Desain dan Analisis Eksperimen

Oleh : Kelompok 6

Anggota Anggota Kelompok:

Nissa Prisa Z (140610120043)
Elsa Saputri (140610120083)
Rivan Prasetya (140610120099)
Annisa Putri Ariyanti (140610120107)
Fauziyyah (140610120111)

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN

Pendahuluan
Uji ANOVA hanya memberikan indikasi tentang ada tidaknya beda antar rata-rata
dari keseluruhan perlakuan, namun belum memberikan informasi tentang ada tidaknya
perbedaan antara individu perlakuan yang satu dengan individu perlakuan lainnya.
Untuk uji yang lebih mendalam maka mesti dilakukan uji lanjut (Post hoc test).
Ada berbagai macam jenis uji lanjut, salah satunya yaitu uji BNt.

Uji Beda Nyata Terkecil

Uji ini sangat cocok digunakan apabila pengujian nilai tengah perlakuan yang akan
dibandingkan sebelumnya telah direncanakan. Tingkat ketepatan uji BNT akan berkurang
jika digunakan untuk menguji semua kemungkinan pasangan nilai tengah perlakuan
(melakukan pembanding yang tidak terencana).
Beberapa aturan dasar yang perlu diperhatikan agar uji ini dapat digunakan secara
efektif antara lain: gunakan uji BNT hanya apabila F. Hitung > F. Tabel, tidak
menggunakan uji BNT untuk membandingkan semua kombinasi pasangan nilai tengah
perlakuan karena hanya cocok untuk membandingkan dengan kontrol atau tidak lebih
dari lima perlakuan.
Uji BNt (Beda Nyata terkecil) atau yang lebih dikenal sebagai uji LSD (Least
Significance Different) adalah metode yang diperkenalkan oleh Ronald Fisher.
Uji BNt ini merupakan prosedur pengujian perbedaan rata-rata perlakuan yang
paling sederhana dan paling umum dilakukan.

Contoh:
Seorang peneliti yang ingin mengetahui apakah ada pengaruh yang signifikan dari
beberapa jenis pupuk (pupuk A, B, C, D, E, F dan G) terhadap produktivitas tanaman
padi di sebuah wilayah. Untuk itu dilakukan percobaan dengan design RAL (Rancangan
Acak Lengkap). Hasil pengukurannya adalah sebagai berikut:

Perlakuan
A

jumlah

6.8

6.7

10.4

10.2

9.5

11.6

12.2

6.3

9.4

10.7

10.5

12.8

11.4

10.9

8.4

8.6

9.9

10.2

12.5

11.5

9.7

21.5

24.7

31

30.9

34.8

34.5

32.8

210.2

21

7.17

8.23

10.33

10.3

11.6

11.5

10.93

70.06

produktivitas

jumlah
jumlah
pengamatan
rata-rata

= Tidak ada pengaruh yang signifikan dari beberapa jenis pupuk terhadap
produktivitas tanaman padi di sebuah wilayah.
= Ada pengaruh yang signifikan dari beberapa jenis pupuk terhadap produktivitas
tanaman padi di sebuah wilayah.

 = 5%
statistik uji

TABEL ANAVA

-2104.0019=51.0914

Sumber variansi

Dk

JK

KT

rata-rata

Ry=2104.0019

Ry=2104.0019

perlakuan

Py=51.0914

P=8.5152

kekeliruan

14

Ey=16.446

E=1.1747

jumlah

21

Dari tabel F dengan

724.866

didapat

F tabel= 2.85
Kriteria uji: tolak

jika F hitung > F tabel

Dari hasil pengujian diatas, didapat F hitung = 7.248 > F table = 2.85, sehingga
ditolak. Artinya, ada pengaruh yang signifikan dari beberapa jenis pupuk terhadap
produktivitas tanaman padi di sebuah wilayah.
Karena uji ANOVA menunjukkan adanya perbedaan yang nyata secara statistik,
maka dilakukan uji lanjut BNt untuk mengetahui ada tidaknya perbedaan antar tiap
individu perlakuan.

