 8,60 4,02 6,90 3,79 6,11 3,64 5,65 3,54 ,37 3,47 5,14 3,41 4,99 3,37 4.88 3.35 4.77 3,33 4.68 4,30 4.62 3,27 4.55 3,25 4.50
5
18,0 90,0 6,09 14,00 4,50 8,70 4,02 7,00 3,83 6,18 3,68 5,73 3,58 5,45 3,52 5,23 3,47 5,08 3,43 4.96 3,39 4.86 3,36 4.76 3,35 4.69 3,33 4.63 3,31 4.58
6
18,0 90,0 6,09 14,00 4,50 8,80 4,02 7,10 3,83 6,26 3,68 5,81 3,60 5,53 3,55 5,32 3,50 5,17 3,46 5.06 3,43 4.94 3,40 4.84 3,38 4.74 3,37 4.70 3,38 4.64
7
18,0 90,0 6,09 14,00 4,50 8,90 4,02 7,10 3,83 6,33 3,68 5,88 3,61 5,61 3,56 5,40 3,52 5,25 3,47 5.13 3,44 5.01 3.42 4.92 3.41 4.84 3.39 4.78 3.38 4.72
8
18,0 90,0 6,09 14,00 4,50 8,90 4,02 7,20 3,83 6,40 3,68 5,95 3,61 5,69 3,56 5,47 3,52 5,32 3.47 5.20 3,45 5.06 3.44 4.96 3.42 4.88 3.41 4.83 3.40 4.77
9
18,0 90,0 6,09 14,00 4,50 9,00 4,02 7,20 3,83 6,44 3,68 6,00 3,61 5,73 3,56 5,51 3,52 5,36 3.47 5.24 3,46 5.12 3.44 5.02 3.44 4.94 3.42 4.87 3.42 4.81
10
18,0 90,0 6,09 14,00 4,50 9,00 4,02 7,30 3,83 6,50 3,68 6,00 3,61 5,80 3,56 5,50 3,52 5,40 3.47 5.28 3,46 5.15 3.46 5.07 3.45 4.96 3.44 4.91 3.43 4.84
12
18,0 90,0 6,09 14,00 4,50 9,00 4,02 7,30 3,83 6,60 3,68 6,10 3,61 5,80 3,56 5,60 3,52 5,50 3.47 5.36 3,46 5.24 3.46 5.13 3.45 5.04 3.45 4.96 3.44 4.90
14
18,0 90,0 6,09 14,00 4,50 9,10 4,02 7,40 3,83 6,60 3,68 6,20 3,61 5,90 3,56 5,70 3,52 5,50 3.47 5.42 3,46 5.28 3,46 5.17 3.46 5.08 3.46 5.00 3.45 4.94
16
18,0 90,0 6,09 14,00 4,50 9,20 4,02 7,40 3,83 6,70 3,68 6,20 3,61 5,90 3,56 5,70 3,52 5,60 3.47 5.48 3,46 5.34 3,46 5.22 3.46 5.13 3.46 5.04 3.46 4.97
18
18,0 90,0 6,09 14,00 4,50 9,30 4,02 7,50 3,83 6,70 3,68 6,30 3,61 6,00 3,56 5,80 3,52 5,70 3.47 5.54 3,47 5.38 3,47 5.24 3.47 5.14 3.47 5.06 3.47 4.99
20
18,0 90,0 6,09 14,00 4,50 9,30 4,02 7,50 3,83 6,80 3,68 6,30 3,61 6,00 3,56 5,80 3,52 5,70 3.48 5.55 3,48 5.39 3,48 5.26 3.47 5.15 3.47 5.07 3.47 5.00 1
db Galat 16 17 18 19 20 22 24 26 28 30 40 60 100
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
3
3.15 4.34 3.13 4.30 3.12 4.27 3.11 4.24 3.10 4.22 3.08 4.17 3.07 4.14 3.06 4.11 3.04 4.08 3.04 4.06 3.01 3.99 2.98 3.92 3.95 3.86 2.92 3.80
4
3.23 4.45 3.22 4.41 3.21 4.38 3.19 4.35 3.18 4.33 3.17 4.28 3.15 4.24 3.14 4.21 3.13 4.18 3.12 4.16 3.10 4.10 3.08 4.03 3.05 3.98 3.02 3.90
5
3.30 4.54 3.28 4.50 3.27 4.46 3.26 4.43 3.25 4.40 3.24 4.36 3.22 4.33 3.21 4.30 3.20 4.28 4.20 4.22 3.17 4.17 3.14 4.12 3.12 4.06 3.09 3.98
6
3.34 4.60 3.33 4.56 3.32 4.53 3.31 4.50 3.30 4.47 3.29 4.42 3.28 4.39 3.27 4.36 3.26 4.34 3.25 4.32 3.22 4.24 3.20 4.17 3.18 4.11 3.15 4.04
7
3.37 4.67 3.36 4.63 3.35 4.59 3.35 4.56 3.34 4.53 3.32 4.48 3.31 4.44 3.30 4.41 3.30 4.39 3.29 4.36 3.27 4.30 3.24 4.23 3.22 4.17 3.19 4.09
8
3.39 4.72 3.38 4.68 3.37 4.64 3.37 4.61 3.36 4.58 3.35 4.53 3.34 4.49 3.34 4.46 3.33 4.43 3.32 4.41 3.30 4.34 3.28 4.27 3.26 4.21 3.23 4.14
9
3.41 4.76 3.40 4.72 3.39 4.68 3.39 4.64 3.38 4.61 3.37 4.57 3.37 4.53 3.36 4.50 3.35 4.47 3.35 4.45 3.33 4.37 3.31 4.31 3.29 4.25 3.26 4.17
10
3.43 4.79 3.42 4.75 3.41 4.71 3.41 4.67 3.40 4.65 3.39 4.60 3.38 4.57 3.38 4.53 3.37 4.51 3.37 4.48 3.35 4.41 3.33 4.34 3.32 4.29 3.29 4.20
