Disusun Oleh :
FONDRA (12.112.016)
Dosen Pengampu :
Ir. Endah Sri Redjeki, M.P., PhD.
FAKULTAS PERTANIAN
PROGRAM STUDI AGROTEKNOLOGI
UNIVERSITAS MUHAMMADIYAH GRESIK
2015
KATA PENGANTAR
(Penulis)
DAFTAR ISI
SAMPUL................................................................................................
ii
DAFTAR ISI...............................................................................................................
iii
BAB 1 PENDAHULUAN...........................................................................................
13
15
16
17
21
27
27
31
33
38
46
53
53
54
58
89
89
BAB 1
PENDAHULUAN
3
106
Memperkecil simpangan baku, nilai tengah perlakuan dan mengendalikan ragam galat
percobaan.
Menjamin setiap perlakuan memperoleh peluang yang sama untuk diberikan pada
sembarang unit percobaan.
Untuk memastikan bahwa akan diperoleh nilai-dugaan yang sahih atau tak bias bagi
nilai tengah perlakuan, beda antar nilaitengah, dan galat percobaan.
Tanpa pengacakan (perlakuan diberikan pada unit percobaan dengan pola tertentu)
mempunyai resiko galat percobaan terlalu besar atau kecil.
TERMINOLOGI RANCOB
1. Perlakuan (Treatment)
Suatu prosedur atau metode yang diterapkan pada unit percobaan. Prosedur yang
diterapkan dapat berupa pemberian jenis Emulsifier yang berbeda, dosis emulsifier yang
berbeda, penggunaan suhu proses yang berbeda, lama waktu proses yang berbeda,
kombinasi dari perlakuan, dll.
Contoh : Seorang peneliti ingin mempelajari pengaruh berbagai jarak tanam pada berbagai
galur terhadap pertumbuhan dan hasil tanaman kacang bogor .
2. Unit Percobaan
Unit percobaan adalah unit terkecil dalam suatu Rancob yang diberi suatu perlakuan.
Terdiri dari obyek-obyek, bahan-bahan, atau unit-unit untuk yang mana perlakuanperlakuan diterapkan.
3. Satuan Pengamatan
Satuan pengamatan adalah anak gugus dari unit percobaan dimana respon perlakuan
akan diukur.
4. Faktor
Suatu faktor adalah satu dari peubah-peubah terkendali atau tak terkendali yg
berpe
mencakup hal-hal dalam pemilihan : (a) faktor, (b) bahan, prosedur, peralatan, (c) satuan
ukuran faktor dan metode pengukuran.
2. Sedapat mungkin, pengaruh dari faktor tidak dikaburkan oleh peubah-peubah lain.
Penggunaan pola percobaan yang cocok akan membantu membebaskan pembandingan
perhatian dari pengaruh peubah tak terkendali dan menyederhanakan analisis hasil.
3. Sedapat mungkin, percobaan terbebas dari bias, baik secara sadar maupun tidak.
Penggunaan pengelompokan terencana, pengacakan, dan pengulangan.
4. Percobaan harus memberikan ragam galat percobaan (presisi). Penerapan pengulangan
memberikan ragam tersebut dan pengacakan memastikan kesahihannya.
5. Presisi percobaan cukup memenuhi tujuan-tujuan percobaan. Presisi yang tinggi dapat
dicapai dengan penyempurnaan dalam pengukuran, teknik percobaan, pengelompokan,
dan pengulangan.
JENIS RANCANGAN PERCOBAAN
1. Rancangan Perlakuan: berkaitan dg pembentukan perlakuan-perlakuan.
a. Satu Faktor (Single Factor Experiments)
b. Dua Faktor
1. Faktorial: - Bersilang
- Tersarang
2. Split Plot
3. Split Blok
c. Tiga Faktor atau lebih
1. Faktorial : - Bersilang
- Tersarang
- Campuran (bersilang sebagian & tersarang sebagian)
2. Split-split Plot
3. Split-split Blok
2. Rancangan Lingkungan: berkaitan dg penempatan perlakuan-perlakuan pada unit-unit
percobaan.
a.
b.
c.
d.
Rancangan Lattice
- Lattice seimbang
- Triple Lattices
- Quadruple Lattices
t ( n 1 ) 15
t = banyaknya perlakuan
8
n = banyaknya ulangan
Contoh: Diketahui jumlah perlakuan yang diberikan = t = 3, Maka ulangan minimal yang
diperlukan:
t ( n 1 ) 15
3 ( n 1 ) 15
3n 3 15
3n 18 n = 18/3 = 6
10
11
12
Cvm.
B. Penempatan Perlakuan
14
15
BAB 2
MATERI PART I
2.1 UJI LANJUT BNT
Merupakan prosedur pengujian perbedaan rata-rata perlakuan yang paling sederhana
dan paling umum dilakukan. Diperkenalkan oleh Fisher (1935). Metode ini dikenal juga
dengan Metode Fishers LSD (Least Signifikan Different)
16
17
1)
2)
3)
4)
5)
BNJ merupakan serangkaian Uji dalam suatu penelitian untuk mengetahui tingkat
kejujuran dari hasil pengamatan data yang diteliti.
Hal-hal yang diperlukan untuk uji BNJ, adalah :
Data rata-rata perlakuan.
Taraf nyata
Jumlah perlakuan
db galat
T table.
Rumus BNJ :
Keterangan :
= Taraf uji T (exp : 1% atau 5%)
q = Hasil analisis tabel t
p = Jumlah perlakuan
v = db galat
r = ulangan
Contoh penerapan Uji BNJ :
Pengaruh pemupukan P terhadap bobot polong isi (gram) kedelai varietas UDIENESE 01.
Percobaan dilakukan dengan RAK, yang bertujuan untuk mengetahui pengaruh P terhadap
bobot polong isi kedelai.
Data Hasil Pengamatan
18
Tabel Annova
19
Langkah selanjutnya adalah menentukan perbedaan pengaruh antar perlakuan. Untuk itu,
diperlukan kodifikasi dengan huruf (misal : a,b,c,d,,,,)
1. Selanjutnya, menyusun nilai rata-rata perlakuan dari yang terkecil hingga yang terbesar.
2. Setelah mengurutkan data, langkah berikutnya adalah menentukan huruf kodifikasi.
Pertama2, jumlahkan nilai kritis BNJ5% = 11,06 dengan nilai rata2 perlakuan terkecil
pertama, yaitu 17,33 + 11,06 = 28,39, dan beri huruf a dari nilai rata2 perlakuan terkecil
(17,33), hingga nilai rata2 perlakuan berikutnya yang kurang dari atau sama dengan nilai
28,39. Dalam contoh ini, yang diberikan kodifikasi huruf a adalah nilai rata2 perlakuan
17,33 sampai dengan 26,00.
3. Langkah selanjutnya adalah menjumlahkan lagi nilai kritis BNJ5% = 11,06 dengan nilai
rata2 perlakuan terkecil kedua, yaitu 21,00 + 11,06 = 32,06, dan diberi huruf b dari nilai
rata2 perlakuan 21,00 hingga 32,06 (Dalam permasalahan ini nilai yang mendekati adalah
30,67).
4. Langkah selanjutnya adalah menjumlahkan lagi nilai kritis BNJ5% = 11,06 dengan nilai
rata2 perlakuan terkecil ketiga, yaitu 22,67 + 11,06 = 33,73, dan diberi huruf c dari nilai
20
rata2 perlakuan 22,67 hingga 33,73 (Dalam permasalahan ini nilai yang mendekati adalah
30,67).
Perhatian :
Karena kodifikasi huruf c pada sesi ini tidak melewati kodifikasi huruf b, maka
harus diabaikan dan perhitunganya dilanjutkan pada nilai rata2 terkecil keempat.
Penjumlahan nilai rata2 terkecil keempat, yaitu 26,00 + 11,06 = 37,06. maka, pemberian
kodifikasi huruf c dimulai dari nilai 26,00 hingga 37,06 (Dalam permasalahan ini yang
mendekati adalah nilai 36,00).
5. Langkah selanjutnya adalah menjumlahkan lagi nilai kritis BNJ5% = 11,06 dengan nilai
rata2 perlakuan terkecil kelima, yaitu 30,67 + 11,06 = 41,73, dan diberi huruf d dari nilai
rata2 perlakuan 30,67 hingga 41,73 (Dalam permasalahan ini nilai yang mendekati adalah
41,00).
Karena kodifikasi huruf d telah sampai pada nilai rata2 terbesar, maka perhitungan
selanjutnya dihentikan.
21
Perlakuan yang diikuti oleh huruf yang sama berarti tidak berbeda nyata pengaruhnya
menurut BNJ5%.
Dari hasil tersebut, Perlakuan P2,P3,P4 sama-sama diikuti huruf d, artinya perlakuan
P2,P3,P4 tidak berbeda nyata pengaruhnya menurut BNJ5%.
Jadi, dalam kasus penelitian ini, P2 dapat disimpulkan sebagai perlakuan terbaik.
2.3 UJI LANJUT DUNCAN (Duncans Multiple Range Test)
Uji Duncan (Duncans Multiple Range Test) / DMRT, disasarkan pada sekumpulan
nilai beda nyata yang ukuranya semakin besar, tergantung pada jarak diantara pangkat2 dari
dua nilai tengah yang dibandingkan. DUNCAN dapat digunakan untuk menguji perbedaan
diantara semua pasangan perlakuan yang mungkin tanpa memperhatikan jumlah perlakuan.
Uji DMRT berbeda dengan Uji BNT atau BNJ. Kalau pada Uji BNT atau BNJ,
perbandingan terhadap nilai-nilai rata-rata perlakuan hanya menggunakan satu nilai
pembanding, sedangkan Uji DMRT nilai pembandingnya sebanyak P 1 atau tergantung
banyaknya perlakuan. Artinya apabila perlakuan anda berjumlah 10, maka nilai
pembandingnya sebanyak 9.
Untuk menggunakan uji ini, atribut yang anda perlukan adalah 1) data rata-rata
perlakuan, 2) taraf nyata, 3) jumlah perlakuan, 4) derajad bebas (db) galat, dan 5) tabel
Duncan untuk menentukan nilai kritis uji perbandingan.
22
Rumus DMRT
Sebagai contoh, data berikut ini merupakan hasil dari pengamatan pengaruh P terhadap
bobot isi polong (gram) kedelai varietas UDIENESE 2. Percobaan dilakukan dengan rancangan
acak kelompok dengan tujuan untuk mengetahui pengaruh pemupukan P terhadap bobot polong
isi kedelai. Data hasil pengamatan adalah sebagai berikut :
Tabel ANNOVA
Langkah pertama yang harus anda lakukan adalah menentukan nilai jarak (R) sebanyak p
- 1 (dalam contoh ini p = 7, maka p 1 = 7 1 = 6) berdasarkan data jumlah perlakuan (dalam
contoh ini perlakuan, p = 7), derajat bebas (db) galat (dalam contoh ini db galat = 12, lihat angka
12 yang berwarna kuning pada tabel analisis ragam), dan taraf nyata (dalam contoh ini misalkan
taraf nyata = 5% atau 0,05 (disimbolkan dengan alfa). Sehingga nilai jarak (R) ini ditulis dengan
R(p, v, ).