Nilai BNt pada contoh kasus ini adalah:

=(

=1.90

Kriteria uji
| Yi Yj | LSD ( antara varietas satu dengan varietas lainnya tidak berbeda/ tidak
signifikan )
| Yi Yj | > LSD ( antara varietas satu dengan varietas lainnya berbeda / sognofikan )
Nilai BNt (LSD) inilah yang menjadi pembeda antar rata-rata dua populasi
sampel, bila rata-rata dua populasi sampel lebih kecil atau sama dengan nilai LSD, maka
dinyatakan tidak berbeda signifikan.

INTERPRETASI
Dari tabel di atas dapat kita simpulkan bahwa terdapat perbedaan antar perlakuan
antara pupuk A & C, A & D, A & E, A & F, A & G, B & C, B & D, B & E, B & F, B & G,
sedangkan perbandingan lainnya tidak memberikan perbedaan yang berarti.

Pengujian Anava dan uji lanjut menggunakan software SPSS

Dengan menggunakan software spss, kita menentukan varietas yang berbeda atau
tidaknya dengan membandingkan varietas satu dengan varietas lainnya. Jika p > 0.05
maka varietas keduanya tidak signifikan.

Notes
Output Created

10-Mar-2014 17:33:00

Comments
Input

Active Dataset

DataSet0

Filter

<none>

Weight

<none>

Split File

<none>

N of Rows in Working Data 21

File
Missing Value

Definition of Missing

Handling

User-defined missing values are

treated as missing.

Cases Used

Statistics are based on all cases

with valid data for all variables

in the model.
Syntax

UNIANOVA VAR00007 BY
VAR00001
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=VAR00001(LSD)
/CRITERIA=ALPHA(0.05)
/DESIGN=VAR00001.

Resources

Processor Time

0:00:00.031

Elapsed Time

0:00:00.113

Between-Subjects Factors
Between-Subjects Factors
N
VAR00001 1.00

2.00

3.00

4.00

5.00

6.00

7.00

Tests of Between-Subjects Effects

Dependent Variable:VAR00007
Tests of Between-Subjects Effects
Dependent Variable:VAR00007
Type III Sum
Source

of Squares

df

Mean Square F

Sig.

Corrected

51.091a

8.515

7.248

.001

Intercept

2104.002

2104.002

1791.003 .000

VAR00001

51.091

8.515

7.248

Error

16.447

14

1.175

Total

2171.540

21

Model

Corrected Total 67.538

20

a. R Squared = ,756 (Adjusted R Squared = ,652)

Post Hoc Tests

VAR00001

.001

Multiple Comparisons
VAR00007
LSD
(I)

(J)

Mean

95% Confidence Interval

VAR0 VAR0 Difference (I0001

0001

J)

1.00

2.00

-1.0667

.88497

.248

-2.9647

.8314

3.00

-3.1667

.88497

.003

-5.0647

-1.2686

4.00

-3.1333

.88497

.003

-5.0314

-1.2353

5.00

-4.4333*

.88497

.000

-6.3314

-2.5353

6.00

.88497

.000

-6.2314

-2.4353

.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497
.88497

.001
.248
.033
.035
.002
.002
.009
.003
.033
.970
.174
.209
.509
.003
.035
.970
.164
.197
.486
.000
.002
.174
.164
.912
.464

-5.6647
-.8314
-3.9981
-3.9647
-5.2647
-5.1647
-4.5981
1.2686
.2019
-1.8647
-3.1647
-3.0647
-2.4981
1.2353
.1686
-1.9314
-3.1981
-3.0981
-2.5314
2.5353
1.4686
-.6314
-.5981
-1.7981
-1.2314

-1.8686
2.9647
-.2019
-.1686
-1.4686
-1.3686
-.8019
5.0647
3.9981
1.9314
.6314
.7314
1.2981
5.0314
3.9647
1.8647
.5981
.6981
1.2647
6.3314
5.2647
3.1647
3.1981
1.9981
2.5647

2.00

3.00

4.00

5.00

7.00
1.00
3.00
4.00
5.00
6.00
7.00
1.00
2.00
4.00
5.00
6.00
7.00
1.00
2.00
3.00
5.00
6.00
7.00
1.00
2.00
3.00
4.00
6.00
7.00

-4.3333

Std. Error

-3.7667
1.0667
-2.1000*
-2.0667*
-3.3667*
-3.2667*
-2.7000*
3.1667*
2.1000*
.0333
-1.2667
-1.1667
-.6000
3.1333*
2.0667*
-.0333
-1.3000
-1.2000
-.6333
4.4333*
3.3667*
1.2667
1.3000
.1000
.6667

Sig.