12
3.44 4.84 3.44 4.80 3.43 4.76 3.43 4.72 3.43 4.69 3.42 4.65 3.41 4.62 3.41 4.58 3.40 4.56 3.40 4.54 3.39 4.46 3.37 4.39 3.36 4.35 3.34 4.26
14
3.45 4.88 3.45 4.83 3.45 4.79 3.44 4.76 3.44 4.73 3.44 4.68 3.44 4.64 3.43 4.62 3.43 4.60 3.43 4.58 3.42 4.51 3.40 4.44 3.40 4.38 3.38 4.31
16
3.46 4.91 3.46 4.86 3.46 4.82 3.46 4.79 3.46 4.76 3.45 4.71 3.45 4.67 3.45 4.65 3.45 4.62 3.44 4.61 3.44 4.54 3.43 4.47 3.42 4.42 3.41 4.34
18
3.47 4.93 3.47 4.88 3.47 4.84 3.47 4.81 3.46 4.78 3.46 4.74 3.46 4.70 3.46 4.67 3.46 4.65 3.48 4.63 3.46 4.57 3.45 4.50 3.45 4.45 3.44 4.38
20
3.47 4.94 3.47 4.89 3.47 4.85 3.47 4.82 3.47 4.79 3.47 4.75 3.47 4.72 3.47 4.69 3.47 4.67 3.47 4.65 3.47 4.59 3.47 4.53 3.47 4.48 3.47 4.41
NilaiUjiLilliefors1
NilaiUjiKolmogorov&Smirnov1
Lampiran 10. Bentuk Standard Square & Penentuan Kombinasi TaLam 10-1. Bentukbentuk standard square yang dapat digunakan langsung dalam suatu percobaan p=2 A B B A A B C p=3 B C A C A B A B C D p=7 A B C D E F G B E A G F D C C F G B D A E D G E F C B A E D B C A G F F C D A G E B G A F E B C D p=4 B A D C C D B A D C A B A B C D E B A D E C p=8 A B C D E F G H B C A E F D H G C A D G H E F B D F G C A H B E E H B F G C A D F D H A B G E C G E F H C B D A H G E B D A C F p = 10 G F I C D A H B E H A E I F G D C B I H B G A C E D F A B C D E F G H I J B G H A F E I C J D C A J G H B F I D E D E G I J C B F A H E H F J I D A G C B F C B E G I D J H A G F E C A J H D B I H I A B D G J E F C I J D F B H C A E G J D I H C A E B G F p=5 C E A B D D C E A B E D B C A
p=6 A B C D E F B A F A D E C F B E A D D E A B F C E A D F C B F D E C B A
p=9 A B C D E F G H I B C D H G I F E A C E F A B H I G D D G A B I E C F H E D H F C B A I G F I G E H D B A C
p = 11 A B C D E F G H I J K
Bentuk Standard Square & Penentuan Kombinasi
p = 12 H K F B C J I E G D A I H D F A B E G K C J J G E A I H K C F B D K E G H F D C J A I B A B C D E F G H I J K L B L K F D H I E J C G A C G A I F K D L B E J H D C B A G E F J L K H I E D F L J G K C H A I B F J L E K C H A G I B D G K I C A D J B F H L E H E D G L B A I K F C J I H G J C A L K D B E F J A H B I L C D E G F K K F J H B I E G A L D C L I E K H J B F C D A G
B A K C J E F I D G H
C J H G B I D K E A F
D I A J G C B F H K E
E D B I K G H A J F C
F C I K H A J D B E G
G F J E D K A B C H I
TaLam 10-2. Cara menentukan kombinasi A, B dan C dalam RALengkap 3F Daftar 1 B1 Y1111 Y1121 Y1112 Y1122 . Y111r Y112r Y11.. A1B1 A1 B2 Y1211 Y1221 Y1212 Y1222 . Y121r Y122r Y12.. A1B2 A1 B3 Y1311 Y1321 Y1312 Y1322 . Y131r Y132r Y13.. A1B3 B1 Y2111 Y2121 Y2112 Y2122 . Y211r Y212r Y21.. A2B1 A2 B2 Y2211 Y2221 Y2212 Y2222 . Y221r Y222r Y22.. A2B2 A2 B3 Y2311 Y2321 Y2312 Y2322 . Y231r Y232r Y23.. A2B3
1 2 . R
C1 C2 C1 C2 . C1 C2