Menentukan nilai r
23
Perhatikan angka yang di block warna merah. Jumlah angka angka pada blok tersebut
ada 6 yang saya ambil berdasarkan P 1 atau 7 1 = 6 dan db galat = 12 seperti yang sudah kita
tentukan sebelumnya. Untuk lebih jelasnya angka-angka tersebut saya pindahkah pada tabel
berikut :
Dengan cara yang sama anda dapat menghitung nilai kritis DMRT untuk P = 3, P = 4, P =
5, P = 6, dan P = 7. Dan hasilnya dapat anda lihat pada tabel berikut:
Setelah mengurutkan data nilai rata2 dari yang terkecil sampai yang terbesar, selanjutnya
menghitung DMRT pada P = 2, yaitu 6,88 dengan perlakuan terkecil pertama, yaitu 17,33 +
24
6,88 = 24,21, dan diberi kodifikasi a. Dari nilai kecil pertama 17,33 hingga nilai rata2
perlakuan berikutnya yang kurang dari atau sama dengan 24,21. (Dalam hal ini nilai yang
mendekati adalah antara 17,33 sampai 22,67).
Selanjutnya adalah menghitung DMRT pada P = 4 yaitu 7,44 dengan nilai rata-rata
perlakuan terkecil ketiga, yaitu 22,67 + 7,44 = 30,11 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 30,11. Dalam contoh ini huruf c diberi dari nilai rata-rata perlakuan
22,67 hingga 26,00. Lebih jelasnya lihat pada tabel berikut :
Perhatian :
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 DMRT pada P = 5 yaitu 7,51 dengan nilai ratarata perlakuan terkecil keempat, yaitu 26,00 + 7,51 = 33,51 dan beri huruf c (karena pemberian
huruf c sebelumnya dibatalkan, maka pemberian dengan huruf c kembali digunakan) dari
25
nilai rata-rata perlakuan terkecil keempat (26,00) hingga nilai rata-rata perlakuan berikutnya
yang kurang dari atau sama dengan nilai 33,51.
Dalam contoh ini huruf c diberi dari nilai rata-rata perlakuan 26,00 hingga 30,67. Lebih
jelasnya lihat pada tabel berikut :
Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 6 yaitu 7,60 dengan nilai ratarata perlakuan terkecil kelima, yaitu 30,67 + 7,60 = 38,27 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 38,27. Dalam contoh ini huruf d diberi dari nilai rata-rata perlakuan
30,67 hingga 36,00. Lebih jelasnya lihat pada tabel berikut :
Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 7 yaitu 7,64 dengan nilai ratarata perlakuan terkecil keenam, yaitu 36,00 + 7,60 = 43,20 dan beri huruf d dari nilai ratarata perlakuan terkecil kelima (36,00) hingga nilai rata-rata perlakuan berikutnya yang
kurang dari atau sama dengan nilai 43,20. Dalam contoh ini huruf e diberi dari nilai ratarata perlakuan 36,00 hingga 41,00. Lebih jelasnya lihat pada tabel berikut :
26
Terakhir anda susun kembali nilai rata-rata perlakuan tersebut sesuai dengan
perlakuannya, seperti tabel berikut:
Penjelasan :
Arti huruf-huruf pada tabel diatas? Prinsip yang harus dipegang adalah bahwa
perlakuan yang diikuti oleh huruf yang sama berarti tidak berbeda nyata pengaruhnya menurut
DMRT5%. Pada perlakuan P2 dan P3 sama-sama diikuti huruf e artinya perlakuan P2dan P3
tidak berbeda nyata pengaruhnya.
2.4 T-Test
Pada dasarnya prinsip t- test hampir sama dengan zscore. Jika z-score menunjukkan
distribusi angka kasar maka t- score atau ttest adalah disribusi perbedaan mean (beda mean/
bm). Fungsi ttest yaitu sebagai uji komparasi antar 2 sampel bebas (independent). Tes ini
diterapkan jika analis data bertujuan untuk mengetahui apakah 2 kelompok sampel berbeda
dalam variabel tertentu
T - tes diaplikasikan dengan beberapa kondisi antara lain:
27
a.
b.
c.
Keterangan :
t
= r ratio / t-test / t analisis yang dihitung
M 1 = rata-rata pada kelompok 1
M 2 = rata-rata pada kelompok 2
Mh = mean hipotetik. Dalam hal ini mean hipotetik adalah 0. Sebab secara hipotetik
disebutkan bahwa mean antar 2 kelompok sama/ tidak ada perbedaaan.
SDbm = standard kesalahan perbedaan mean
Sehingga rumus t-test dapat berubah menjadi :
Prosedur analisis :
1.
Tentukan mean pada kelompok 1 dan mean pada kelompok 2
2.
Hitunglah besar SD, SDm dan SDbm
3.
Masukkan dalam rumus t-test atau t ratio. Hasil perhitungan t ratio dinamakan t hasil
analisis.
4.
Tentukan titik kritis pada taraf signifikansi tertentu dengan db sesuai besar sampel dari 2
kelompok yang dianalisis.
5.
Ambil keputusan dengan cara membandingkan antara hasil analisis dengan titik kritis
pada tabel nilai t atau tabel kurve normal. Jika hasil analisis melampaui titik kritis maka
hipotesis nol ditolak.
6.
Berdasarkan hasil analisis dan keputusan yang diambil selanjutnya kemukakan
kesimpulan analisisnya. Apabila keputusan yang diambil hipotesis nol ditolak atau hipotesis
28
kerja diterima maka dapat disimpulkan bahwa ada perbedaan yang signifikan antara 2
kelompok sampel dalam variabel tertentu.
7.
Lakukan interpretasi dengan mendasarkan diri pada teori kemungkinan atau probabilitas.
Titik kritis :
1.
Untuk N kecil di mana n1 maupun n2 tidak lebih dari 61 maka titik kritis terletak pada
tabel nilai t dengan db (derajat kebebasan/ degree of fredom) = n1 -1 + n2 1 atau n1 + n2
2.
db adalah : suatu derajad di mana kita akan memperoleh batas suatu penolakan terhadap H0
yang bukan disebabkan oleh kesalahan sampling.
2.
Jika N besar yakni n1 maupun n2 lebih dari 61 maka dilakukan pendekatan distribusi
normal dengan alpha atau taraf signifikansi tertentu.
Keputusan :
Hipotesis nol ditolak jika t ratio atau hasil analisis melampaui titik kritis
(t an. > t tabel)
Jika N besar maka hipotesis nol ditolak jika p value < alpha yang
ditetapkan
18
16
15
14
16
17
13
18
17
Ssdh 16
18
18
14
16
16
19
15
19
19
15
18
16
15
14
16
17
13
18
17
Ssdh
16
18
18
14
16
16
19
15
19
19
-1
-2
+1
-2
-2
-2
-1
-2
29
+0,1
+1,1
-0,9
+2,1
-0,9
+1,1
-0,9
-0,9
+0,1
-0,9
0,01
1,21
0,81
4,41
0,81
1,21
0,81
0,81
0,01
0,81
Titik Kritis :
db = 9 ( N-1) dengan alpha 1% maka t tabel sebesar : 3,250 (t titik kritis)
30
Keputusan :
Oleh karena t hasil analisis < dari t tabel maka Ho diterima
Kesimpulan :
Berdasarkan hasil analisis yang dilakukan maka dapat disimpulkan bahwa tidak ada
perbedaan tentang ........ sebelum adanya perlakuan dan sesudahnya dengan taraf kepercayaan
sebesar 1 persen.
2.5 CHI-SQUARE
31
Uji chi square adalah uji hipotesis mengenai perbandingan antara frekuensi observasi /
yang benar2 terjadi / aktual (F0) dengan frekuensi harapan / ekspektasi (Fe) yang
didasarkan pada hipotesis tertentu.
F0 Nilainya dapat dari hasil percobaan
Fe Nilainya didapat dari perhitungan secara teoritis.
Berikut ini adalah beberapa penggunaan uji chi-square.
1. Menguji varians untuk data berdistribusi normal
2. Menguji proporsi untuk data multinomial dan binomial
3. Menguji independensi antara 2 faktor
4. Menguji heterogenitas
5. Menguji kesesuaian antara data dengan suatu model distribusi
Dari lima kegunaan di atas, tiga di antaranya sangat populer di kalangan para peneliti, yaitu
menguji proporsi, menguji independensi, dan menguji heterogenitas. Oleh karena itu, di
sini akan diberikan contoh penggunaan tiga jenis uji yang populer tersebut saja.
Contoh Chi-Square :
Menurut teori genetika (Hukum Mendel I) persilangan antara kacang kapri berbunga
merah dengan yang berbunga putih akan menghasilkan tanaman dengan proporsi sebagai
berikut: 25% berbunga merah, 50% berbunga merah jambu, dan 25% berbunga putih.
Kemudian, dari suatu penelitian dengan kondisi yang sama, seorang peneliti memperoleh
hasil sebagai berikut, 30 batang berbunga merah, 78 batang berbunga merah jambu, dan 40
batang berbunga putih. Pertanyaannya adalah apakah hasil penelitian si peneliti tersebut
sesuai dengan Hukum Mendel atau tidak?
Untuk menjawab pertanyaan tersebut, kita bisa menggunakan uji chi-square, sebagai
berikut:
1. Buatlah hipotesis
H0: rasio penelitian adalah 1:2:1 atau 25%:50%:25%
HA: rasio penelitian adalah rasio lainnya
Lakukan analisis
32
Kategori
Merah
M. Jambu
Putih
Jumlah
Pengamatan
(o)
30
78
40
148
Diharapkan
(E)
37
74
37
148
Apabila data (hasil pengamatan) dari satuan percobaan hilang atau tidak dapat digunakan,
misalkan karena:
materi percobaan (ternak / ikan) sakit atau mati, bukan akibat perlakuan
ada petak lahan yang dirusak tikus
tabung pecah di laboratorium
salah pencatatan
terdapat pencilan data, dll.
Maka, diperlukan penaganan lebih lanjut. Untuk RAL, data hilang tersebut tidak perlu
dicari , karena dapat diolah menggunakan RAL dengan n (ulangan) tak sama. Sedangkan untuk
RAK, data hilang tersebut perlu dicari dengan cara menaksir kembali berdasarkan perhitungan
missing data dari Yates.