Lower Bound Upper Bound

Dari tabel di atas dapat kita simpulkan bahwa terdapat perbedaan antar perlakuan
antara pupuk A & C, A & D, A & E, A & F, A & G, B & C, B & D, B & E, B & F, B & G,
sedangkan perbandingan lainnya tidak memberikan perbedaan yang berarti.

LAMPIRAN

UjI Lanjut BNT (LSD)

Tulisan kali ini adalah lanjutan dari artikel beberapa waktu yang lalu, yaitu One Way ANOVA,
so its strongly recommended untuk membaca artikel tersebut sebelum melanjutkan artikel ini.
Uji ANOVA hanya memberikan indikasi tentang ada tidaknya beda antar rata-rata dari
keseluruhan perlakuan, namun belum memberikan informasi tentang ada tidaknya perbedaan
antara individu perlakuan yang satu dengan individu perlakuan lainnya.
Sederhananya bila ada 5 perlakuan yang ingin diuji, misalnya perlakuan A, B, C, D, dan E. Maka
bila uji ANOVA menginformasikan adanya perbedaan yang signifikan, maka dapat disimpulkan
bahwa secara keseluruhan terdapat perbedaan yang signifikan antar rata-rata perlakuan, namun
belum tentu rata-rata perlakuan A berbeda dengan rata-rata perlakuan B, dan seterusnya
Untuk uji yang lebih mendalam maka mesti dilakukan uji lanjut (Post hoc test). Ada berbagai
macam jenis uji lanjut, namun pada artikel kali ini kita coba bahas uji BNt.
Uji BNt (Beda Nyata terkecil) atau yang lebih dikenal sebagai uji LSD (Least Significance
Different) adalah metode yang diperkenalkan oleh Ronald Fisher. Metode ini menjadikan nilai
BNt atau nilai LSD sebagai acuan dalam menentukan apakah rata-rata dua perlakuan berbeda
secara statistik atau tidak.
Untuk menghitung nilai BNt atau LSD, kita membutuhkan beberapa data yang berasal dari
perhitungan sidik ragam (ANOVA) yang telah dilakukan sebelumnya, data tersebut berupa MSE
dan dfE. Selain itu juga butuh tabel t-student. Secara lengkap rumusnya adalah sbb:

Kasus:
Seorang peneliti yang ingin mengetahui apakah ada pengaruh yang signifikan dari beberapa jenis
pupuk (pupuk A, B, C, D, E, F dan G) terhadap produktivitas tanaman padi di sebuah wilayah.
Untuk itu dilakukan percobaan dengan design RAL (Rancangan Acak Lengkap). Hasil
pengukurannya adalah sebagai berikut:

Setelah dilakukan uji ANOVA (sidik ragam) pada taraf kepercayaan 5% , hasilnya menunjukkan
bahwa perlakuan memberikan pengaruh signifikan terhadap produktivitas tanaman padi.

Karena uji ANOVA menunjukkan adanya perbedaan yang nyata secara statistik, maka dilakukan
uji lanjut BNt untuk mengetahui ada tidaknya perbedaan antar tiap individu perlakuan.
Prosedur pengerjaannya tidak disediakan secara default oleh program Microsoft excel, namun
kita bisa melakukannya secara semi manual. Silahkan tonton video berikut:
Nilai BNt pada contoh kasus ini adalah:

Nilai BNt (LSD) inilah yang menjadi pembeda antar rata-rata dua populasi sampel, bila ratarata dua populasi sampel lebih kecil atau sama dengan nilai LSD, maka dinyatakan tidak
berbeda signifikan. Atau dapat ditulis dengan persamaan berikut:

Dari asumsi yang terdapat dalam rumus tersebut, maka dapat disimpulkan sebagai berikut:

Kesimpulan yang terlihat pada tabel tersebut, tampilannya terkesan agak rumit, terutama bila kita
harus menguji perlakuan yang sangat banyak. Bisa dibayangkan, misalnya ada 15 perlakuan,
maka paling tidak terdapat 105 kombinasi perlakuan yang akan diuji.
Untuk itu, dibuat sebuah sistem notasi, gunanya untuk menyederhanakan tampilah hasil uji BNt
(LSD), yang caranyanya sudah diuraikan pada video diatas. Pada contoh kasus ini, tampilan uji
LSD0.05 dengan sistem notasi adalah sebagai berikut:

Cara interpretasinya adalah dengan metihat notasi huruf

yang berada didepan nilai rata-rata tiap perlakuan. Nilai
rata-rata perlakuan yang diikuti oleh huruf yang sama
dinyatakan tidak berbeda signifikan, misalnya:
(a) Nilai rata-rata Varietas A tidak berbeda signifikan
dengan Varietas B, karena sama-sama diberi simbol notasi
a,
(b) Nilai rata-rata Varietas A berbeda signifikan dengan
Varietas C, karena notasinya berbeda. Varietas A notasinya a, sedangkan varietas C notasinya
b,

dst

Uji Beda Nyata Terkecil (BNT)

a. Oke, kali ini saya akan menjelaskan bagaimana cara menggunakan uji Beda Nyata
Terkecil atau sering disebut uji BNT. Seperti pada uji BNJ, Uji BNT sebenarnya juga
sangat simpel. Untuk menggunakan uji ini, atribut yang kita perlukan adalah 1) data ratarata perlakuan, 2) taraf nyata, 3) derajad bebas (db) galat, dan 4) tabel t-student untuk
menentukan nilai kritis uji perbandingan.
Perlu anda ketahui bahwa uji BNT ini dilakukan hanya apabila hasil analisis ragam
minimal berpengaruh nyata. Tapi bagaimana kalau hasil analisis ragam tidak berpengaruh
nyata apakah bisa dilanjutkan dengan uji BNT? Jawabnya bisa. Tapi yang menjadi
pertanyaan selanjutnya adalah apakah perlu menguji perbedaan pengaruh perlakuan jika
ternyata perlakuan yang dicobakan sudah tidak memberikan pengaruh yang nyata?
Bukankah apabila perlakuan tidak berpengaruh berarti perlakuan t1 = t2 = t3 = tn, yang
berarti pengaruh perlakuannya sama. Jadi sebenarnya pengujian rata-rata perlakuan pada
perlakuan-perlakuan yang tidak berpengaruh nyata tidak banyak memberikan manfaat
apa-apa.
Baiklah, sebagai contoh saya ambil data berikut ini yang merupakan data hasil
pengamatan pengaruh pemupukan P terhadap bobot polong isi (gram) kedelai varitas
Slamet. Percobaan dilakukan dengan rancangan acak kelompok dengan tujuan untuk
mengetahui pengaruh pemupukan P terhadap bobot polong isi kedelai. Data hasil
pengamatan adalah sebagai berikut :

Hasil analisis ragam (anova) dari data di atas adalah berikut ini :

Nah, selanjutnya kita akan menghitung nilai kritis atau nilai baku dari BNJ dengan rumus
berikut :

untuk mencari nilai t(, v) anda dapat melihatnya pada tabel Sebaran t-student pada taraf
nyata dengan derajad bebas v. Untuk menentukan nilai t(, v), harus berdasarkan nilai
taraf nyata yang dipilih (misalnya anda menentukan = 5%), dan nilai derajad bebas
(db) galat (dalam contoh ini db galat = 12, lihat angka 12 yang berwarna kuning pada
tabel analisis ragam).
Setelah semua nilai sudah anda tentukan, maka langkah selanjutnya adalah anda menuju
tabel Sebaran t-student. Berikut saya lampirkan sebagian dari tabel tersebut :

Pada tabel Sebaran t-student di atas, panah yang vertikal berasal dari angka 0,050 yang
menunjukkan = 5%. Sedangkan panah horizontal berasal dari angka 12 yang
menunjukkan nilai derajad bebas (db) galat = 12. Dari pertemuan kedua panah tersebut
didapatkanlah nilai t (0,05; 12) = 2,179.
Langkah selanjutnya anda menghitung nilai kritis BNT dengan menggunakan rumus di
atas berikut ini :
Anda perhatikan KT galat = 14,97 dan r (kelompok) = 3 (lihat pada tabel analisis ragam)

Langkah selanjutnya adalah anda menentukan perbedaan pengaruh antar perlakuan.