Notasi nilai data adalah Yabcr Jika pola bagan pengamatannya seperti sajian ini, maka cara menghitung JK-nya sebagai Untuk 1 faktor : A, B dan C faktor A diperoleh dari (A1 + A2) subfak A1 diperoleh dari (A1B1 + A1B2 + A1B3) A1B1 = Y11.. = (Y1111 + Y1121 + Y1112 + Y1122 + + Y111r + Y112r) A1B2 = Y12.. = (Y1211 + Y1221 + Y1212 + Y1222 + + Y121r + Y122r) A1B3 = Y13.. = (Y1311 + Y1321 + Y1312 + Y1322 + + Y131r + Y132r) subfak A2 diperoleh dari (A2B1 + A2B2 + A2B3) A2B1 = Y21.. = (Y2111 + Y2121 + Y2112 + Y2122 + + Y211r + Y212r) A2B2 = Y22.. = (Y2211 + Y2221 + Y2212 + Y2222 + + Y221r + Y222r) A2B3 = Y23.. = (Y2311 + Y2321 + Y2312 + Y2322 + + Y231r + Y232r) faktor B diperoleh dari (B1 + B2 + B3) subfak B1 diperoleh dari (A1B1 + A2B1) A1B1 = Y11.. = (Y1111 + Y1121 + Y1112 + Y1122 + + Y111r + Y112r) A2B1 = Y21.. = (Y2111 + Y2121 + Y2112 + Y2122 + + Y211r + Y212r) subfak B2 diperoleh dari (A1B2 + A2B2) A1B2 = Y12.. = (Y1211 + Y1221 + Y1212 + Y1222 + + Y121r + Y122r) A2B2 = Y22.. = (Y2211 + Y2221 + Y2212 + Y2222 + + Y221r + Y222r) subfak B3 diperoleh dari (A1B3 + A2B3) A1B3 = Y13.. = (Y1311 + Y1321 + Y1312 + Y1322 + + Y131r + Y132r) A2B3 = Y23.. = (Y2311 + Y2321 + Y2312 + Y2322 + + Y231r + Y232r) faktor C diperoleh dari (C1 + C2) subfak C1 diperoleh dari (Y..11 + Y..12 + + Y..1r) subfak C2 diperoleh dari (Y..21 + Y..22 + + Y..2r) Untuk 2 faktor kombinasi dari AB, AC, BC kombinasi AB diperoleh dari (A1B1 + A1B2 + A1B3 + A2B1 + A2B2 + A2B3) subkom A1B1 = Y11.. = (Y1111 + Y1121 + Y1112 + Y1122 + + Y111r + Y112r) subkom A1B2 = Y12.. = (Y1211 + Y1221 + Y1212 + Y1222 + + Y121r + Y122r)
Bentuk Standard Square & Penentuan Kombinasi 2
A1B3 = Y13.. = (Y1311 + Y1321 + Y1312 + Y1322 + + Y131r + Y132r) A2B1 = Y21.. = (Y2111 + Y2121 + Y2112 + Y2122 + + Y211r + Y212r) A2B2 = Y22.. = (Y2211 + Y2221 + Y2212 + Y2222 + + Y221r + Y222r) A2B3 = Y23.. = (Y2311 + Y2321 + Y2312 + Y2322 + + Y231r + Y232r)
kombinasi AC diperoleh dari (A1C1 + A1C2 + A2C1 + A2C2) subkom A1C1 = Y1.1. = (Y1111 + Y1211 + Y1311 + Y1112 + Y1212 + Y1312 + + Y111r + Y121r + Y131r) subkom A1C2 = Y1.2. = (Y1121 + Y1221 + Y1321 + Y1122 + Y1222 + Y1322 + + Y112r + Y122r + Y132r) subkomA2C1 = Y2.1. = (Y2111 + Y2211 + Y2311 + Y2112 + Y2212 + Y2312 + + Y211r + Y221r + Y231r) subkom A2C2 = Y2.2. = (Y2121 + Y2221 + Y2321 + Y2122 + Y2222 + Y2322 + + Y212r + Y222r + Y232r) kombinasi BC diperoleh dari (B1C1 + B1C2 + B2C1 + B2C2 + B3C1 + B3C2) subkom B1C1 = Y.11. = (Y1111 + Y2111 + Y1112 + Y2112 + + Y111r + Y211r) subkom B1C2 = Y.12. = (Y1121 + Y2121 + Y1122 + Y2122 + + Y112r + Y212r) subkom B2C1 = Y.21. = (Y1211 + Y2211 + Y1212 + Y2212 + + Y121r + Y221r) subkom B2C2 = Y.22. = (Y1221 + Y2221 + Y1222 + Y2222 + + Y122r + Y222r) subkom B3C1 = Y.31. = (Y1311 + Y2311 + Y1312 + Y2312 + + Y131r + Y231r) subkom B3C2 = Y.32. = (Y1321 + Y2321 + Y1322 + Y2322 + + Y132r + Y232r) Untuk 3 faktor A, B dan C Kombinasi ABC adalah A1B1C1 dstnya hingga A2B3C2 yang berada dalam kotak kuning. Untuk mudahnya direkap dulu seperti daftar 2 berikut Daftar 2 B1 Y111. Y112. Y11.. A1B1 A1 B2 Y121. Y122. Y12.. A1 B 2 A1 B3 Y131. Y132. Y13.. A1B3 B1 Y211. Y212. Y21.. A2B1 A2 B2 Y221. Y222. Y22.. A2B2 A2 B3 Y231. Y232. Y23.. A2B3