Apabila Satu nilai pengamatan hilang, maka dapat dicari dengan menggunakan rumus:
n. B+t . T G
(n 1)(t 1)
Yij =
Ket:
n = kelompok
t = perlakuan
B = data dari kelompok yang mengandung data hilang
T = data dari perlakuan yang mengandung data hilang
G = total semua pengamatan.
Kelompok
II
III
Total
IV
34
1
2
3
4
Total
9
8
11
14
42
6
7
9
11
33
14
15
16
45
4 x 45+ 4 x 19143
(4 1)(4 1)
Y13 =
4
5
6
8
23
19
34
41
49
143
= 12,56 = 13
I
9
8
11
14
42
Kelompok
II
III
6
13
7
14
9
15
11
16
33
58
Total
IV
4
5
6
8
23
32
34
41
49
156
d.b.
J.K.
K.T.
F hitung
165,5
55,167
88,267
Perlakuan
44,5
14,833
Galat
Total
8
14
5
214
Kelompo
k
23,733*
*
F tabel
0,05
0,01
4,07
7,59
F hitung > F tabel, hal ini berarti memiliki perbedaan yang sangat nyata
Dengan mengganti Y13 sebagai nilai dugaan ( menggantikan data yang hilang), maka
menghasilkan :
35
Data ini dipengaruhi oleh besarnya bias, untuk menghitung besar bias maka
menggunakan rumus:
[B (t 1)Yi j]2
t (t 1)
Bias =
[45 (4 1) 13]2
4 (4 1)
=3
I
A
8.14
7.76
7.17
7.46
30.53
Kelompok
II
8.00
8.15
b
7.57
7.68
31.40
Total
III
7.93
7.87
7.74
7.80
7.21
38.55
15.93
24.16
15.50
22.54
22.35
100.48
Penyelesaianya:
1. Dugalah a dengan:
a=
(Yi .+Y . j)
2
(15,93/2+30,53/4 )
2
= 7.8
2. Dengan demikian seakan akan hanya ada 1 nilai ynag hilang yaitu b
n=3
B = 31.40
t=5
b1 =
n. B+t . T G
(n 1)(t 1)
7.93
3. Dengan diketahui nilai b1 = 7.93 , seakan akan hanya ada 1 nilai yang hilang yaitu a.
n=3
B = 30.53
t=5
a1 =
n. B+t . T G
(n 1)(t 1)
7.85
B = 31,40
t=5
b2 =
n. B+t . T G
(n 1)(t 1)
7.92
B = 30,53
t=5
a2 =
n. B+t . T G
(n 1)(t 1)
7.86
6. Perhatikan:
b1 = 7.93
a1 = 7.85
b2 = 7.92
a2 = 7.86
karena memiliki beda yang cukup kecil, maka proses perhitungan data yang
hilang dapat dihentikan, dengan nilai yang diduga a = 7.86 ; b = 7.92
Maka diperoleh data lengkap sebagai berikut:
Perlakuan
A
B
C
D
E
Total
I
7.86
8.14
7.76
7.17
7.46
38.39
Kelompok
II
8.00
8.15
7.92
7.57
7.68
39.32
III
7.93
7.87
7.74
7.80
7.21
38.55
Total
23.79
24.16
23.42
22.54
22.35
116.26
37
30,53 2
4
31,4 2
4
116,26 2
15
38,55 2
5
+
2
JKK (comp.value) =
JKP (comp.value) =
= 1.1679
= 0,0976
= 1.2145
116,26
15
100,48 2
13
116,26
15
= 0,0989
2
= 0.8209
= 1.1679
JKK(org.value)
= 0.0976
JKG(comp.value)
= 0.2947 +
= 0.3923 _
JKP terkoreksi
= 0.7756
Tabel anova:
S.K.
d.b.
JK
K.T.
F Hitung
Kelompok (comp.value)
Perlakuan (terkoreksi)
Galat (comp.value)
Total (comp.value)
2
4
6
12
0.0989
0.7756
0.2947
0.0495
0.1939
0.0491
1.01
3.95
F tabel
0.05
0.01
4.53
9.15
Kesimpulan : F hitung < F tabel (0.05) jadi tidak terdapat perbedaan yang nyata diatara
perlakuan)
Polinomial orthogonal merupakan salah satu pendekatan yang digunakan untuk mencari
persamaan regresi yang paling sesuai untuk menggambar pola respon (trend) suatu pengamatan
terhadap perlakuan kuantitatif dengan interval sama (misal, 0, 10, 20, 30, dst).
Persamaan polinomial
Variabel bebas
Koefisien
. . ., Yp
( Yi ) ( ci)
2
JKLi =
7. Pengujian harus dimulai dari pangkat tertinggi. Jika Ho pangkat tertinggi ditolak (berarti
nyata), maka pengujian tidak dilanjutkan ke pangkat yang lebih rendah, sebaliknya jika
Ho pangkat tertinggi diterima (berarti tidak nyata), maka pengujian dilajutkan pada
pangkat tertinggi berikutnya, dan seterusnya
8. Ditarik kesimpulan tetang pangkat yang paling sesuai untuk menunjukkan pola respon
variabel yang diamati terhadap perlakuan.
Contoh soal :
Data Pengamatan Bobot Pipilan Kering per Petak dari tanaman jagung yang dipupuk dengan 5
Merk Kompos Pabrikan, dengan Merk A dan B produksi Malang, Merk C dan D produksi Gresik
dan Merk E produksi Mojokerto.
Jenis
1
7
12
14
19
7
59
Kompos
A
B
C
D
E
Total
2
7
17
18
25
10
77
Ulangan
3
15
12
18
22
11
78
Yi
4
11
18
19
19
15
82
5
9
18
19
23
11
80
49
77
88
108
54
376
Tabel anova
S.K.
Pelakua
n
Galat
Total
d.b.
J.K.
K.T.
475,76
118,94
20
24
161,2
636,96
8,06
F
hitung
14,77**
F tabel
0,05
0,01
2,87
4,43
Kesimpulan:
Pupuk Kompos yang diberikan berbeda sangat nyata dalam menghasilkan pertambahan berat
Bobot Pipilan Kering per Petak dari tanaman jagung.
Diperoleh keterangan bahwa pupuk kompos tersebut dapat dikelompokkan ke dalam 3
komponen:
I.
Merk A dan B diproduksi dari pabrikan Malang
II.
Merk C dan D diproduksi dari pabrikan Gresik
III.
Merk E diproduksi dari pabrikan Mojokerto
40
Maka dari ketiga komponen ini dapat kita bandingkan sebagai berikut:
(1) Apakah ada perbedaan diantara kompos produksi Malang..?
Dibandingkan : Pabrik A dibandingkan dengan Pabrik B
(2) Apakah ada perbedaan diantara kompos Produksi Gresik..?
Dibandingkan: Pabrik C dibanding dengan pabrik D
(3) Apakah kompos Produksi Malang menghasilkan pertambahan berat pipilan kering > dari
pada produksi Gresik..?
Dibandingkan: Pabrik C dan D dibandingkan dengan pabrik A dan B
(4) Apakah kompos produksi Mojokerto dapat bersaing dengan kompos buatan Malang dan
Gresik..?
Dibandingkan: Pabrik A,B,C dan D dibanding dengan pabrik E
A
49
-1
0
-1
-1
B
77
1
0
-1
-1
C
88
0
-1
1
-1
D
108
0
1
1
-1
E
54
0
0
0
4
2
2
4
20
J.K. komponen 1 =
J.K. komponen 2 =
J.K. komponen 3 =
J.K. komponen 4 =
= 78,40
41
= 40,00
= 254,00
= 112,36
Pengecekan:
J.K. komponen 1 + J.K. komponen 2 + J.K. komponen 3 + J.K. komponen 4 = JK. Perlakuan.
S.K.
d.b.
J.K.
K.T.
F hitung
Perlakuan
1
2
3
4
Galat
Total
475,76
78,40
40,00
245,00
112,36
161,20
636,96
118,94
78,4
40
245
112,36
8,06
9,73**
4,96*
30,40**
13,94**
1
1
1
1
20
24
F tabel
0,05
0,01
4,35
8,1
Kesimpulan :
(1) Apakah ada perbedaan diantara kompos produksi Malang..?
Jawaban : Perbedaan kompos pabrikan produksi Malang menunjukkan berbeda sangat
nyata. F hitung > F tabel 0,01
(2) Apakah ada perbedaan diantara kompos Produksi Gresik..?
Jawaban : Perbedaan kompos pabrikan produksi Gresik menunjukkan berbeda nyata. F
tabel 0,01 > F hitung > F tabel 0,05
(3) Apakah kompos Produksi Malang menghasilkan pertambahan berat pipilan kering > dari
pada produksi Gresik..?
Jawaban : Perbedaan kompos Produksi Malang menghasilkan pertambahan berat pipilan
kering > dari pada produksi Gresik menunjukkan berbeda sangat nyata. F hitung > F tabel
0,01
(4) Apakah kompos produksi Mojokerto dapat bersaing dengan kompos buatan Malang dan
Gresik..?
Jawaban : Perbedaan kompos produksi Mojokerto dapat bersaing dengan kompos buatan
Malang dan Gresik berbeda sangat nyata. F hitung > F tabel 0,01
42
Pangkat variabel bebas dalam polinomial othogonal juga menggambarkan jenis kurva respon
yang dapat dibentuk oleh perlakuan.
Dalam polinomial orthogonal:
Pangkat yang dapat dimasukkan dalam persamaan regresi maksimum adalah p-1 (p=banyaknya
perlakuan).
Contoh :
jika jumlah perlakuannya = 2 maka persamaan regresi hanya memiliki pangkat 1 (linier),
karena kurva yang dapat dibentuk dari dua perlakuan hanya garis lurus.
jika jumlah perlakuannya = 3 maka persamaan regresi dapat memiliki pangkat 1 (linier)
atau pangkat 2 (kuadratik), karena kurva yang dapat dibentuk dari 3 perlakuan dapat
berupa garis lurus atau garis lengkung (parabolik atau hiperbolik).
5
6
Pangkat
1
1
2
1
2
3
1
2
3
4
1
2
3
4
Y1
-1
-1
1
-3
1
-1
-2
2
-1
1
-5
5
-5
1
Y2
1
0
-2
-1
-1
3
-1
-1
2
4
-3
-1
7
-3
Total Perlakuan
Y3
Y4
1
1
1
-1
-3
0
-2
0
6
-1
-4
4
2
43
3
1
1
1
-1
-2
-4
1
-4
-4
2
( Ci
Y5
2
2
1
1
3
-1
-7
-3
Y6
5
5
5
1
2
2
6
20
4
20
10
14
10
70
70
84
180
28
-1
-10
10
-5
252
Contoh soal :
Data Pengamatan Bobot Pipilan Kering per Petak dari tanaman jagung yang dipupuk dengan 5
Merk Kompos Pabrikan, dengan Merk A dan B produksi Malang, Merk C dan D produksi Gresik
dan Merk E produksi Mojokerto.