Untuk ini saya menggunakan kodifikasi dengan huruf. Caranya adalah sebagai berikut :
Susun nilai rata-rata perlakuan dari yang terkecil hingga yang terbesar seperti berikut :

Langkah selanjutnya adalah menentukan huruf pada nilai rata-rata tersebut. Perlu anda
ketahui cara menentukan huruf ini agak sedikit rumit, tapi anda jangan khawatir asalkan
anda mengikuti petunjuk saya pelan-pelan tahap demi tahap. Dan saya yakin apabila anda
menguasai cara ini, saya jamin anda hanya butuh waktu paling lama 5 menit untuk
menyelesaikan pengkodifikasian huruf pada nilai rata-rata perlakuan.
Baik kita mulai saja. Pertama-tama anda jumlahkan nilai kritis BNT5% = 6,88 dengan
nilai rata-rata perlakuan terkecil pertama, yaitu 17,33 + 6,88 = 24,21 dan beri huruf a
dari nilai rata-rata perlakuan terkecil pertama (17,33) hingga nilai rata-rata perlakuan
berikutnya yang kurang dari atau sama dengan nilai 24,21. Dalam contoh ini huruf a
diberi dari nilai rata-rata perlakuan 17,33 hingga 22,67. Lebih jelasnya lihat pada tabel
berikut :

Selanjutnya jumlahkan lagi nilai kritis BNT5% = 6,88 dengan nilai rata-rata perlakuan

terkecil kedua, yaitu 21,00 + 6,88 = 27,88 dan beri huruf b dari nilai rata-rata perlakuan
terkecil kedua (21,00) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau
sama dengan nilai 27,88. Dalam contoh ini huruf b diberi dari nilai rata-rata perlakuan
21,00 hingga 26,00. Lebih jelasnya lihat pada tabel berikut :

Selanjutnya jumlahkan lagi nilai kritis BNT5% = 6,88 dengan nilai rata-rata perlakuan
terkecil ketiga, yaitu 22,67 + 6,88 = 29,55 dan beri huruf c dari nilai rata-rata perlakuan
terkecil ketiga (22,67) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau
sama dengan nilai 29,55. Dalam contoh ini huruf c diberi dari nilai rata-rata perlakuan
22,67 hingga 26,00. Lebih jelasnya lihat pada tabel berikut :

Sampai disini anda perhatikan huruf "c" pada tabel di atas. Huruf "c" tersebut harus anda
abaikan (batalkan) karena sebenarnya huruf c sudah terwakili oleh huruf b (karena
pemberian huruf "c" tidak melewati huruf "b"). Berbeda dengan pemberian huruf "b"
sebelumnya. Pemberian huruf "b" melewati huruf "a" sehingga huruf "b" tidak
diabaikan/dibatalkan.
Langkah selanjutnya jumlahkan lagi nilai kritis BNT5% = 6,88 dengan nilai rata-rata
perlakuan terkecil keempat, yaitu 26,00 + 6,88 = 32,88 dan beri huruf c (karena
pemberian huruf "c" sebelumnya dibatalkan, maka pemberian dengan huruf "c" kembali
digunakan) dari nilai rata-rata perlakuan terkecil keempat (26,00) hingga nilai rata-rata
perlakuan berikutnya yang kurang dari atau sama dengan nilai 32,88. Dalam contoh ini
huruf c diberi dari nilai rata-rata perlakuan 26,00 hingga 30,67. Lebih jelasnya lihat
pada tabel berikut :