C1 C2
Perhatikan untuk (A x B x C = 2 x3 x 2 = 12 kombinasi) Untuk menghitung kombinasinya perhatikan pula daftar 1 di atas. kombinasi A1B1C1 = Y111. = (Y1111 + Y1112 + + Y111r) kombinasi A1B1C2 = Y112. = (Y1121 + Y1122 + + Y112r) kombinasi A1B2C1 = Y121. = (Y1211 + Y1212 + + Y121r) kombinasi A1B2C2 = Y122. = (Y1221 + Y1222 + + Y122r) kombinasi A1B3C1 = Y131. = (Y1311 + Y1312 + + Y131r) kombinasi A1B3C2 = Y132. = (Y1321 + Y1322 + + Y132r) kombinasi A2B1C1 = Y211. = (Y2111 + Y2112 + + Y211r) kombinasi A2B1C2 = Y212. = (Y2121 + Y2122 + + Y212r) kombinasi A2B2C1 = Y221. = (Y2211 + Y2212 + + Y221r) kombinasi A2B2C2 = Y222. = (Y2221 + Y2222 + + Y222r) kombinasi A2B3C1 = Y231. = (Y2311 + Y2312 + + Y231r) kombinasi A2B3C2 = Y232. = (Y2321 + Y2322 + + Y232r)
Bentuk Standard Square & Penentuan Kombinasi 3
K1 A2
Y1211 Y1212 Y1213 Y1221 Y1222 Y1223 Y12.. Y1
A3
Y1311 Y1312 Y1313 Y1321 Y1322 Y1323 Y13..
A1
Y2111 Y2112 Y2113 Y2121 Y2122 Y2123 Y21..
K2 A2
Y2211 Y2212 Y2213 Y2221
A3
Y2311 Y2312 Y2313 Y2321
A1
Y3111 Y3112 Y3113 Y3121
K3 A2
Y3211 Y3212 Y3213 Y3221
A3
Y3311 Y3312 Y3313 Y3321 Y..11 Y..12 Y..13 Y..21 Y..22 Y..23 Y.... Y..2. Y..1.
B2
Y2222 Y2322 Y3122 Y2223 Y2323 Y3123 Y22.. Y2... Y23.. Y31..
Notasi nilai data adalah Yrabc Jika pola bagan pengamatannya seperti sajian ini, maka cara menghitung JK-nya sebagai Untuk kelompok (K) kelompok (K) diperoleh dari (K1 + K2+ K3) K1 = Y1... = (Y11.. + Y12.. + Y13..) K2 = Y2... = (Y21.. + Y22.. + Y23..) K3 = Y3... = (Y31.. + Y32.. + Y33..) Untuk 1 faktor : A, B dan C faktor A diperoleh dari (A1 + A2 + A3) subfak A1 diperoleh dari (Y11.. + Y21.. + Y31..) Y11.. = (Y1111 + Y1112 + Y1113 + Y1121 + Y1122 + Y1123) Y21.. = (Y2111 + Y2112 + Y2113 + Y2121 + Y2122 + Y2123) Y31.. = (Y3111 + Y3112 + Y3113 + Y3121 + Y3122 + Y3123) subfak A2 diperoleh dari (Y12.. + Y22.. + Y32..) Y12.. = (Y1211 + Y1212 + Y1213 + Y1221 + Y1222 + Y1223) Y22.. = (Y2211 + Y2212 + Y2213 + Y2221 + Y2222 + Y2223) Y32.. = (Y3211 + Y3212 + Y3213 + Y3221 + Y3222 + Y3223) subfak A3 diperoleh dari (Y13.. + Y23.. + Y33..) Y13.. = (Y1311 + Y1312 + Y1313 + Y1321 + Y1322 + Y1323) Y23.. = (Y2311 + Y2312 + Y2313 + Y2321 + Y2322 + Y2323) Y33.. = (Y3311 + Y3312 + Y3313 + Y3321 + Y3322 + Y3323) faktor B diperoleh dari (B1 + B2) subfak B1 diperoleh dari (Y..11 + Y..12 + Y..13) = Y..1. Y..11 = (Y1111 + Y1211 + Y1311 + Y2111 + Y2211 + Y2311 + Y3111 + Y3211 + Y3311) Y..12 = (Y1112 + Y1212 + Y1312 + Y2112 + Y2212 + Y2312 + Y3112 + Y3212 + Y3312) Y..13 = (Y1113 + Y1213 + Y1313 + Y2113 + Y2213 + Y2313 + Y3113 + Y3213 + Y3313) subfak B2 diperoleh dari (Y..21 + Y..22 + Y..23) = Y..2. Y..21 = (Y1121 + Y1221 + Y1321 + Y2121 + Y2221 + Y2321 + Y3121 + Y3221 + Y3321) Y..22 = (Y1122 + Y1222 + Y1322 + Y2122 + Y2222 + Y2322 + Y3122 + Y3222 + Y3322) Y..23 = (Y1123 + Y1223 + Y1323 + Y2123 + Y2223 + Y2323 + Y3123 + Y3223 + Y3323)