Jenis
1
7
12
14
19
7
59
Kompos
A
B
C
D
E
Total
2
7
17
18
25
10
77
Ulangan
3
15
12
18
22
11
78
Yi
4
11
18
19
19
15
82
5
9
18
19
23
11
80
49
77
88
108
54
376
Tabel anova
S.K.
Pelakua
n
Galat
Total
d.b.
J.K.
K.T.
475,76
118,94
20
24
161,2
636,96
8,06
F
hitung
14,77**
F tabel
0,05
0,01
2,87
4,43
Kesimpulan:
Pupuk Kompos yang diberikan berbeda sangat nyata dalam menghasilkan pertambahan berat
Bobot Pipilan Kering per Petak dari tanaman jagung.
Tabel koefisien polinomial ortogonal untuk 5 perlakuan
Respon(pangkat
A
( Ci
E
49
-2
2
-1
1
polinomial)
Linier
Kuadratik
Kubik
Kuartik
77
-1
-1
2
-4
88
0
-2
0
6
108
1
-1
-2
-4
54
2
2
1
1
10
14
10
70
HIPOTESIS
Kuartik
Ho : b4 = 0
Kubik
Ho : b3 = 0
Kuadratik Ho : b2 = 0
Linier
Ho : b1 = 0
Analisis Varians
JK Linier
= 33,62
2
JK kuadratik =
JK Kubik
= 64,98
JK Kuartik
= 33,95
d.b.
4
1
1
1
1
20
24
J.K.
K.T.
F hitung
475,76
33,62
343,21
64,98
33,95
161,2
636,96
118,94
33,62
343,21
64,98
33,95
8,06
4,17
42,58**
8,06*
4,21
Kesimpulan :
45
F tabel
0,05
0,01
4,25
8,1
= 324,21
Ho : b4 = 0 diterima, artinya respon bobot pipilan kering jagung terhadap dosis pupuk
urea merupakan bentuk regresi dengan pangkat lebih rendah dari kuartik
Ho : b3 = 0 ditolak, artinya respon bobot pipilan kering jagung terhadap dosis pupuk urea
merupakan bentuk regresi kubik
2.8 LATIN SQUARE DESIGN
1. Teori dan Analisis Data Secara Manual
Rancangan bujursangkar latin (Latin Square Randomized Design) merupakan salah satu
model rancangan lingkungan dalam rancangan percobaan. Desain rancangan ini berbentuk bujur
sangkar sehingga disebut juga rancangan bujur sangkar latin. Rancangan ini digunakan apabila
unit percobaan tidak homogen, dimana ketidak homogen tersebut diduga mengarah pada dua
arah sehingga pengelompokan perlakuannya berdasarkan dua kriteria yaitu pengelompokan ke
arah baris dan ke arah kolom/lajur.
Rancangan ini merupakan pengembangan dari rancangan acak lengkap rancangan acak
kelompok. Istilah baris dan kolom/lajur dipakai untuk menyatakan bahwa kontrol lokal
ditentukan oleh dua kondisi berbeda yang dapat mempengaruhi hasil percobaan, sehingga
pengacakan perlu dilakukan secara kuadrat.
Berbeda dengan Rancangan Acak Kelompok yang hanya mengelompokan 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 bujursangkar latin dapat dipisahkan galat keragaman yang disebabkan oleh
perbedaan dalam baris maupun kolom.
Kelemahan utama RBSL selain tidak boleh ada interaksi antara perlakuan dengan baris
dan kolom; dan akan menyebabkan adanya sumber keragaman data di luar perlakuan yang
merupakan dua hal yang tidak diteliti (misalnya dua arah silang metode kerja, dua arah silang
kondisi kesuburan lahan, dsb), juga adalah banyaknya baris, kolom, dan perlakuan harus sama,
sehingga apabila jumlah perlakuan besar, maka rancangan ini menjadi tidak praktis karena
memerlukan jumlah ulangan (satuan percobaan) yang besar serta menyebabkan biaya mungkin
terlalu besar. Disisi lain, apabila 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 RBSL digunakan hanya untuk percobaan
dengan banyaknya perlakuan yang tidak kurang dari lima dan tidak lebih dari delapan. Karena
keterbatasan tersebut, Rancangan Bujur Sangkar Latin tidak digunakan secara luas dalam
percobaan.
46
Rancangan Bujur Sangkar Latin, dapat juga digunakan pada percobaan yang
mnggunakan bahan percobaan yang mahal, misalnya kerbau atau sapi. Untuk percobaan yang
meneliti empat perlakuan jenis pakan kerbau, dengan menggunakan Rancangan Kelompok,
sekurang-kurangnya harus menggunakan dua belas ekor kerbau, sedangkan bila menggunakan
Rancangan Bujur Sangkar Latin, hanya menggunakan empat ekor kerbau yang dicobakan pada
empat tahapan penelitian.
Rancangan bujursangkar latin ini digunakan apabila unit percobaan tidak homogen,
dimana ketidak homogen tersebut diduga mengarah pada dua arah sehingga pengelompokan
perlakuannya berdasarkan dua kriteria yaitu pengelompokan baris dan kolom
Model linier yang tepat untuk rancangan bujursangkar latin adalah:
Yij(t) = + Bi + Kj + P(t) + ij(t)
dimana:
i = 1, 2, ...n; j = 1, 2, ...n; dan t = 1, 2, ...n
Yij(t) = nilai pengamatan pada baris ke-i, kolom ke-j yang mendapat perlakuan ke-t.
Bi
47
48
Cara
analisis
data dapat
dilihat
pada Tabel
Berikut :
Hasil analisis data dimasukkan ke dalam Tabel, yang merupakan tabel sidik ragam
1. Berdasarkan tabel sidik ragam, lakukan uji hipotesis dengan membandingkan F. Hitung
dengan F. Tabel.
Kaidah keputusan yang harus diambil adalah sebagai berikut:
a Jika F. Hitung > F. Tabel pada taraf 1% ( = 0,01), perbedaan diantara nilai tengah baris
atau kolom atau perlakuan (atau pengaruh baris atau kolom atau perlakuan) dikatakan
berbeda sangat nyata (pada hasil F. Hitung ditandai dengan dua tanda **).
b. Jika F. Hitung > F. Tabel pada taraf 5% ( = 0,05) tetapi lebih kecil daripada F. Tabel pada
taraf 1%, perbedaan diantara nilai tengah baris atau kolom atau perlakuan dikatakan
berbeda nyata (pada hasil F. Hitung ditandai dengan satu tanda *).
c. Jika F. Hitung F. Tabel pada taraf 5% ( = 0,05), perbedaan diantara nilai tengah baris
atau kolom atau perlakuan dikatakan tidak nyata (pada hasil F. Hitung ditandai dengan
tn)
Bila H1 diterima, maka dilanjutkan dengan uji BNT atau LSD=t/2,dbg .
2. Apabila ulangan sama
LSD=t/2,dbg .
2 ( KTG )
r
Keterangan:
KTG
: Taraf nyata
50
2 KTG /r
dbg
: db Galat
: Banyaknya ulangan
Contoh :
Db Galat = 12, pada taraf 0,025%
Nilai tablet t : 2.179
Maka :
LSD = t,dbg .
= 2,179.
2 ( KTG )
r
2 ( 235,18 )
5
= 2,179 x 9.70
= 21.13
51
Perlakua
n
Total
perlakuan
Rerata
1639
327,8
1692
338,4
1446
289,2
1193
238,6
1014
202,8
338,4 d
327,8 d
289.2 c
238.6 b
202.8 a
BNT 0,05
21,1
Kesimpulan
Jika diasumsikan nilai perlakuan A menggunakan pupuk dengan dosis 100kg/ha, dan nilai
perlakuan B menggunakan pupuk dengan dosis 200kg/ha, maka direkomendasikan menggunakan
perlakuan A, karena dengan pupuk 100kg/ha menghasilkan kentang 327,8 g/buah.(perlakuan A
merupakan perlakuan terbaik)
BAB 3
MATERI PART II
52
V1 P0
V1 P0
V2 P0
V1 P0
V2 P0
V2 P0
V2 P1
V2 P1
V1 P1
V2 P1
V1 P1
V1 P1
V2 P2
V1 P2
V1 P2
V1 P2
V2 P2
V2 P2
Gambar 1.1 Hasil pengacakan rancangan petak terbagi (6 x 3), penempatan menurut RAL
3.2.2 Model Matematika Percobaan Petak-Terbagi Dengan RAL
Adapun model matematikanya untuk percobaan petak-terbagi yang memakai rancangan
acak lengkap adalah ;
Yij = + i + j + ()ij + ik + ijk
i= 1,2,.,t
j= 1,2,.,s
k= 1,2..,n
Yijk = nilai pengamatan pada taraf ke-I factor A, taraf ke-j factor B, dan ulngan ke-k
()ij = pengaruh interaksi taraf ke-I factor A dengan taraf ke-j factor B
ik
ijk
3.2.3
Perlakuan
Ulangan
54
Total
Varietas Jagung
Pengaira
n
II
V1
P0
Y001
Y001
Y001
Y00
P1
Y011
Y012
Y013
Y01
P2
Y021
Y021
Y001
Y02
Y01
Y02
Y03
Y0
P0
Y101
Y102
Y103
Y001
P1
Y111
Y112
Y113
Y001
P2
Y121
Y122
Y123
Y001
Y1.1
Y1.2
Y1.3
Y1
Y..1
Y..2
Y..3
Total
V2
Total
Total
Keseluruhan
III
Pengairan
P0
Tabel 1.3
P1
Total
P2
V1
Y00
Y01
Y02
Y0..
V2
Y10
Y11
Y12
Y1..
Total
Y.0.
Y.1.1
Y.2.
S.K
d.b
J.K
K.T
F Hitung
KTA/KTGa
(t-1)
JKA
KTA
Galat (a)
t (n-1)
JKGa
KTGa
55
Total (1)
t.n-1
JKT1
Faktor B
(s-1)
JKB
KTB
KTB/KTGb
Interaksi A x B
(t-1)(s-1)
JKAB
KTAB
KTAB/KTGb
Galat (b)
t (n-1)(s-1)
JKGb
KTGb
Total (2)
Faktor Koreksi =
(Y )
nxsxt
(Y0..) 2 + (Y1..)
JKA
FK
sxn
JKT1
(Y0.1..) 2 + (Y0.2..)
++
(Y1.3..)
