Anda di halaman 1dari 11

MATERI

RANCANGAN BUJUR SANGKAR LATIN (RBSL)

KELOMPOK 3 :
Chintiya Putriani (1207015047)
Normalita Fauziah (1207015014)
Nurmalia Purwita Y (1207015006)
Wahyu Sasmita (1207015015)
Yurin Febria Suci (1207015013)

PROGRAM STUDI STATISTIKA


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2014

A. PENGERTIAN
1. Materi
Rancangan Bujur Sangkar Latin (Latin Square Randomized Design) merupakan salah satu model rancanga lingkungan dalam rancangan percobaan dengan
dua arah pengelompokkan yaitu baris dan kolom. Desain rancangan ini berbentuk
bujur sangkar sehingga disebut juga Rancangan Bujur Sangkar Latin. Pada
rancangan ini, pengacakan dibatasi dengan mengelompokkannya ke dalam baris
dan juga kolom, sehingga setiap baris dan kolom hanya mendapatkan satu perlakuan. Rancangan ini digunakan apabila untuk percobaan tidak homogen, dimana
ketidak homogen tersebut diduga mengarah pada dua arah sehingga pengelompok
kan perlakuannya berdasarkan dua criteria yaitu pengelompokkan ke arah baris
dan ke arah kolom.
Rancangan ini merupakan pengembangan dari Rancangan Acak Lengkap
(RAL) dan Rancangan Acak Kelompok (RAK). Istilah baris dan kolom dipakai
untuk menyatakan bahwa kontrol total ditentukan oleh dua kondisi berbeda yang
dapat mempengaruhi hasil percobaan, sehingga pengacakan perlu dilakukan secara kuadrat. Berbeda dalam Rancangan Acak Kelompok (RAK) yang hanya menge
lompokkan berdasarkan satu kriteria. Dalam Rancangan Bujur Sangkar Latin setiap perlakuan hanya satu dalam setiap baris dan kolom, tidak boleh ada perlakuan
yang sama pada baris dan kolom yang sama. Setiap baris, begitu pula setiap
kolom merupakan satu kelompok yang lengkap, sehingga dalam Rancangan Bujur
Sangkar Latin dapat dipisahkan galat keragaman yang disebabkan oleh perbedaan
dalam baris maupun kolom.
Kelemahan utama Rancangan Bujur Sangkar Latin (RBSL) adalah selain tidak
boleh ada interaksi antara perlakuan dengan baris dan kolom yang akan menyebab
kan adanya sumber keragaman data di luar perlakuan yang merupakan dua hal
yang tidak diteliti, kelemahan RBSL juga memenuhi syarat banyaknya baris,
kolom, serta perlakuan yang sama, sehingga apabila jumkah perlakuan besar,
maka rancangan ini menjadi tidak praktis karena memerlukan jumlah ulangan
yang besar serta menyebabkam biaya yang mungkin terlalu besar. Disisi lain apa-

bila banyaknya perlakuan sedikit, maka ulangannya juga menjadi sangat kurang
sehingga derajat bebas yang berhubungan dengan galat percobaan menjadi terlalu
kecil sebagai penduga yang layak. Oleh sebab itu Rancangan Bujur Sangkar Latin
digunakan hanya untuk percobaan dengan banyaknya perlakuan yang tidak
kurang dari lima dan tidak lebih dari sama dengan delapan karena keterbatasan
tersebut.
Rancangan Bujur Sangkar Latin juga mempunyai kelebihan yaitu :
- Mengurangi keragaman galat melalui penggunaan dua buah kelompok
- Pengaruh perlakuan dapat dilakukan untuk percobaan berskala kecil
- Analisis relatif mudah
- Baris atau kolom bisa juga digunakan untuk meningkatkan cakupan dalam
pengambilan kesimpulan
2. Model Linier dalam Rancangan Bujur Sangkar Latin (RBSL)
Yijk=+ i+ Kj+ k+ ijk ; i=1,2, , a; j=1,2, , b ; k=1,2, , t
Keterangan :
Y ij k = Data baris ke i, kolom ke j, dan perlakuan ke - k

= Rataan umum

= Pengaruh baris ke i

Kj

= Pengaruh kolom ke j

= Pengaruh perlakuan ke k

ijk = Pengaruh acak dari baris ke i, kolom ke j, dan perlakuan ke k


B. Contoh Kasus
1. Data
Seorang peneliti ingin mengetahui ke efektifan mesin fillet otomatis A,B,C,D
terhadap produksi fillet tuna. Produksi dipengaruhi oleh adanya operator dan hari
kerja yang berlainan. Diperoleh data sebagai berikut :

Hari Kerja
1
2

Operator 1
1,64 (B)
1,475 (C)