faktor C diperoleh dari (C1 + C2 + C3) subfak C1 diperoleh dari (Y..11 + Y..21) Y..11 = (Y1111 + Y1211 + Y1311 + Y2111 + Y2211 + Y2311 + Y3111 + Y3211 + Y3311) Y..21 = (Y1121 + Y1221 + Y1321 + Y2121 + Y2221 + Y2321 + Y3121 + Y3221 + Y3321) subfak C2 diperoleh dari (Y..12 + Y..22) Y..12 = (Y1112 + Y1212 + Y1312 + Y2112 + Y2212 + Y2312 + Y3112 + Y3212 + Y3312) Y..22 = (Y1122 + Y1222 + Y1322 + Y2122 + Y2222 + Y2322 + Y3122 + Y3222 + Y3322) subfak C3 diperoleh dari (Y..13 + Y..23) Y..13 = (Y1113 + Y1213 + Y1313 + Y2113 + Y2213 + Y2313 + Y3113 + Y3213 + Y3313) Y..23 = (Y1123 + Y1223 + Y1323 + Y2123 + Y2223 + Y2323 + Y3123 + Y3223 + Y3323) Untuk 2 faktor kombinasi dari AB, AC, BC kombinasi AB diperoleh dari (A1B1 + A1B2 + A2B1 + A2B2 + A3B1 + A3B2) subkom A1B1 = Y.11. = (Y1111 + Y1112 + Y1113 + Y2111 + Y2112 + Y2113 + Y3111 + Y3112 + Y3113) subkom A1B2 = Y.12. = (Y1121 + Y1122 + Y1123 + Y2121 + Y2122 + Y2123 + Y3121 + Y3122 + Y3123) subkom A2B1 = Y.21. = (Y1211 + Y1212 + Y1213 + Y2211 + Y2212 + Y2213 + Y3211 + Y3212 + Y3213) subkom A2B2 = Y.22. = (Y1221 + Y1222 + Y1223 + Y2221 + Y2222 + Y2223 + Y3221 + Y3222 + Y3223) subkom A3B1 = Y.31. = (Y1311 + Y1312 + Y1313 + Y2311 + Y2312 + Y2313 + Y3311 + Y3312 + Y3313) subkom A3B2 = Y.32. = (Y1321 + Y1322 + Y1323 + Y2321 + Y2322 + Y2323 + Y3321 + Y3322 + Y3323) kombinasi AC diperoleh dari (A1C1 + A1C2 + A1C3 + A2C1 + A2C2 + A2C3 + A3C1 + A3C2 + A3C3) subkom A1C1 = Y.1.1 = (Y1111 + Y2111 + Y3111 + Y1121 + Y2121 + Y3121 ) subkom A1C2 = Y.1.2 = (Y1112 + Y2112 + Y3112 + Y1122 + Y2122 + Y3122) subkom A1C3 = Y.1.3 = (Y1113 + Y2113 + Y3113 + Y1123 + Y2123 + Y3123) subkom A2C1 = Y.2.1 = (Y1211 + Y2211 + Y3211 + Y1221 + Y2221 + Y3221) subkom A2C2 = Y.2.2 = (Y1212 + Y2212 + Y3212 + Y1222 + Y2222 + Y3222) subkom A3C1 = Y.3.1 = (Y1311 + Y2311 + Y3311 + Y1321 + Y2321 + Y3321) subkom A3C2 = Y.3.2 = (Y1312 + Y2312 + Y3312 + Y1322 + Y2322 + Y3322) subkom A3C3 = Y.3.3 = (Y1313 + Y2313 + Y3313 + Y1323 + Y2323 + Y3323) kombinasi BC diperoleh dari (B1C1 + B1C2 + B1C3 + B2C1 + B2C2 + B2C3) subkom B1C1 = Y..11 = (Y1111 + Y1211 + Y1311 + Y2111 + Y2211 + Y2311 + Y3111 + Y3211 + Y3311) subkom B1C2 = Y..12 = (Y1112 + Y1212 + Y1312 + Y2112 + Y2212 + Y2312 + Y3112 + Y3212 + Y3312) subkom B1C3 = Y..13 = (Y1113 + Y1213 + Y1313 + Y2113 + Y2213 + Y2313 + Y3113 + Y3213 + Y3313) subkom B2C1 = Y..21 = (Y1121 + Y1221 + Y1321 + Y2121 + Y2221 + Y2321 + Y3121 + Y3221 + Y3321) subkom B2C2 = Y..22 = (Y1122 + Y1222 + Y1322 + Y2122 + Y2222 + Y2322 + Y3122 + Y3222 + Y3322) subkom B2C3 = Y..23 = (Y1123 + Y1223 + Y1323 + Y2123 + Y2223 + Y2323 + Y3123 + Y3223 + Y3323) Untuk 3 faktor A, B dan C Kombinasi ABC adalah A1B1C1 dstnya hingga A3B2C3 , berarti akan diperoleh 18 kombinasi (A x B x C = 3 x 2 x 3) kombinasi A1B1C1 = Y.111 = (Y1111 + Y2111 + Y3111) kombinasi A1B1C2 = Y.112 = (Y1112 + Y2112 + Y3112) kombinasi A1B1C3 = Y.113 = (Y1113 + Y2113 + Y3113) kombinasi A1B2C1 = Y.121 = (Y1121 + Y2121 + Y3121) kombinasi A1B2C2 = Y.122 = (Y1122 + Y2122 + Y3122) kombinasi A1B2C3 = Y.123 = (Y1123 + Y2123 + Y3123) kombinasi A2B1C1 = Y.211 = (Y1211 + Y2211 + Y3211)