FK
s
JKGa
JKT1 - JKA
JKB
(Y0...) 2 + (Y1..)
++
(Y2..)
FK
txn
JKAB
(Y0.1..) 2 + (Y0.2..)
++
(Y1.3..)
FK
JKA
n
JKT2
JKGb
= JKT2
JKT1
JKB
JKAB
KTGa/s x 100
Y /n x s x t
(Dalam hal ini anak petk diabaikan hanya mnganalisis niai-nilai petak utama )
56
K.K.b =
KTGb x 100
Y /n x s x t
Tabel 1.4
No
Perbedaan antara
Pembandingan
antara
(i i dan
j'
(petak utama)
2 KTGa / nxs
ai - ai '
2
b j - b j'
2 KTGb / nxt
3
4
ai b ja i b j '
ai b ja i ' b j
2 KTGb / n
ai b ja i ' b j '
( s1 ) KTGb+ KTGa
II
III
A1
A2
A1
P0
P1
P0
P1
P0
P2
P2
P2
P1
A2
A1
A2
P1
P2
P0
P0
P1
P1
P2
P0
P2
k= 1,2..,n
dengan,
Yijk = nilai pengamatan pada taraf ke-i factor A, taraf ke-j factor B, dan pada kelompok
ke-k
Kk
(penjelasan yang lain sama dengan model matematika percobaan petak-terbagi dalam RAL)
III.3.3 Analisis ragam percobaan petak terbagi dengan RAK
Contoh Soal :
Suatu percobaan bertujuan untuk membandingkan hasil 4 varietas padi : (A) dengan 3
perlakuan kimiawi terhadap benihnya serta perlakuan control B faktor A (yang terdiri dari 4 taraf
tersebut), diberikan secara acak pada petak utama dalam setiap kelompok. Faktor B juga 4 taraf,
diberikan secara acak pada anak petak dalam setiap petak utama. Rancangan petak utamanya
adalah rancangan acak kelompok dengan 4 kelompok, Hasilnya dalam Tabel 1.5 Perhitungan
untuk analisis ragamnya adalah sebagai berikut.
Langkah 1 ; Hitung factor koreksi dan jumlah kuadrat total.
2
[Y ]
nx s x t
Faktor Koreksi =
[3379,8]
4x4x4
= 178485,13
Kelompok
Perlakuan Kimiawi
A0
42,9
53,8
49,5
44,4
190,6
41,6
58,5
53,8
41,8
195,7
59
Total
28,9
43,9
40,7
28,3
141,8
30,8
46,3
39,4
34,7
151,2
144,2
202,5
183,4
149,2
679,3
53,3
57,6
59,8
64,1
234,8
69,6
69,6
65,8
57,4
262,4
45,4
42,4
41,4
44,1
173,3
35,1
51,9
45,4
51,6
184,0
203,4
221,5
212,4
217,2
854,5
62,3
63,4
64,5
63,6
253,8
58,5
50,4
46,1
56,1
211,1
44,6
45,0
62,6
52,7
204,9
50,3
46,7
50,3
51,8
199,1
215,7
205,5
223,5
224,2
868,9
75,4
70,3
68,8
71,6
286,1
65,6
67,3
65,3
69,4
267,6
54,0
57,6
45,6
56,6
213,8
52,7
58,5
51,0
47,4
209,6
Total
247,7
253,7
230,7
245,0
977,1
Total Perlakuan
811,0
883,2
850,0
835,6
3379,8
Kelompok
Total
965,3
936,8
733,8
743,9
Total
A1
Total
A2
Total
A3
JKT2 =
(42,9)2
Yijk2 - FK
(41,6)2
+.+
(47,4)2 - 178485,13
7797,39
60
JK Kelompok =
Yi 2
- FK
t xs
=
-178485,13
= 2842,87
s
JK varitas
= JKA =
Yj 2
- FK
nxs
=
= 2848,02
JKT1
Yij2
= JK Petak utama =
- FK
s
=
= 6309,19
JKGA
JK perlakuan kimia
= JKB =
Y .. k 2
k
- FK
n xt
61
178485,13
= 170,53
JKAB
Yjk 2
- FK JKA - JKB
n
=
= 586,47
JKGb
Tabel 1.6
S.K.
d.b
J.K
K.T
F.hitung
Kelompok
2842,87
947,62
Varietas (Faktor A)
2848,02
949,34
Galat (a)
618,30
68,70
Total (1)
15
6309,19
170,53
56,84
2,80
Interaksi A x B
586,47
65,16
3,21**
Galat (b)
36
731,20
20,31
Total (2)
63
7797,39
13,82**
Koefisiensi Keragaman
62
K.K.a =
=
K.K.b =
KTGa/s x 100
Y /n x s x t
68,70 /4
3379,8 / 4 x 4 x 4
x 100
= 7,8 %
KTGb x 100
Y /n x s x t
20,31
x 100
3379,8 /4 x 4 x 4
K.K.a =
= 8,5%
Pada table 1.6 terlihat bahwa F hitung bagi varitas factor A sangat nyata, sedangkan F hitung
bagi perlakuan kimia benih atau factor B tidak nyata untuk interaksinya sangat nyata. Karena
interaksi tersebut nyataperbedaan respon antar faritas berfariasi tergantung pada perlakuan kimia
benih, oleh karena itu pengaruh sederhananya perlu diperiksa. Pengaruh yang menarik perhatian
dalam hal ini adalah antara ke empat perlakuan kimia benih (Faktor B) dalam setiap faritas
(Faktor A). Untuk ini akan dilihat perbedaan antar kimia perlakuan benih berbagai faritas (A 0, A1,
A2, A3). Dari Tabel 1.5 dapat dihitung rata-rata perlakuan bagaiamana table 1.7.
Tabel 1.7
Varitas A
B0
B1
Rata-rata
Varietas
B2
B3
45,9
37,3
A0
36,1
50,6
42,5
A1
50,9
55,4
53,1
54,3
53,4
A2
53,9
51,4
55,9
56,1
54,3
A3
61,9
63,4
57,7
61,3
61,1
Rata-rata
per. Kim
50,7
55,2
53,1
52,2
52,8
Besarnya galat baku beda antara dua tengah perlakuan kimiai benih dalam varietas yang sama
63
s.e(ai.bj-ai.bj) =
2 KTGb
n
2 x 20,31
=3.19
4
i) Perbedaan antar perlakuan kimia benih pada varietas a0 dengan uji BNT (5%)
BNT (5%) = t5% (36) x s.e(ai.bj - ai.bj)
= 2,028 x 3, 19
= 6,47
Tabel 1.8
Peralakuan
Rata-rata (x)
Beda
BNT
(5%)
x a0,bo)
a0b1a
50,6
14,5
a0b2a
45,9
9,8
a0b3b
37,3
1,2
a0b0b
36,1
x a0,b3)
13,3
x a0,b2)
4,7
8,6
ii) Perbedaan antar perlakuan kimia benih pada varietas a 1 dengan uji BNT (5%) =
s . eabab
= 2,028 x 3,19
= 6,47
Table 11.9
6,47
t5
(36) x
Peralakuan
Rata-rata (x)
Beda
x a0,bo)
4,5
3,4
2,2
x a0,b3)
2,3
1,2
BNT
(5%)
x a0,b2)
1,1
a1b1a
55,4
6,47
a1b3a
54,3
a1b2a
53,1
a1b0b
50,9
Ternyata bahwa perlakuan kimia benih pada varietas a1 tidak memberikan hasil yang berbeda
ii) Perbedaan antar perlakuan kimia benih pada varietas a 2 dengan uji BNT (5%) = t 5 (36) x
s . eabab = 2,028 x 3,19
= 6,47
Table 1.10
Peralakuan
Rata-rata (x)
Beda
x a0,bo)
4,7
4,5
2,5
x a0,b3)
2,2
2,0
BNT
(5%)
x a0,b2)
0,2
a2b3a
56,1
6,67
a2b2a
55,9
a2b0a
53,9
a2b1a
51,4
Terlihat perlakuan kimia benih pada varietas a2 tidak memberikan hasil yang berbeda ii)
Perbedaan antar perlakuan kimia benih pada varietas a3 dengan uji BNT (5%) =
= t 5 (36) x s.e (aibi aibj)
= 2,028 x 3,19
= 6,47
65
Table 1.11
Peralakuan
a3b1a
a3b0a
a3b3a
a3b2a
Rata-rata (x)
63,4
61,9
61,3
57,7
Beda
x a0,bo)
5,7
4,2
3,6
BNT
(5%)
x a0,b3)
2,1
0,6
x a0,b2)
1,5
6,67
Perlakuan kimiawi benih pada varietas a3 tidak memberikan hasil yang berbeda.
Dapat disimpulkan bahwa bagi varitas a0 hasilnya nyata lebih tinggi pada perlakuan kimiawi
benih b1 dan b2 bila dibandingan dengan b3 dan b0 sedangkan pada varietas lainya tidak
ditemukan perbedaan yang nyata.
daripada untuk varietas, dan akan menempatkan varietas pada petak utama dan
pemupukan pada anak petak.
2. Ukuran Nisbi Mengenai Pengaruh Utama Apabila pengaruh utama salah satu faktor
diharapkan lebih besar dan lebih mudah dilihat daripada faktor lainnya, maka salah satu
faktor tersebut dapat ditempatkan sebagai petak utama, dan faktor yang lain sebagai anak
petak.
Misalnya kita ingin meneliti jarak tanam pada beberapa varietas tanaman. Dari
percobaan-percobaan terdahulu sudah diketahui informasi tentang varietas tersebut antara
lain potensi produksinya. Sedangkan dalam percobaan ini ingin diketahui lebih mendalam
tentang pengaruh jarak tanam pada beberapa varietas tersebut, maka dalam percobaan
semacam ini digunakan RPT. Varietas diperlakukan sebagai faktor petak utama (main plot
faktor), sedangkan jarak tanam diperlakukan sebagai faktor anak petak (sub plot faktor),
karena mengharapkan pengaruh perlakuan jarak tanam lebih besar daripada faktor
perlakuan varietas.
3. Praktek Pengelolaan Penempatan perlakuan sebagai petak utama dilakukan berdasarkan
pertimbangan praktis di lapangan.
