Anda di halaman 1dari 22

Tugas Analisis Data I

Menyelesaikan Permasalahan Real dengan


Menggunakan Rancangan Percobaan

Oleh :
Wahyu Indri Astuti

1313100010

Novi Ajeng Salehah 1313100051


Nur Lailatul Faizah

1313100103

Dosen:
R. Moh Atok, S.Si, M.Si, Ph.D

PROGRAM STUDI SARJANA


JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2016

PENDAHULUAN
1. Pengertian Rancangan Percobaan
Rancangan percobaan adalah tata cara penerapan tindakantindakan dalam
suatu percobaan pada kondisi atau lingkungan tertentu yang kemudian menjadi
dasar penataan dan metode analisis statistik terhadap data hasilnya. Prinsip dasar
percobaan terdiri dari beberapa ulasan yaitu.
a. Ulangan: pengalokasian suatu perlakuan tertentu terhadap beberapa unit
percobaan pada kondisi yang seragam. Dengan Tujuan menduga ragam galat,
memperkecil galat 3, meningkatkan ketelitian.
b. Pengacakan: dimaksudkan agar setiap unit percobaan memiliki peluang yang
sama untuk diberi suatu perlakuan. Secara statistik untuk validitas atau
keabsahan dalam menarik kesimpulan agar kesimpulan yang diambil
obyektif.
c. Pengendalian lingkungan (kontrol lokal): usaha untuk mengendalikan
keragaman yang muncul akibat keheterogenan kondisi lingkungan.
2. Klasifikasi Rancangan Percobaan
Rancangan percobaan dapat diklasifikasikan sebagai berikut
a. Rancangan Perlakuan adalah rancangan yang berkaitan dengan bagimana
perlakuan perlakuan tersebut dibentuk. Terdapat beberapa rancangan
perlakuan yaitu:
Satu faktor
Dua faktor

Faktorial

Split plot

Split blok atau strip plot

Tiga Faktor atau lebih

Faktorial

Split-split plot

Split-split blok

b. Rancangan Lingkungan merupakan hal yang berkaitan dengan bagaimana


perlakuanperlakuan ditempatkan pada unitunit percobaan. Terdapat
beberapa macam rancangan lingkungan, diantaranya adalah sebagai berikut:
RAL (Acak Lengkap)
RAKL (Rancangan Acak Kelompok Lengkap)
RBSL (Rancangan Bujur Sangkar Latin)
Rancangan Latice
c. Rancangan Pengukuran berkaitan dengan bagaimana respons percobaan
diambil dari unitunit percobaan yang diteliti.

POKOK BAHASAN
Pokok bahasan peneliti pada tugas ini adalah ingin mengulas lebih dalam
mengenai rancangan percobaan dengan menggunakan RAK, RAL, RBSL.
1. Rancangan Acak Kelompok (RAK)
1.1 Definisi dan tujuan RAK
Rancangan Acak Kelompok adalah suatu rancangan acak
yang dilakukan dengan mengelompokkan satuan percobaan ke
dalam grup-grup yang homogen yang dinamakan kelompok dan
kemudian menentukan perlakuan secara acak di dalam masingmasing

kelompok.

Rancangan

Acak

Kelompok

Lengkap

merupakan rancangan acak kelompok dengan semua perlakuan


dicobakan pada setiap kelompok yang ada.
Tujuan pengelompokan adalah untuk membuat keragaman
satuan-satuan percobaan di dalam masing-masing kelompok
sekecil mungkin sedangkan perbedaan antar kelompok sebesar
mungkin.