Bentuk Standard Square & Penentuan Kombinasi 5
kombinasi A2B1C2 = Y.212 = (Y1212 + Y2212 + Y3212) kombinasi A2B1C3 = Y.213 = (Y1213 + Y2213 + Y3213) kombinasi A2B2C1 = Y.221 = (Y1221 + Y2221 + Y3221) kombinasi A2B2C2 = Y.222 = (Y1222 + Y2222 + Y3222) kombinasi A2B2C3 = Y.223 = (Y1223 + Y2223 + Y3223) kombinasi A3B1C1 = Y.311 = (Y1311 + Y2311 + Y3311) kombinasi A3B1C2 = Y.312 = (Y1312 + Y2312 + Y3312) kombinasi A3B1C3 = Y.313 = (Y1313 + Y2313 + Y3313) kombinasi A3B2C1 = Y.321 = (Y1321 + Y2321 + Y3321) kombinasi A3B2C2 = Y.322 = (Y1322 + Y2322 + Y3322) kombinasi A3B2C3 = Y.323 = (Y1323 + Y2323 + Y3323)
Lampiran 11. DATA dan DATA TaLam 11-1. Data pengamatan ketebalan kayu lapis (mm) inti lamina pada tiga variasi tekanan kempa panas. Kasus 3-11. Tekanan (kg/cm2) Ulangan
1 2 3 4 5 1 2 12 3 4 5 1 2 3 4 5
Titik pengamatan
1 15.47 15.43 15.55 15.62 15.45 15.36 15.56 15.31 15.02 15.48 14.80 14.92 14.87 14.95 14.90 2 15.30 15.45 15.61 15.46 15.51 15.31 15.27 15.11 15.44 15.10 14.95 14.94 14.92 14.95 14.95 3 15.50 15.26 15.48 15.34 15.40 15.11 15.28 15.34 15.27 15.12 14.86 14.74 14.90 14.85 14.90 4 15.52 15.48 15.48 15.35 15.48 15.17 15.20 15.29 15.40 15.15 14.90 14.96 14.81 14.89 14.92 5 15.58 15.60 15.53 15.48 15.48 15.32 15.14 15.15 15.48 15.14 15.05 15.04 15.02 15.05 15.01 6 15.55 15.54 15.56 15.55 15.54 15.10 15.50 15.06 15.26 15.15 15.04 15.05 15.01 14.95 15.02
Rataan
15.487 15.460 15.535 15.467 15.477 15.228 15.325 15.210 15.312 15.190 14.933 14.942 14.922 14.940 14.950
10
14
Tekanan (kg/cm2)
10 12 14
Ulangan
1 15.487 15.228 14.933 2 15.460 15.325 14.942 3 15.535 15.210 14.922 4 15.467 15.312 14.940 5 15.477 15.190 14.950
Jumlah
77,425 76,265 74,687
Talam 11-2. Riap tinggi Acacia mangium pada umur 4, 6 dan 11 tahun dengan 3 kelerengan (Kasus 3-21). Kelompok Umur 4 tahun Jumlah tiap ha Riap rata2/thn Umur 6 tahun Jumlah tiap ha Riap rata2/thn Umur 11 tahun Jumlah tiap ha Riap rata2/thn Total Riap Riap rata2/thn
DATA dan DATA
0-8 n MAI
1400 1200 950 3550 3131,25 2,2366 1575,00 1,3125 959,10 1,0096 5665,35 1,5959
15 - 25 n MAI
1350 1200 850 3400 2775,00 2,0556 1291,65 1,0764 752,25 0,8850 4818,90 1,4173
1
Rekapitulasi MAI tinggi (m) tegakan Acacia mangium dengan tiga kelerengan berbeda Kelompok I II III Jumlah A
2,2366 1,3125 1,0096 4,5587
B
2,2098 1,3295 0,9182 4,4575
C
2,0556 1,0764 0,8850 4,0170
Jumlah
6,5020 3,7184 2,8128 13,0332
Talam 11-3. Percobaan model (M) dan pengikat (P) sambungan pada balok batang kelapa. Hasil percobaan berupa MoR (kg f/cm3). Kasus 4-11. Pengikat sambungan p1 Jumlah p2 Jumlah Jumlah-Jumlah (p2 p1) Model sambungan m1 m2
29,956 31,533 24,784 86,273 23,385 54,606 40,834 118,825 205,098 32,552 50,739 46,377 49,009 146,125 44,444 86,114 66,179 196,737 342,862 50,612 315,562 547,960 77,912 232,398 59,852
Jumlah
(m2 m1)
68,882
-
41,582
Mp Meranti
0,57 0,58 0,55 0,49 0,56 2,75
Keruing
0,51 0,48 0,47 0,48 0,52 2,46
kontrol
2,25 2,30 4,55 0,05
m2 m1
0,50 0,16 0,33
TaLam 11-5. Rekapitulasi Data emisi gas formaldehida. Kasus 4-13. J..