Anda perhatikan huruf c di atas. Karena pemberian huruf c melewati huruf b

sebelumnya, maka pemberian huruf c ini tidak dibaikan/dibatalkan.
Langkah selanjutnya jumlahkan lagi nilai kritis BNT5% = 6,88 dengan nilai rata-rata
perlakuan terkecil kelima, yaitu 30,67 + 6,88 = 37,55 dan beri huruf d dari nilai rata-

rata perlakuan terkecil kelima (30,67) hingga nilai rata-rata perlakuan berikutnya yang
kurang dari atau sama dengan nilai 37,55. Dalam contoh ini huruf d diberi dari nilai
rata-rata perlakuan 30,67 hingga 36,00. Lebih jelasnya lihat pada tabel berikut :

Anda perhatikan huruf d di atas. Karena pemberian huruf d juga melewati huruf c
sebelumnya, maka pemberian huruf d ini tidak dibaikan/dibatalkan.
Langkah selanjutnya jumlahkan lagi nilai kritis BNT5% = 6,88 dengan nilai rata-rata
perlakuan terkecil keenam, yaitu 36,00 + 6,88 = 42,88 dan beri huruf e dari nilai ratarata perlakuan terkecil keenam (36,00) hingga nilai rata-rata perlakuan berikutnya yang
kurang dari atau sama dengan nilai 42,88. Dalam contoh ini huruf e diberi dari nilai
rata-rata perlakuan 36,00 hingga 41,00. Lebih jelasnya lihat pada tabel berikut :

Perlu anda ketahui, apabila pemberian huruf ini telah sampai pada nilai rata-rata
perlakuan yang terbesar, walaupun perhitungan penjumlahan belum selesai, maka
perhitungan penambahan nilai BNT selanjutnya dihentikan/tidak dilanjutkan. Dan
pemberian huruf dianggap selesai.
Terakhir anda susun kembali nilai rata-rata perlakuan tersebut sesuai dengan
perlakuannya, seperti tabel berikut:

Nah, sekarang bagaimana cara menjelaskan arti huruf-huruf pada tabel diatas?
Prinsip yang harus anda pegang adalah bahwa perlakuan yang diikuti oleh huruf yang
sama berarti tidak berbeda nyata pengaruhnya menurut BNT5%. Dari hasil pengujian di
atas, perlakuan P2 dan P3 sama-sama diikuti huruf e artinya perlakuan P2 dan P3 tidak

berbeda nyata pengaruhnya menurut BNT 5%. Dan kedua perlakuan tersebut berbeda
nyata dengan perlakuan lainnya
Menentukan Perlakuan Terbaik
Untuk menentukan perlakuan mana yang terbaik, langkah-langkahnya adalah berikut ini:
1. Langkah pertama anda harus melihat perlakuan mana yang nilai rata-ratanya
tertinggi. Dalam contoh ini perlakuan yang nilai rata-ratanya tertinggi adalah P2.
2. Langkah kedua anda lihat pada rata-rata perlakuan P2 itu diikuti oleh huruf apa.
Dalam contoh ini perlakuan P2 diikuti oleh huruf e.
3. Langkah ketiga anda lihat rata-rata perlakuan mana saja yang diikuti oleh huruf e.
Dalam contoh ini rata-rata perlakuan yang diikuti oleh huruf e adalah P2 itu sendiri,
dan P3.
4. Langkah keempat anda perhatikan kembali perlakuan P2 dan P3. Dalam contoh ini
perlakuan P2=45,00 kg/ha dan P3=67,50 kg/ha. Sampai di sini anda harus bisa
mempertimbangkan secara logis perlakuan mana yang terbaik. Logikanya seperti ini,
apabila perlakuan dengan dosis lebih rendah tetapi mempunyai pengaruh yang sama
dengan perlakuan dengan dosis yang lebih tinggi dalam meningkatkan hasil, maka
perlakuan dosis yang lebih rendah tersebut lebih baik daripada perlakuan dosis yang
lebih tinggi di atasnya. Dalam contoh ini perlakuan P2 lebih baik daripada perlakuan
P3. Jadi dapat disimpulkan perlakuan P2-lah yang terbaik.