Misalnya dalam suatu percobaan untuk menilai penampilan beberapa varietas padi
dengan berbagai taraf pemupukan, si peneliti mungkin menempatkan petak utama untuk
pemupukan guna memperkecil keperluan pemisahan petakan yang memerlukan taraf
pemupukan yang berbeda. Contoh lain pada kasus percobaan yang melibatkan cara
pengolahan lahan (cangkul, bajak, traktor) dengan berbagai jenis varietas. Dimana cara
pengolahan lahan ditempatkan sebagai petak utama dan jenis varietas sebagai anak petak.
diberi kode huruf T (T0 = tanpa olah tanah, T1 = dibajak sapi, T2 = Hand traktor), seperti
pada denah berikut :
(Hipotesis)
68
Untuk contoh kasus penggunaan rancangan ini, suatu percobaan tentang respons empat
varietas kedelai (V1, V2, V3, dan V4) pada tiga jenis pengolahan lahan yaitu tanpa olah tanah
(T0), Bajak sapi (T2), dan Hand traktor (T3) terhadap hasil biji kering (ton/ha). Percobaan ini
menggunakan rancangan lingkungan rancangan acak kelompok (RAK) dengan 3 ulangan.
Berikut data pengamatan hasil biji kering dalam satuan ton per hektar (ton/ha):
Untuk memudahkan menghitung analisis ragamnya, kita buat tabel tersendiri untuk petak
utama sebagai berikut :
Dari tabel petak utama di atas kita hitung Faktor Koreksi (FK), JK Kelompok (JKK), JK
Petak Utama JK (PU), JK Pengolahan Tanah (JK T), dan JK Galat (a) sebagai berikut ini :
69
Kemudian kita buat lagi tabel tersendiri untuk data anak petak sebagai berikut :
Dari tabel anak petak di atas kita hitung JK Varietas (JK V), JK Perlakuan Kombinasi, JK
Interaksi Pengolahan tanah dan Varietas (JK TxV), JK Total (dari data Pengamatan) dan JK Galat
(b) sebagai berikut ini :
70
Kemudian kita tentukan nilai-nilai derajad bebas (db) untuk masing-masing sumber
keragaman seperti berikut ini :
db Kelompok = 3 1 = 2
db Pengolahan tanah (T) = 3 1 = 2
db Galat (a) = db kelompok x db pengolahan tanah = 2 x 2 = 4
db Varietas = 4 1 = 3
db Interaksi Pengolahan tanah x Varietas = db Pengolahan tanah x db Varietas = 2 x 3 = 6
db Galat (b) = (db Varietas + db Pengolahan tanah x varietas) x db Kelompok = (3 + 6) x 2 = 18
db total = (r x a x b) - 1 = (3 x 3 x 4) 1 = 35
71
Dan hasil semua perhitungan di atas kita masukkan ke dalam tabel analisis ragam berikut
ini:
Pengujian selanjutnya adalah menguji beda pengaruh antar perlakuan. Dalam hal ini ada
4 jenis galat baku yang digunakan yaitu :
1) Untuk Petak Utama (apabila berpengaruh nyata) :
Sebelum kita melakukan pengujian beda pengaruh perlakuan, perlu kita pahami terlebih
dahulu bahwa apabila perlakuan interaksi berpengaruh nyata, maka konsekuensi logis yang harus
kita lakukan adalah kita hanya menguji perbedaan pengaruh hanya pada perlakuan interaksi dan
kita harus mengabaikan pengaruh perlakuan mandirinya walaupun perlakuan mandiri tersebut
berpengaruh nyata dalam analisis ragam. Mengapa demikian?Karena pengaruh interaksi yang
nyata itulah yang menggambarkan keadaan yang sebenarnya dari percobaan, sedangkan
pengaruh mandiri tidak bisa kita jadikan pegangan dalam menarik kesimpulan karena pengaruh
mandiri tersebut sebenarnya tidak mencerminkan keadaan yang sebenarnya dari hasil percobaan
walaupun dari hasil analisis ragam berpengaruh nyata. Dengan kata lain apabila perlakuan
72
interaksi berpengaruh nyata, maka kita tidak lagi memperdulikan pengujian pengaruh mandiri
secara terpisah.
Pada hasil analisis ragam di atas anda perhatikan, perlakuan interaksi perlakuan
pengolahan tanah (Petak Utama) dan Varietas Kedelai (Anak Petak) berpengaruh sangat nyata,
sehingga kita hanya menguji beda pengaruh perlakuan interaksinya. Sedangkan perlakuan
mandiri pengolahan tanah dan perlakuan mandiri varietas kedelai harus kita abaikan dan tidak
kita lakukan pengujian beda pengaruh perlakuan.
Lalu bagaimana cara menguji beda pengaruh interaksinya? Perlu anda pahami bahwa
konsekuensi logis apabila pengaruh perlakuan interaksi berpengaruh nyata, maka anda harus
melakukan pemeriksaan lebih lanjut terhadap pengaruh-pengaruh sederhana dari masing-masing
faktor perlakuan. Artinya anda harus menguji perbedaan pengaruh dari varietas kedelai (anak
petak) pada setiap level faktor pengolahan tanah (petak utama).
Kita mulai dengan menguji beda pengaruh perlakuan dari varietas kedelai (anak petak)
pada setiap level faktor pengolahan tanah (petak utama). Dalam hal ini kita bisa menggunakan
uji BNT, BNJ, atau DMRT, untuk ini kita gunakan saja uji BNJ pada 5%. Untuk ini kita lakukan
penguji beda pengaruh perlakuan varietas kedelai (V) pada level perlakuan pengolahan tanah T0
(tanpa olah tanah), T1 (bajak sapi), dan T2 (hand traktor).
Pengujiannya adalah sebagai berikut:
1. Menguji beda pengaruh perlakuan varietas kedelai (V) pada level perlakuan T0 (tanpa
olah tanah) Pertama anda susun rata-rata perlakuan dari terkecil hingga terbesar dan buat
tabel seperti berikut ini:
Karena kita menguji beda pengaruh perlakuan dari varietas kedelai (anak petak) pada
setiap level faktor pengolahan tanah (petak utama), maka kita gunakan galat baku :
Kemudian kita hitung nilai baku BNJ5% dimana KT galat (b) = 0,0005; db galat = 18;
Perlakuan yang dibandingkan, P = 4, Nilai q(4; 18; 0,05) = 4,00 dan = 0,05 berikut ini :
73
Lalu kita lakukan prosedur pengujian BNJ dengan memberikan tanda huruf pada nilai
rata-ratanya.
Dan hasil pengujian adalah seperti pada tabel berikut ini :
Dengan cara yang sama seperti pada pengujian di atas, maka hasil pengujiannya adalah
sebagai berikut :
Dari hasil pengujian di atas ternyata varietas kedelai V4 pengaruhnya berbeda nyata
dengan varietas lainnya terhadap hasil biji kering kedelai (ton/ha) dan memberikan hasil
biji kering tertinggi.
Hal ini berarti pada taraf pengolahan tanah dengan bajak sapi (T1), apabila kita ingin
mendapatkan respons hasil yang tinggi pada lahan yang yang dibajak sapi, maka
sebaiknya kita menggunakan varietas kedelai V4.
74
3. Menguji beda pengaruh perlakuan varietas kedelai (V) pada level perlakuan T2 (hand
traktor) Pertama anda susun rata-rata perlakuan dari terkecil hingga terbesar dan buat
tabel seperti berikut ini:
Dengan cara yang sama seperti pada pengujian di atas, maka hasil pengujiannya adalah
sebagai berikut :
Dari hasil pengujian di atas ternyata varietas kedelai V4 pengaruhnya berbeda nyata
dengan varietas lainnya terhadap hasil biji kering kedelai (ton/ha) dan memberikan hasil
biji kering tertinggi.
Hal ini berarti pada taraf pengolahan tanah dengan hand traktor (T2), apabila kita ingin
mendapatkan respons hasil yang tinggi pada lahan yang yang diolah dengan hand traktor,
maka sebaiknya kita menggunakan varietas kedelai V4.
Untuk mencari perbedaan pengaruh antar kombinasi pengolahan tanah dan varietas
kedelai adalah sebagai berikut :
Pertama anda hitung nilai BNJ 5% :
75
Hasil pengujian beda pengaruh dari perlakuan kombinasi dapat dilihat pada tabel berikut :
Perhatikan perbandingan perbedaan tata letak dan pengacakan antara splitplot dan split blok untuk ukuran
yang sama, 5x4 (hanya ditampilkan untuk satu kelompok).
A3A2A1A5 A4
A3 A2A1A5 A4
B2B1B2 B3 B4
B2B2 B2 B2 B2
B4B4B4B4B4
setiap
kelompok
yang
sama
relatif
homogen
(lihat
kembali
pembahasan
pada
RAKL)
Langkah ke-2: Setiap kelompok dibagi lagi menjadi a petak dalam arah vertikal, sesuai dengan
taraf Faktor A. Pada contoh kasus ini, setiap kelompok dibagi menjadi 4 petak. Ikuti prosedur pengacakan
untuk RAKL dengan perlakuan a = 4 dan r = 3 ulangan dan lakukan pengacakan ke-4 taraf Nitrogen pada
jalur vertikal (tegak) dalam setiap kelompok secara terpisah dan bebas. Misalkan hasil pengacakan adalah
sebagai berikut:
I
a4
a1
II
a3
a2
a2
a3
III
a1
a4
a2
a4
a1
a3
Langkah ke-3: Setiap kelompok dibagi lagi menjadi b = 3 petak dalam arah horisontal (jalur
mendatar). Ikuti prosedur pengacakan untuk RAKL dengan perlakuan b = 3 dan r = 3 ulangan dan
lakukan pengacakan ke-3 taraf Varietas pada jalur horisontal (mendatar) dalam setiap kelompok secara
terpisah
dan
bebas.
Misalkan
hasil
penataan
akhirnya
adalah
sebagai
berikut:
b2
b1
b3
a4
a4b
2
a4b
1
a4b
3
a1
a1b
2
a1b
1
a1b
3
a3
a3b
2
a3b
1
a3b
3
a2
a2b
2
a2b
1
a2b
3
a2
a3
a1
a4
a2
b1
b1
b3
b3
b2
b2
a4
a1
a3
Analisis Ragam:
79
Analisis Ragam dalam Split-blok dibagi dalam tiga bagian, yaitu analisis faktor mendatar, analisis
faktor tegak, dan analisis interaksi, sehingga dalam Split-Blok terdapat tiga jenis galat, berturut-turut galat
(a), galat (b), dan galat (c). Galat Petak Utama sering disebut dengan Galat A, prosedur perhitungannya
sama dengan Interaksi Petak Utama x Ulangan dan dalam model RAK sama dengan Interaksi Petak
Utama x Kelompok. Galat Anak Petak, sering disebut dengan Galat B, diukur dari interaksi [Anak Petak x
Ulangan + Petak Utama x Anak Petak x Ulangan]. Galat ke-2 ini digunakan untuk mengukur tingkat
signifikansi pengaruh anak petak dan pengaruh Interkasi Anak Petak x Petak Utama.