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
C0
3.23 3.33 3.31 3.50 3.16 2.60 2.89 2.77 2.51 2.66 4.20 3.91 4.30 4.03 3.81 2.49 2.59 2.61 2.76 2.61 63.27
C1
2.29 2.31 2.33 2.36 2.29 1.81 1.83 2.08 1.71 1.81 3.07 2.46 2.47 2.87 2.73 1.77 1.38 1.91 1.79 1.72 42.99
C2
1.84 1.85 2.10 2.07 2.01 1.08 1.05 0.84 0.72 0.91 1.77 2.19 1.87 2.16 2.00 0.98 1.16 1.42 1.37 1.37 30.76
C3
1.67 1.67 1.63 1.83 1.76 0.65 0.66 0.75 0.70 0.56 1.28 1.65 1.31 1.47 1.47 0.98 0.88 0.98 0.87 0.97 23.74
Jlh
9.03 9.16 9.37 9.76 9.22 6.14 6.43 6.44 5.64 5.94 10.32 10.21 9.95 10.53 10.01 6.22 6.01 6.92 6.79 6.67 160.76
J1
J2
J3
J4
C0 J1 J2 J3 J4
16.53 13.43 20.25 13.06 63.27
C1
11.58 9.24 13.60 8.57 42.99
C2
9.87 4.6 9.99 6.30 30.76
C3
8.56 3.32 7.18 4.68 23.74 46.54 30.59 51.02 32.61 160.76
TaLam 11-6. Keteguhan Rekat (kg/cm2) kayu lapis menurut Standar Jepang Kasus 4-14.
B
B1
i
1
A
1 2 3 4 5 6
Jumlah 89.58 89.96 89.17 92.47 93.40 92.88 95.50 94.83 96.28 98.14
3
C1
2 3 1
C2
2 3 1
C3
2 3 1
Jelutung 7.11 7.64 7.11 7.64 8.04 7.39 7.77 7.64 8.30 7.90
Kapur 19.76 19.89 19.76 19.89 19.63 20.15 19.89 20.28 20.02 20.28
M.batu 20.02 19.89 19.76 20.02 20.02 19.76 19.89 20.02 20.02 20.02
M.kuning 12.39 12.12 11.72 12.91 13.70 13.04 14.36 14.09 14.62 15.55
Merijang Mersawa 17.91 12.39 18.04 12.38 18.04 12.78 18.04 13.97 18.31 13.70 18.18 14.36 18.57 15.02 18.31 14.49 18.70 14.62 18.84 15.55
B
B2 B3
C
C1
i
2 3 1
A
1 2 3 4 5 6
Jumlah
C2
2 3 1
C3
2 3
C1
C2
C3 Jumlah
1 2 3 1 2 3 1 2 3
Jelutung 7.64 8.17 7.90 8.43 8.56 8.43 8.96 8.30 8.96 8.56 8.17 8.82 8.43 9.09 9.22 9.22 8.30 221.70
Kapur 20.15 20.28 20.28 20.15 20.28 20.28 20.28 20.94 20.55 20.42 20.68 20.68 20.68 20.55 20.81 20.68 20.94 548.18
M.batu 20.15 20.15 20.15 20.02 20.02 20.02 20.15 20.15 20.55 20.81 20.42 20.28 20.42 20.68 20.68 20.55 20.42 545.04
M.kuning 14.76 14.89 15.28 15.15 15.81 15.55 16.07 15.41 17.12 16.44 16.86 17.39 17.39 17.00 17.52 17.26 17.65 412.05
Merijang Mersawa 18.70 15.81 97.21 18.84 15.94 98.27 18.97 17.00 99.58 18.97 16.47 99.19 19.10 17.26 101.03 18.97 17.52 100.77 18.97 17.65 102.08 19.10 16.86 100.76 19.23 16.73 103.14 19.63 16.86 102.72 19.63 17.92 103.68 19.76 17.92 104.85 19.36 17.79 104.07 19.49 17.65 104.46 19.76 18.31 106.30 19.89 17.65 105.25 19.89 18.58 105.78 511.2 433.18 2671.35
Untuk memudahkan perhitungan jumlah kuadrat perlakuan kombinasinya sebaiknya dibuat dulu rekapitulasi tiap perlakuannya. A1 B1 C1 C2 C3 C1 C2 C3 C1 C2 C3
21.86 23.07 23.71 68,64 23.71 24.89 25.69 74,29 25.69 26.34 26.74 78,77
A2
59.41 59.67 60.19 179,27 60.71 60.71 61.50 182,92 61.65 61.91 62.43 185,99
A3
59.67 59.80 59.93 179,40 60.32 60.19 60.32 180,83 61.78 61.38 61.65 184,81
A4
36.23 39.65 43.07 118,95 45.20 46.24 47.03 138,47 50.42 51.78 52.43 154,63
A5
53.99 54.53 55.58 164,10 56.38 57.04 57.04 170,46 58.49 58.61 59.54 176,64
A6
37.55 42.03 44.13 123,71 47.30 50.73 52.03 150,06 51.51 53.36 54.54 159,41 268.71 278.75 286.61 834,07 293.62 299.80 303.61 897,03 309.54 313.38 317.33 940,25
B2
B3
A1 C1 C2 C3