Tingkat

ketepatan

biasanya

menurun

dengan

bertambahnya satuan percobaan (ukuran satuan percobaan) per


kelompok, sehingga sebisa mungkin buatlah ukuran kelompok
sekecil mungkin.
1.2 Ciri-ciri RAK

Satuan

percobaan

rancangan

acak

kelompok

adalah

heterogen. Keragaman Respons disebabkan pengaruh Perlakuan


dan Kelompok Pengaruh dari keragaman lain yang kita ketahui, di
luar perlakuan yang kita coba, dihilangkan dari galat percobaan
dengan cara pengelompokan satu arah.
1.3 Keuntungan RAK
Keuntungan menggunakan rancangan acak kelompok adalah
sebagai berikut.
1. Lebih efisien dan akurat dibanding dengan RAL
Pengelompokan

yang

efektif

akan

menurunkan

Jumlah

Kuadrat Galat, sehingga akan meningkatkan tingkat ketepatan


atau bisa mengurangi jumlah ulangan
2. Lebih Fleksibel

Banyaknya perlakuan

Banyaknya ulangan/kelompok

tidak semua kelompok memerlukan satuan percobaan


yang sama

3. Penarikan kesimpulan lebih luas, karena kita bisa juga melihat


perbedaan diantara kelompok
1.4 Kerugian RAK

Sedangkan,

kerugian

menggunakan

rancangan

acak

kelompok adalah sebagai berikut.


1. Memerlukan asumsi tambahan untuk beberapa uji hipotesis
2. Interaksi antara Kelompok*Perlakuan sangat sulit
3. Peningkatan

ketepatan

pengelompokan

akan

menurun

dengan semakin meningkatnya jumlah satuan percobaan


dalam kelompok
4. Derajat bebas kelompok akan menurunkan derajat bebas
galat,

sehingga

sensitifitasnya

akan

menurun

terutama

apabila jumlah perlakuannya sedikit atau keragaman dalam


satuan percobaan kecil (homogen).
5. Memerlukan

pemahaman

tambahan

tentang

keragaman

satuan percobaan untuk suksesnya pengelompokan.


6. jika ada data yang hilang memerlukan perhitungan yang lebih
rumit
Dalam rancangan acak lengkap terdapat pengacakan dan
tata letak percobaan.
1.5 Pengacakan dan tata letak
Pengacakan dilakukan agar analisis data yang dilakukan
menjadi sahih. Cara melakukan pengacakan adalah dengan
diundi atau lotere, daftar angka acak, dan menggunakan bantuan
software.

Langkah-langkah

melakukan

pengacakan

adalah

sebagai berikut:

Sebelum pengacakan, bagilah daerah percobaan atau satuan


percobaan ke dalam beberapa kelompok sesuai dengan
jumlah ulangan.

Setiap kelompok kemudian dibagi lagi menjadi beberapa


petak yang sesuai dengan banyaknya perlakuan yang akan
dicobakan.

Pengacakan dilakukan secara terpisah untuk setiap kelompok,


karena dalam RAK perlakuan harus muncul satu kali dalam
setiap ulangan.

i 1, 2,..., a
j 1, 2,..., b

yij i j ij

1.6 Model linier

dengan:
yij: pengamatan pada perlakuan ke-i dan kelompok ke-j
: rataan umum (grand mean)
i: pengaruh perlakuan ke-i
j: pengaruh kelompok ke-j
ij: pengaruh acak pada perlakuan ke-i dan kelompok ke-j, ij ~
NIID (0, 2)
Asumsi model tetap:
a

i=0
i=1

j =0
j=1

Hipotesis:
Pengaruh perlakuan
Ho: i = = i = 0 (perlakuan tidak berpengaruh terhadap
respon yang diamati)
H1: Paling sedikit ada satu i, dimana i 0
Atau:
Ho: i = = i = a (semua perlakuan memberikan respon
yang sama)
H1: Paling sedikit ada satu pasang (i,j), dimana i j
Dekomposisi keragaman.
Misal:
b

y i .= y ij
j=1

i =1, 2, , a

y . j= y ij
i=1

j =1, 2, , b

i=1

j=1

y ..= y ij = y i . = y . j
i=1 j=1

y i .= y i. /b

y . j= y . j /a

y ..= y .. / N

Jumlah kuadrat total (SST):


a

( y
i 1 j 1

ij

y.. ) [( yi. y.. ) ( y. j y.. )