Galat (a) yang tidak lain merupakan interaksi antara Petak Utama (Faktor A) x Ulangan. Galat (a)
ini merupakan pembagi pada uji F untuk pengaruh mandiri Faktor A. Galat (b) merupakan interaksi antara
Anak Petak (Faktor B) x Ulangan.Galat (b) ini merupakan pembagi pada uji F untuk pengaruh mandiri
Faktor B. Galat a dan Galat b bersifat simetri.Hal ini mudah dipahami, mengingat pada rancangan splitblok
kedua
faktor
tersebut
mirip
dalam
pengacakannya
dan
bersifat
simetri.
Galat (b) ini merupakan penguraian dari galat anak petak, galat (c). Dengan demikian, galat c nilainya
akan lebih kecil dibandingkan dengan galat subplot pada rancangan Split-Plot. Galat (c) ini digunakan
untuk menguji interaksi AxB. Dengan demikian, terlihat bahwa penguraian galat tersebut akan
meningkatkan ketepatan pengaruh interaksi AxB.
Berdasarkan model linier tersebut, perhitungan Jumlah Kudaratnya adalah sebagai berikut:
Definisi Pengerjaan
Derajat Bebas
dalam
rancangan
RAKL
Jumlah Kuadrat
Kuadrat Tengah
JK(A)
KT (A)
adalah
sebagai
berikut
F-hitung
F-tabel
KT(A)/KTGa
r-1
Faktor A (Vertikal)
A
a-1
80
Galat a
(a-1)(r-1)
JK (Galat a)
KT (Galat a)
b-1
JK(B)
KT(B)
Galat b
(b-1)(r-1)
JK (Galat b)
KT (Galat b)
JK(AB)
Galat c
(a-1) (b-1)
(a-1)(r-1)(b1)
JK (Galat c)
Total
rab-1
JKT
Faktor B (Horisontal)
KT(B)/KTGb
KT(AB)
KT(AB)/KTG
c
KT (Galat c)
KT (Galat c)
Interkasi
AB
Apabila terdapat pengaruh interaksi, maka pengujian hipotesis terhadap pengaruh utama tidak
perlu dilakukan. Pengujian terhadap pengaruh utama akan bermanfaat apabila pengaruh interaksi tidak
nyata. Kaidah keputusan tolak Ho apabila nilai F >F(db1, db2), dan sebaliknya terima Ho.
Galat Baku
Untuk membandingkan nilai tengah perlakuan, perlu ditentukan terlebih dahulu galat baku dari
Split-blok. Dalam Split-blok terdapat 4 jenis pembandingan berpasangan yang berbeda sehingga terdapat
4 jenis galat baku. Tabel berikut merupakan formula untuk menghitung galat baku yang tepat untuk
perbedaan rataan untuk setiap jenis pembandingan berpasangan.
Dari tabel galat baku di atas, untuk membandingkan pengaruh sederhananya, digunakan dua jenis
KT(Galat). Implikasinya, rasio selisih perlakuan terhadap galat baku tidak mengikuti sebaran t-student
sehingga perlu dihitung t gabungan/terboboti. Jika ta, tb dan tc berturut-turut adalah nilai t yang diperoleh
81
dari tabel student dengan taraf nyata tertentu pada derajat bebas galat a, b dan c, maka nilai t terboboti
adalah:
Untuk dua rataan perlakuan vertikal (ai) pada taraf faktor horisontal (bi) yang sama
Untuk dua rataan perlakuan horisontal (bi) pada taraf faktor vertikal (ai) yang sama:
Contoh Penerapan
Misalkan, data yang sama dengan contoh pada split-plot namun dirancang dengan menggunakan
rancangan split-blok. Kombinasi Pupuk NPK (Faktor vertikal, A) dan Genotipe padi (Faktor horisontal,
B).
Tabel 3.Pengaruh pemberian kombinasi pupuk dan genotipe padi terhadap hasil padi.
Perhitungan:
82
83
84
Langkah
10: Buat Kesimpulan
Terlebih dahulu, kita periksa apakah Pengaruh Interaksi nyata atau tidak? Apabila nyata,
selanjutnya periksalah pengaruh sederhana dari interaksi tersebut, dan abaikan pengaruh utamanya
(mandirinya), meskipun pengaruh utama tersebut signifikan! Mengapa? Coba lihat kembali bahasan
mengenai pengaruh interaksi dan pengaruh utama! Pengujian pengaruh utama (apabila signifikan) hanya
dilakukan apabila pengaruh interaksi tidak nyata.
Pengaruh Interaksi AB
Karena Fhitung (4.50) > 2.901 maka kita tolak H0: 1 = 2 = pada taraf kepercayaan 95%
(biasanya diberi satu buah tanda asterisk (*), yang menunjukkan berbeda nyata)
Pengaruh UtamaKarena pengaruh interaksi signifikan, maka pengaruh utamanya tidak perlu dibahas lebih
lanjut.
Post Hoc
Berdasarkan analisis ragam, pengaruh interaksi nyata sehingga pengujian pengaruh utama dari
perlakuan kombinasi pupuk dan dua genotipe padi tidak perlu dilakukan.Langkah selanjutnya adalah
memeriksa pengaruh sederhananya karena interaksi antara kedua faktor signifikan.
Berikut adalah langkah pengujian Uji Lanjut dengan menggunakan LSD:
Kriteria pengujian:
Bandingkan nilai mutlak selisih kedua rata-rata yang akan kita lihat perbedaannya dengan nilai
LSD dengan kriteria pengujian sebagai berikut:
Perbandingan Rataan Faktor Vertikal, A (antara dua kombinasi pemupukan pada genotip yang
sama):
Hitung Nilai Pembanding (LSD) yang sesuai
85
Untuk membandingkan dua rataan Faktor A (vertikal) (pasangan rata-rata kombinasi pemupukan)
pada perlakuan Faktor B (horisontal) yang sama, galat bakunya dihitung dengan menggunakan formula:
Dari formula tersebut, terlihat bahwa untuk membandingkan dua nilai rata-rata Faktor Vertikal
(A) pada perlakuan Faktor Horisontal (B) yang sama digunakan dua jenis KT(Galat), yaitu KT(Galat a)
dan KT(Galat c). Implikasinya, rasio selisih perlakuan terhadap galat baku tidak mengikuti sebaran tstudent sehingga perlu dihitung t gabungan/terboboti. Jika ta dan tc berturut-turut adalah nilai t yang
diperoleh dari tabel student dengan taraf nyata tertentu pada derajat bebas galat a dan derajat bebas galat
c, maka nilai t terboboti adalah:
Bandingkan selisih rata-rata perlakuan dengan nilai LSD = 4.922. Nyatakan berbeda apabila
selisih rata-ratanya lebih besar dibandingkan dengan nilai LSD.
Perbandingan antara rata-rata kombinasi pemupukan (Faktor A) pada taraf genotype IR-64 dan
LSD 4,922
Sedangkan perbandingan antara rata-rata kombinasi pemupukan (Faktor A) pada taraf genotype
S-969 dan LSD 4,922 adalah:
86
Perbandinga
n Rataan Faktor horisontal, B (antara dua genotipe padi pada kombinasi pemupukan tertentu):
Hitung Nilai Pembanding (LSD) yang sesuai
Untuk membandingkan dua rataan Faktor B (pasangan rata-rata genotipe padi) pada perlakuan Faktor A
sama, galat bakunya dihitung dengan menggunakan formula:
Dari formula tersebut, terlihat bahwa untuk membandingkan dua nilai rata-rata Faktor horisontal
(B) pada perlakuan Faktor vertikal (A) yang sama digunakan dua jenis KT(Galat), yaitu KT(Galat b) dan
KT(Galat c). Implikasinya, rasio selisih perlakuan terhadap galat baku tidak mengikuti sebaran t-student
sehingga perlu dihitung t gabungan/terboboti. Jika tb dan tc berturut-turut adalah nilai t yang diperoleh
dari tabel student dengan taraf nyata tertentu pada derajat bebas galat a dan derajat bebas galat c, maka
nilai t terboboti adalah:
Bandingkan selisih rata-rata perlakuan dengan nilai LSD = 2.728. Nyatakan berbeda apabila selisih rataratanya lebih besar dibandingkan dengan nilai LSD.
87
BAB 4
88
Model linier aditif untuk rancangan factorial 2 faktor dengan rancangan lingkungan
RAK sebagai berikut :
Yi j k = + i + j + ()ij + pk + i j k
Yi j k
i
j
()ij
pk
i j k
i = 1, 2 dan j = 1, 2
k = 1, 2, . . . . 5
= hasil pengamatan utk faktor A taraf ke i, faktor B taraf ke j pada
kelompok ke k
= nilai tengah umum
= pengaruh faktor A pada taraf ke i
= pengaruh faktor B pada taraf ke j
= pengaruh interaksi AB pada taraf ke i (dari faktor A), dan taraf
ke j (dari faktor B ).