Hasil Produksi Fillet Tuna (Ton)


Operator 2
Operator 3
1,210 (D)
1,185 (A)

1,425 (C)
1,4 (B)

Operator 4
1,345 (A)
1,290 (B)

3
4

1,670 (A)
1,565 (D)

0,710 (C)
1,290 (B)

1,665 (B)
1,655 (A)

1,180 (D)
0,660 (C)

Ujilah apakah ada pengaruh antar produksi dengan operator dan hari kerja yang
berlainan ? (Gunakan taraf = 1 %)
2. Analisis
a. Model Linier
Y ijk =+ i+ Kj+ k+ ijk ; i=1,2,3,4 ; j=1,2,3,4 ; k =1,2, 3,4
Keterangan :
Y ij k = Data Produksi Fillet Tuna pada hari kerja ke i (1,2,3,4), operator

ke j (1,2,3,4), dan perlakuan ke k (a,b,c,d)

= Rataan umum

= Pengaruh hari kerja ke i terhadap produksi Fillet Tuna

Kj

= Pengaruh operator ke j terhadap produksi Fillet Tuna

= Pengaruh perlakuan ke k terhadap produksi Fillet Tunaa

ijk = Pengaruh acak dari hari kerja ke i, operator ke j,dan perlakuan ke


-k
b. Asumsi
- Kenormalan Data
Hipotesis :
H0 : Data Produksi Fillet Tuna terhadap hari kerja dengan operator yang
berlainan berdistribusi normal
H1 : Data Produksi Fillet Tuna terhadap hari kerja dengan operator yang
berlainan tidak berdistribusi normal
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :

Tests of Normality
Kolmogorov-Smirnova
Statistic
data

df

.181

Shapiro-Wilk

Sig.
16

Statistic

.166

df

.875

Sig.
16

.032

a. Lilliefors Significance Correction

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh nilai


P-value = 0,032
Daerah kritis :
Menolak H0 apabila nilai P-value <
Keputusan :
Gagal menolak H0 karena nilai P-value = 0,032 > = 0,01
Kesimpulan :
Data Produksi Fillet Tuna terhadap hari kerja dengan operator yang
berlainan berdistribusi normal
-

Kehomogenan Variansi
1. Untuk Hari Kerja
Hipotesis :
H : 1= 2= 3= 4=0
0

(Variansi data Produksi Fillet Tuna terhadap hari kerja yang berlainan
adalah sama / homogen)
i 0 ; i = 1,2,3,4
H1 :
(Variansi data Produksi Fillet Tuna terhadap hari kerja yang berlainan
adalah tidak sama / heterogen )
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :
Test of Homogeneity of Variances
data
Levene Statistic
2.364

df1

df2
3

Sig.
12

.122

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh


nilai P-value = 0,122
Daerah kritis :
Menolak H0 apabila nilai P-value <
Keputusan :
Gagal menolak H0 karena nilai P-value = 0,122 > = 0,01
Kesimpulan :
Variansi data Produksi Fillet Tuna terhadap hari kerja yang berlainan
adalah sama / homogen
2. Untuk operator
Hipotesis :
H : K 1=K 2=K 3=K 4=0
0

(Variansi data Produksi Fillet Tuna terhadap operator yang berlainan


adalah sama / homogen)
K j 0 ; j =1,2,3,4
H1 :
(Variansi data Produksi Fillet Tuna terhadap operator yang berlainan
adalah tidak sama / heterogen )
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :

Test of Homogeneity of Variances


data
Levene Statistic
1.727

df1

df2
3

Sig.
12

.215

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh


nilai P-value = 0,215
Daerah kritis :
Menolak H0 apabila nilai P-value <

Keputusan :
Gagal menolak H0 karena nilai P-value = 0,215 > = 0,01
Kesimpulan :
Variansi data Produksi Fillet Tuna terhadap operator yang berlainan
adalah sama / homogen
3. Untuk Perlakuan
H : 1= 2= 3= 4=0
0

(Variansi data Produksi Fillet Tuna terhadap perlakuan adalah sama /


homogen)
k 0 ; k = 1,2,3,4
H1 :
(Variansi data Produksi Fillet Tuna terhadap perlakuan adalah tidak
sama / heterogen)
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :
Test of Homogeneity of Variances
data
Levene Statistic
18.263

df1

df2
3

Sig.
12

.000

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh


nilai P-value = 0,000
Daerah kritis :
Menolak H0 apabila nilai P-value <
Keputusan :
Menolak H0 karena nilai P-value = 0,000 < = 0,01
Kesimpulan :
Variansi data Produksi Fillet Tuna terhadap perlakuan adalah tidak
sama / heterogen)
c. Uji Anava

Untuk Hari kerja


Hipotesis :
H : 1= 2= 3= 4=0
0

(Tidak ada pengaruh antara hari kerja yang berlainan dengan produksi
Fillet Tuna)
i 0 ; i = 1,2,3,4
H1 :
(Minimal ada 1 hari kerja yang berlainan yang berpengaruh dengan
produksi Fillet Tuna)
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :
Tests of Between-Subjects Effects
Dependent Variable: data
Source

Type III Sum of

df

Mean Square

Sig.