2

i 1 j 1

( yij yi. y. j y.. )]2


a

b ( yi . y.. )2 a ( y. j y.. )2
i 1

j 1

( yij yi. y. j y.. ) 2


i 1 j 1

SST SSTreatments SS Blocks SS E

Derajat bebas:
ab 1 a 1 b 1 (a 1)(b 1)
Tabel Anova:

Penulisan lain yg sejenis:


a

y
SSTot = y ..
N
i=1 j=1
2
ij

a
y ..
1
2
SSTreat = y i .
b i=1
N
b
y 2..
1
2
SSTBlock = y . j
a j=1
N

SSE = SSTot SSTreat SSBlock


2. Rancangan Acak Lengkap (RAL)
2.1 Pegertian dasar
Faktor
Variabel Bebas (X) yaitu variabel yang di kontrol oleh peneliti.
Misalnya

adalah

biofertilizer,

varietas,

jenis

tanah,

pupuk,
dan

jenis

kompos,

sebagainya.

suhu,

Biasanya

disimbolkan dengan huruf kapital, misal Faktor Varietas


disimbolkan dengan huruf V.
Taraf atau level
Faktor terdiri dari beberapa taraf atau level. Biasanya
disimbolkan dengan huruf kecil yang dikombinasikan dengan
subscript angka.
Perlakuan (Treatment)
Perlakuan merupakan taraf dari Faktor atau kombinasi taraf
dari faktor.
Respons
Variabel tak bebas (Y) yaitu variabel yang merupakan sifat
atau parameter dari satuan percobaan yang akan diteliti,
sejumlah gejala atau respons yang muncul karena adanya
peubah bebas. Misalnya adalah hasil, serapan nitrogen, Ptersedia, pH dan sebagainya.
2.2 Ciri-ciri RAL

2.3 Latar Belakang penggunaan RAL


Rancangan

acak

lengkap

merupakan

jenis

rancangan

percobaan yang paling sederhana. Satuan percobaan yang


digunakan

homogen

atau

tidak

ada

faktor

lain

yang

mempengaruhi respon di luar faktor yang dicoba atau diteliti.


Faktor

luar

yang

dapat

mempengaruhi

percobaan

dapat

dikontrol. Misalnya percobaan yang dilakukan di laboratorium


atau Rumah Kaca.

2.4 Keuntungan RAL


Perancangan dan pelaksanaannya mudah.
Analis datanya sederhana
Fleksibel (sedikit lebih fleksibel dibanding RAK) dalam hal:

Jumlah perlakuan

Jumlah ulangan

Dapat dilakukan dengan ulangan yang tidak sama

Terdapat alternatif analisis nonparametrik yang sesuai


Permasalahan data hilang lebih mudah ditangani (sedikit
lebih mudah dibandingkan dengan RAK)

Data hilang tidak menimbulkan permasalahan analisis


data yang serius

Kehilangan

Sensitifitasnya

lebih

sedikit

dibandingkan

lebih

besar

(maksimum).

dengan rancangan lain

Derajat

bebas

galatnya

Keuntungan ini terjadi terutama apabila derajat bebas


galat sangat kecil.
Tidak memerlukan tingkat pemahaman yang tinggi mengenai
bahan percobaan.
2.5 Kerugian RAL
Terkadang rancangan ini tidak efisien.
Tingkat ketepatan (presisi) percobaan mungkin tidak terlalu
memuaskan kecuali unit percobaan benar-benar homogen
Hanya sesuai untuk percobaan dengan jumlah perlakuan
yang tidak terlalu banyak
Pengulangan percobaan yang sama mungkin tidak konsisten
(lemah)

apabila

satuan

percobaan

tidak

benar-benar

homogen terutama apabila jumlah ulangannya sedikit.