= pengaruh taraf dari kelompok ke k
= pengaruh acak (galat percobaan) pada taraf ke i (faktor A), taraf ke j (faktor
B), interaksi AB yang ke i dan ke j
Tabel Analisis Ragam Faktorial RAK
Sumber
Keragaman
Derajat Bebas
Jumlah kuadrat
Kuadrat tengah
F - Hitung
F Tabel
Kelompok
r-1
JKK
KTK
Perlakuan
ab-1
JKP
KTP
KTP/KTG
F (,db-P,db-G)
a-1
JK(A)
KT(A)
KT(A)/KTG
F (,db-A,db-G)
b-1
JK(B)
KT(B)
KT(B)/KTG
F (,db-B,db-G)
89
AB
(a-1) (b-1)
JK(AB)
KT (AB)
Galat
(ab-1) (r-1)
JK(G)
KTG
Total
abr-1
JKT
KT(AB)/KT
G
F (,db-AB,db-G)
B0 = 0 ton/Ha
B1 = 10 ton/Ha
B2 = 20 ton/Ha
B3 = 30 ton/Ha
Kelompok 1
Kelompok 2
90
Kelompok 3
T2B0
T3B2
T2B2
T2B1
T1B2
T1B0
T2B3
T1B1
T3B3
T3B1
T3B0
T1B3
T2B2
T3B2
T1B3
T2B1
T3B0
T2B3
T2B0
T1B1
T3B1
T1B0
T1B2
T3B3
T1B3
T1B0
91
T3B3
T3B1
T2B2
T3B2
T3B0
T2B1
T1B2
T2B0
T1B1
T2B3
Setelah dilakukan penelitian di lahan hasilnya data angka mentah sebagai berikut :
Olah tanah A (T)
T1
T2
T3
Pupuk Organik
(B)
Kelompok (K)
1
B0
154
151
165
B1
166
166
160
B2
177
178
176
B3
193
189
200
B0
143
147
139
B1
149
156
171
B2
160
164
136
B3
190
166
169
B0
139
134
145
B1
162
147
166
B2
181
161
149
92
B3
161
K1 = 1975
172
K2 = 1931
K3=1958
Penyelesaian :
FK = Y2/ abr = 58642 / 3x4x3 = 955180,44
JKT = ijk
JKR = k
182
JKA =
JKB =
JK (AB) =
(ai bj )2 / r FK JKA JKB = (470) 2 + (492)2 .. + (491)2 + (515)2 /3
955180,44 1813 5258,00 = 463, 50
JKG = JKT JKr JKA - JKB JK(AB) = 9821,56 82,06 1813,39 5258,00 463,50 =
2204,61
Annova
Sumber
keragaman
DB
JK
KT
F hitung
F 0,05
F 0,01
Kelompok (r)
82,06
41,03
0,41tn
3,44
5,72
1813,39
906,695
9,05**
3,44
5,72
5258,00
1752,6667
17,49**
3,05
4,82
AxB
463,50
77,25
0,77tn
2,55
3,76
Galat
22
2204,61
100,20955
Total
35
9821,56
100,20955
=
5864
3x 4 x 3
x 100% =
6,1455827
94
Karena faktor tunggal ( faktor A dan Faktor B ) berbeda nyata maka dilakukan analisis kedua
faktor serta uji lanjut
Faktor A adalah pengolahan tanah yang bersimbolkan dengan T 1 = Pengolahan tanah secara
konservasi, T2 = pengolahan tanah secara minimum, T3 = Tanpa olah tanah. Tabel faktor A
sebagai berikut :
Faktor A olah tanah
1
T1
172.5
171
175.25
518.75
T2
160.5
158.25
153.75
472.5
T3
160.75
153.5
160.5
Total
493.75
482.75
Total
474.75
489.5
1466
JKK =
= 20.5138
= 518,752 + 472,52 + 474,742 / 3 fk = 453.3472
JKP =
DB
JK
KT
F hitung
0,05
0,01
Kelompok
20,5138
164,1
0,88tn
4,46
8,65
Perlakuan
453.3472
3626,76
19,58**
4,46
8,56
95
Galat
46.28
Total
520,141
185,1675
Terdapat pengaruh yang sangat nyata terhadap pengolahan tanah karena F hitung > F table 0,05
dan > 0,01 . dilanjutkan dengna uji lanjut orthogonal kontras
Dari data diatas dapat dikelompokkan sebagai berikut:
T1 dibanding T2
T1, T2 dibanding T3
Koefisien orthogonal kontras
T1 518.75
T2 472.5
T3 474.75
Chi2
-1
-1
-1
DB
JK
KT
Kelompok
20,5138
10,2569
JK 1
356,5104
356,5104
96
F. Hit
30,8133**
0,005
0,001
7,71
21,20
JK 2
96,8368
96,8368
Galat
46.28
11,57
Total
520,141
8,3696*
1. Apakah ada perbedaan pengolahan tanah secara konservasi dengan pengolahan tanah secara
minimum terhadap jumlah biji kering per tongkol tanaman jagung ?
Jawab : T1 dibandingkan T2 adalah Berbeda sangat nyata karena F hitung > F table 0,05 dan
0,01.
2. Apakah ada perbedaan antara tanpa pengolahan tanah T3 dengan pengolahan tanah secara
konservasi dan pengolahan tanah secara minimum terhadap jumlah biji kering per tongkol
tanaman jagung?
Jawab : T1, T2 dibandingkan T3 adalah berbeda nyata F hitung > dari F table 0,05 < 0,01
Ortogonal polinomial
Polinomial
Chi2
Total Pengamatan
T1
T2
T3
T1 518.75
472.5
474.75
Linier
-1
Kuadratik
-2
HIPOTESIS
Kuadratik Ho : b2 = 0
Linier Ho : b1 = 0
Jk Linier
Jk Kuadrat
Annova
Sk
Db
Jk
KT
F hit
0,05
0,01
Kelompok
20,5138
JK linier
322,67
322,67
27,88
7,71
21,20
JK kuadrat
130,6805
130,6805
11,2947
Galat Total
46.28
11,57
520,141
Kesimpulan :
Ho : b1 =0 diterima, artinya respon terhadap jumlah biji kering pertongkol tanaman jagung
terhadap cara pengolahan tanah merupakan bentuk regresi dengan pangkat lebih rendah dari
kuadrat.
Ho : b2=0 ditolak, artinya respon bobot pipilan kering jagung terhadap cara pengolahan
tanah merupakan bentuk regresi kuadrat.
98
3.2 Interaksi
Interaksi mengukur kegagalan dari pengaruh salah satu faktor untuk tetap sama pada
setiap taraf faktor lainnya atau secara sederhana, Interaksi antara faktor adalah apakah
pengaruh dari faktor tertentu tergantung pada taraf faktor lainnya?
Keterangan :
Pengaruh sederhana B sama pada setiap taraf A maka kedua faktor tersebut saling bebas
(independent) dan dikatakan tidak ada interaksi
99
Pengaruh sederhana B berbeda pada setiap taraf A sehingga kedua faktor tersebut tidak saling
bebas (dependent) dan dikatakan terjadi interaksi
Contoh Soal
Apabila kita ingin mengamati pengaruh pemberian Nitrogen (N) yang terdiri dari 2 taraf (n 0, dan
n1) dan pemberian fosfor (P) yang terdiri dari 2 taraf (p 0, p1) terhadap respons tertentu, dengan
hasil sebagai berikut:
Faktor
Fosfor (P)
p0
p1
Rataan N
Pengaruh sederhana P
(p1-p0)
Nitrogen (N)
n0
n1
40
42
41
2
(se P, n0)
48
51
49.5
3
(se P, n1)
Rataan P
Pengaruh sederhana N
n1-n0
44
46.5
45.25
2.5
(me P)
8 (se N, p0)
9 (se N, p1)
8.5 (me N)
100
Pengaruh Interaksi:
Chart Title
10
8
6
Axis Title 4
2
0
N
Kesimpulan :
1. Pengaruh sederhana ini diperlukan oleh pengguna (petani, misalnya), apabila dia hanya
membatasi pada penggunaan taraf tertentu dari salah satu faktor. Misalnya, apabila petani
ingin melihat perbedaan pengaruh N pada setiap taraf pemupukan P, pengaruh sederhana N
pada taraf p0 = 8 dan pada taraf p1 = 9.
2. Grafik di atas menunjukan bahwasannya fosfor(po,p1) dan nitrogen(n0,n1) tidak
menunjukan interaksi
3.3 Korelasi
102
Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari hubungan
antara dua variabel yang bersifat kuantitatif. Analisis korelasi merupakan studi pembahasan
mengenai derajat hubungan atau derajat asosiasi antara dua variabel, misalnya variabel X dan
variabel Y. Adapun pengertian korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang
bersifat substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan
bahwatujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa erat hubungan
antara dua variabel.
Misalnya, dalam suatu penelitian, seorang peneliti berusaha mengungkapkan hubungan
antara beberapa besaran (variabel). Variabel X dan Y dinyatakan memiliki korelasi jika X dan Y
memiliki perubahan variasi yang satu sama lain berhubungan, artinya jika variabel X berubah,
variabel Y pun berubah. Jika variabel X merupakan sebuah variabel yang bersifat menerangkan
tingkah laku variabel Y, variabel X disebut variabel bebas (independent variable). Jika tingkah
laku variabel Y diterangkan variabel X, variabel Y disebut variabel tidak bebas (dependent
variable).
1. Koefisien Korelasi Pearson
- Koefisien Korelasi Moment Product
- Korelasi Data Berskala Interval dan Rasio
2. Koefisien Korelasi Spearman
- Korelasi Data Berskala Ordinal (Rank)
3. Koefisien Korelasi Phi
- Korelasi Data Berskala Nominal
Analisis Korelasi merupakan studi yang membahas tentang derajat keeratan hubungan
antar peubah, yang dinyatakan dengan Koefisien Korelasi. Hubungan antara peubah X dan Y
dapat bersifat :
a. Positif, artinya jika X naik (turun) maka Y naik (turun).
b. Negatif, artinya jika X naik (turun) maka Y turun (naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X.:
104
Misal data Tinggi Tanaman Kacang Bogor 15 HST (X) dan Bobot Kering Polong per Petak
(Y) :
N Perlakuan
II
III
II
III
21,3
18,3
24,2
4,6
2,6
5,6
26,0
21,2
19,3
5,8
4,7
4,3
19,0
17,7
26,1
3,6
3,6
6,2
24,9
21,6
24,3
5,1
4,3
4,3
23,9
26,0
24,1
5,3
5,7
4,3
21,7
18,8
22,4
4,5
3,9
4,9
25,4
24,6
22,4
6,3
4,8
4,8
19,0
20,2
23,2
4,0
4,0
5,8
19,9
26,2
21,9
3,3
7,2
5,1
.
.
.
.
.
.
.
.
X
21,3
Y
4,6
X
453,69
105
Y
21,16
XY
97,98
26,0
5,8
676,00
33,64
19,9
3,3
396,01
10
18,3
2,6
334,89
:
18
:
26,2
:
7,2
:
686,44
51,54
:
188,64
19
24,2
5,6
585,64
31,36
135,52
27
21,9
5,1
Jumlah
603,60
10,89
65,67
6,76
:
47,58
479,61
128,60
150,80
26,01
1368,24
639,54
:
111,69
2935,02
27 (2935,02) (603,60)(128,60)
79245,54 - 77622,96
[ (369366,48) - (364322,96) ] [ (17267,58) - (16537,96) ]
1622,58
( 5033,52 ) ( 729,62 )
1622,58
1622,58
3672556,9
= 0,8467
r = 0, 7169 = 71,69 %
1916,39
Nilai r = 71,69 % artinya sebesar 71,69 % variasi nilai bobot kering polong per
106
petak (nilai Y) dipengaruhi oleh variasi nilai tinggi tanaman kacang bogor (nilai X).
Pengujian Koefisien Korelasi Pearson :
5. Perhitungan :
107
Maka,
= 0,8467
27 2
1 0,7169
= 0,8467
25
0,2831
= ( 0,8467 ) ( 9,397 )
= 7,956
Kesimpulan :
Karena nilai ( t = 7,956) > ( t 0,025(25) = 2,060) maka disimpulkan untuk menolak H0,
artinya terdapat hubungan yang signifikan antara tinggi tanaman Kacang Bogor (X) dengan
bobot Kering Polong per petak (Y) Analisis Korelasi antara X dan Y tentang derajat keeratan
hubungan antar peubah, yang dinyatakan dengan Koefisien Korelasi. Hubungan antara peubah X
dan Y bersifat : Positif, artinya jika X naik (turun) maka Y naik (turun).
Nilai ( t = 7,956) dan ( t 0,025(25) = 2,060)
108