Squares
Corrected Model

1.284a

.143

6.607

.016

Intercept

28.529

28.529

1320.944

.000

Hari_kerja

.030

.010

.465

.717

Operator

.827

.276

12.769

.005

perlakuan

.427

.142

6.588

.025

Error

.130

.022

Total

29.943

16

1.414

15

Corrected Total

a. R Squared = .908 (Adjusted R Squared = .771)

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh nilai


P-value = 0,717
Daerah kritis :
Menolak H0 apabila nilai P-value <
Keputusan :
Gagal menolak H0 karena nilai P-value = 0,717 > = 0,01
Kesimpulan :

Tidak ada pengaruh antara hari kerja yang berlainan dengan produksi
Fillet Tuna
-

Untuk operator
Hipotesis :
H : K 1=K 2=K 3=K 4=0
0

(Tidak ada pengaruh antara operator yang berlainan dengan produksi


Fillet Tuna)
K j 0 ; j =1,2,3,4
H1 :
(Minimal ada 1 operator yang berlainan yang berpengaruh dengan
produksi Fillet Tuna)
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :
Tests of Between-Subjects Effects
Dependent Variable: data
Source

Type III Sum of

df

Mean Square

Sig.

Squares
Corrected Model

1.284a

.143

6.607

.016

Intercept

28.529

28.529

1320.944

.000

Hari_kerja

.030

.010

.465

.717

Operator

.827

.276

12.769

.005

perlakuan

.427

.142

6.588

.025

Error

.130

.022

Total

29.943

16

1.414

15

Corrected Total

a. R Squared = .908 (Adjusted R Squared = .771)

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh nilai


P-value = 0,005
Daerah kritis :
Menolak H0 apabila nilai P-value <
Keputusan :
Menolak H0 karena nilai P-value = 0,005 < = 0,01

Kesimpulan :
Minimal ada 1 operator yang berlainan yang berpengaruh dengan
produksi Fillet Tuna
-

Untuk perlakuan
Hipotesis :
H : 1= 2= 3= 4=0
0

(Tidak ada pengaruh antara perlakuan dengan produksi Fillet Tuna)


k 0 ; k = 1,2,3,4
H1 :
(Minimal ada 1 perlakuan yang berpengaruh dengan produksi Fillet
Tuna)
Taraf signifikansi :
= 1 % = 0,01
Statistik Uji :
Tests of Between-Subjects Effects
Dependent Variable: data
Source

Type III Sum of

df

Mean Square

Sig.

Squares
Corrected Model

1.284a

.143

6.607

.016

Intercept

28.529

28.529

1320.944

.000

Hari_kerja

.030

.010

.465

.717

Operator

.827

.276

12.769

.005

perlakuan

.427

.142

6.588

.025

Error

.130

.022

Total

29.943

16

1.414

15

Corrected Total

a. R Squared = .908 (Adjusted R Squared = .771)

Berdasarkan perhitungan menggunakan software SPSS di atas diperoleh nilai


P-value = 0,025
Daerah kritis :
Menolak H0 apabila nilai P-value <
Keputusan :
Gagal menolak H0 karena nilai P-value = 0,025 > = 0,01

Kesimpulan :
Tidak ada pengaruh antara perlakuan dengan produksi Fillet Tuna
d. Uji Lanjut (untuk operator)
Data
Duncan
Operator

Subset
1

Operator 2

1.09875

Operator 4

1.11875

Operator 3

1.53625

Operator 1

1.58750

Sig.

.854

.639

Means for groups in homogeneous subsets are


displayed.
Based on observed means.
The error term is Mean Square(Error) = .022.
a. Uses Harmonic Mean Sample Size = 4.000.
b. Alpha = .01.

Interpretasi Subsets :
Dari tabel homogeneous Subset terlihat bahwa operator 2 dan 4 berada
pada satu subset yang sama yaitu subset 1 yang mengindikasikan bahwa tidak
ada perbedaan pengaruh pengelompokkan pada operator 2 dan 4. Sementara
pada operator 3 dan 1 berada pada satu subset yang sama yaitu subset 2 yang
mengindikasikan bahwa tidak ada perbedaan pengaruh pengelompokkan pada
operator 3 dan 1.