71.26 74.30 76.14 221,70
A2
181.77 182.29 184.12 548,18
A3
181.77 181.37 181.90 545,04
A4
131.85 137.67 142.53 412,05
A5
168.86
A6
136.36 871.87
= C1 170.18 146.12 891.93 = C2 172.16 150.70 907.55 = C3 511,20 433,18 2671,35 = Total
TaLam 11-7. Pertambahan tumbuh anakan. Kasus 4-21. Perlakuan P p0 Jumlah p1 Jumlah Total m0 m1 m2 M m0 m1 m2 I
2,21 2,54 2,83 7,58 2,23 2,45 2,54 7,22 14,80
Jumlah
5,61 6,21 6,66 18,48 6,09 6,48 7,07 19,64 38,12 2,1178
(r x p x m ) = (3 x 2 x 3) = 18
m0
5,61 6,09 11,70 5,8500
m1
6,21 6,48 12,69 6,3450
m2
6,66 7,07 13,73 6,8650
Jumlah
18,48 19,64 38,12
Rataan
6,1600 6,5467
j1 n1
3,89 4,34 5,02 4,22 4,57 4,78 5,17 5,21 5,32
n2
4,14 4,43 4,76 4,44 4,52 5,03 5,31 5,26 5,45
n0
3,98 4,09 4,22 3,88 4,75 5,21 5,37 5,22 5,23
j2 n1
4,22 4,45 4.76 4,39 4,69 5,43 4,87 5,23 5,27
n2
4,47 4,56 4,55 4,56 4,58 5,46 4,19 5,26 5,35
n0
3,89 4,25 4,33 4,37 4,35 4,32 3.87 4,22 4,21
j3 n1
4,08 4,39 4,41 4,37 4,34 4,57 4,49 4,24 5,41
n2
4,42 4,49 4,43 4,48 4,57 4,63 4,78 5,24 5,48
Jumlah
36,20 39,15 40,69 38,98 40,64 43,82 42,30 44,15 46,19 372,12
k0 p0 k1 k2 k0 p1 k1 k2 k0 p2 k1 k2 Jumlah
Kl k0 p0 k1 k2 k0 p1 k1 k2 k0 p2 k1 k2 Jumlah
DATA dan DATA
Pk
n0
10,98 12,49 12,76 12,52 13,37 13,92 13,49 13,71 13,91 117,15
n1
12,19 13,18 14,19 12,98 13,60 14,78 14,53 14,68 16,00 126,13
n2
13,03 13,48 13,74 13,48 13,67 15,12 14,28 15,76 16,28
Jlh
36,20 39,15 40,69 38,98 40,64 43,82 42,30 44,15 46,19
128,84 372,12
5
TaLam 11-9. Rekapitulasi data pertambahan diameter batang anakan (mm). Kasus 4-31 Pemupukan (F) f1 n0p0k0 Jumlah
1
Ulangan
1 2 3
c1
0,1283 0,1600 0.2017 0,4900 0,1600 0,2150 0,1533 0,5283 0.1700 0.2217 0.255 0,6467 0.2733 0.2567 0.2033 0,7333 0,2767 0.2183 0.1833 0,6783 1,0083 1,0717 0,9966 3,0766
c3
0,2133 0,1683 0,2217 0,6033 0.1900 0.1867 0.1933 0,5700 0.1767 0.2317 0.205 0,6134 0.2017 0.1917 0.1933 0,5867 0,2183 0,2033 0,2067 0,6283 1,0000 0,9817 1,0200 3,0017
Jumlah
1,8482
f2 n1p1k0 Jumlah
2 3 1
2,0217
f3 n1p0k1 Jumlah
2 3 1
2,0735
f4 n0p1k1 Jumlah
2 3 1
2,2600
f5 n1p1k1 Jumlah
2 3 1
2 3
Rataan
Sumber : Karim,A.A. (1983). Fahutan Unlam.
TaLam 11-10. Rekapitulasi data pertambahan tinggi anakan meranti (cm). Kasus 4-32. Belukar Jarak tanam j1 Muda j2 b0 j3 j1 Tua j2 b1 j3 Jumlah Kelompok
1 1.32 1.28 2.17 2.25 2.36 2.41 11.79 2 1.78 2.07 2.17 2.35 2.55 2.72 13.64 3 1.15 1.19 1.29 2.17 2.22 2.25 10.27 4 1.14 1.16 1.21 1.58 2.12 2.19 9.40 Rataan
Jumlah
5.39 5.70 6.84 8.35 9.25 9.57 45,10 1.8792
Belukar Muda (b0) Tua (b1) Jumlah Belukar Muda (b0) Tua (b1) Jumlah
Kelompok
1 4,77 7,02 11,79 2 6,02 7,62 13,64 3 3,63 6,64 10,27 4 3,51 5,89 9,40
Jumlah
17,93 27,17 45,10
j1
5,39 8,35 13,74
Jarak tanam j2
5,70 9,25 14,95
j3
6,84 9,57 16,41
Jumlah
17,93 27,17 45,10
TaLam 11-11. Nilai rataan kadar air kayu normal (%) dalam batang Kahoi (Shorea balangeran) dengan berbagai ketinggian (Kasus 7-41). Ulangan pohon 1 pohon 2 pohon 3 Jumlah
Rataan
pangkal
Jumlah
32.6356 32.5147 32.5283 97.6786
rataan
10.8785 10.8382 10.8428 10.8532
a0
Jumlah
a1
Jumlah
a2
Jumlah
a3
Jumlah TOTAL