2.6 Penggunaan rancangan acak lengkap
Apabila satuan percobaan benar-benar homogen, misal:

percobaan di laboratorium

Rumah Kaca

Apabila

tidak

ada

pengetahuan/informasi

sebelumnya

tentang kehomogenan satuan percobaan.


Apabila jumlah perlakuan hanya sedikit, dimana derajat
bebas galatnya juga akan kecil
2.7 Pengacakan dan tata letak
Pengacakan dilakukan agar analisis data yang dilakukan
menjadi sahih.
Pengacakan:

diundi (lotere),

daftar angka acak, atau

menggunakan bantuan software.

Tata letak rancangan acak lengkap

2.8 Penyusunan data


Tabulasi Data Rancangan Acak Lengkap Dengan 7 Perlakuan
Dan 4 Ulangan adalah sebagai berikut

2.9

Model linier dan analisis ragam rancangan acak

lengkap
Model linier rancangan acak lengkap adalah sebagai berikut.
Y ij =+ i + ij
i=1,2, ,t ; j=1,2, , r i ; i=mean perlakukan ke i
Model ragam

Analisis ragam merupakan suatu analisis untuk memecah


keragaman total menjadi beberapa komponen pembentuknya.
Penduga kuadrat terkecil bagi parameter-parameter di dalam
model rancangan acak lengkap.
3. Rancangan Bujur Sangkar Latin (RBSL)
3.1 Pengertian
Rancangan bujur sangkar latin merupakan suatu rancangan
percobaan dengan dua arah pengelompokan yaitu baris dan
kolom. Banyaknya perlakuan adalah sama dengan jumlah
ulangan sehingga setiap baris dan kolom akan mengandung
semua perlakuan. Pada pengacakan ini, pengacakan dibatasi
dengan mengelompokannya ke dalam baris dan juga kolom,
sehingga setiap baris dan kolom hanya akan mendapatkan satu
perlakuan.
3.2

Keuntungan RBSL

Mengurangi keragaman galat melalui penggunaan dua buah


pengelompokkan
Pengaruh

perlakuan

dapat

dilakukan

untuk

percobaan

berskala kecil
Analisis relatif mudah
Baris atau kolom bisa juga digunakan untuk meningkatkan
cakupan dalam pengambilan kesimpulan.
3.2 Kelemahan RBSL
Banyaknya baris, kolom, dan perlakuan harus sama, sehingga
semakin

banyak

perlakuan,

satuan

percobaan

yang

diperlukan juga semakin banyak.


Apabila

banyaknya

kelompok

bertambah

besar,

galat

percobaan per satuan percobaan juga cenderung meningkat.

Asumsi modelnya sangat mengikat, yaitu bahwa tidak ada


interaksi antara sembarang dua atau semua kriteria, yaitu
baris, kolom, dan perlakuan.
Pengacakan yang diperlukan sedikit lebih rumit daripada
pengacakan rancangan-rancangan sebelumnya.
3.3 Tata letak
Rancangan dasar RBSL adalah sebagai berikut.

3.4 Model linier


Y ijk=+ i +K j + k + ijk
dengan:
= rataan umum
i

= pengaruh baris ke-i

Kj

= pengaruh kolom ke-j

k
ijk

= pengaruh perlakuan ke-k


= pengaruh acak dari baris ke-i, kolom ke-j, dan

perlakuan ke-k
4. Perbandingan RAL, RAK, RBSL

CONTOH PERMASALAHAN
Contoh 1.
Suatu penelitian yang bertujuan untuk mengetahui pengaruh suhu dan tipe
material yang digunakan terhadap life time suatu mesin. Suhu menggunakan 3
level, yaitu 15, 50, dan 100. Sedangkan tipe material terdiri atas 3 level yaitu
Material 1, Material 2, dan Material 3. Percobaan dilakukan replikasi sebanyak 4
kali
Pada penelitian ini digunakan rancangan Faktorial RAL karena percobaan
ini memiliki faktor lebih dari 2 dan unit eksperimennya homogen..
Kombinasi perlakuan yang terjadi adalah sebagai berikut:
S15M1
S15M2
S15M3
Langkah-langkah pengacakan:

S50M1
S50M2
S50M3

S100M1
S100M2
S100M3

1. Beri nomor setiap kombinasi perlakuan (1-9)


2. Beri nomor unit eksperimen yang akan digunakan (1-36)
3. Random dengan bilangan acak
4. Tempatkan perlakuan pada unit eksperimen
Bagan percobaan:
1 S75M2
7

2
8

3
9

4
10

5
11

6
12

13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36 S125M1
Rancangan percobaan untuk mengukur life time mesin ini adalah sebagai berikut:
Tipe
Material
1
2
3
y.j.

15
y111
y113
y211
y213
y311
y313

y112
y114
y212
y214
y312
y314
y.1.

Suhu (S)
50
y121
y122
y123
y124
y221
y222
y223
y224
y321
y322
y323
y324
y.2.

yi..

100
y131
y133
y231
y233
y331
y333

y132
y134
y232
y234
y332
y334
y.3.

y1..
y2..
y3..
y

Keterangan :
Unit Penelitian : yijk
i menunjukkan tipe material
: i=1,2,3
j menunjukkan jumlah level temperatur : j= 1 untuk suhu 15, 2 untuk suhu 50, 3
untuk suhu125
k menunjukkan replikasi
: k=1,2,3,4
Contoh 2
Suatu penelitian ingin dilakukan oleh seorang Manager HRD. Manager HRD
tersebut ingin mengamati produktivitas karyawannya. Produktivitas ini diukur
dari lama dia bekerja tiap harinya, dimana tiap harinya ada jumlah jam kerja yang
diharuskan oleh perusahaan. Ukuran produktivitas ini bernilai antara 0-1. Terdapat
2 jenis pekerjaan yang ingin dia amati yaitu bagian Mekanik dan bagian Operator,
dimana semuanya berjenis kelamin laki-laki. Jam kerja mekanik tiap harinya
adalah 8 jam, dan jam kerja operator adalah 12 jam. Manager HRD beranggapan
bahwa faktor umur berpengaruh terhadap produktivitas karyawannya. Umur ini
dibagi menjadi 4 bagian. Untuk karyawan berumur 25 tahun masuk ke kelompok
1, karyawan berumur 26-35 tahun masuk ke kelompok 2, karyawan berumur 3645 tahun masuk ke kelompok 3, karyawan berumur 46 tahun masuk ke
kelompok 4. Karena waktu dan biaya terbatas, maka hanya diambil 3 karyawan
tiap kelompok umur di masing-masing jenis pekerjaan.
Rancangan percobaan yang digunakan adalah Nested 2-Stage. Yang menjadi
sarangnya adalah jenis pekerjaannya (Mekanik dan Operator) dan yang tersarang
adalah kelompok umur (1,2,3,4).

Jenis Pekerjaan
Kelompok Umur
Observasi
(Produktivitas)

Jenis
Pekerjaan
1

Kelompok
umur
1

Observas
i
y111

y112

y113

y121

y122

y123

y131

y132

1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2

3
4
4
4
1
1
1
2
2
2
3
3
3
4
4
4

y133
y141
y142
y143
y211
y212
y213
y221
y222
y223
y231
y232
y233
y241
y242
y243

Keterangan:
Jenis Pekerjaan : 1 = Mekanik
2 = Operator
Contoh 3

Seorang peneliti ingin melakukan percobaan tentang pengaruh penambahan Ca ke


dalam pakan ternak ayam terhadap tingkat kekerasan kulit telur. Penambahan Ca
diberikan sebesar 0%, 5%, 10%, 15% dan 20%, masing-masing diberikan
terhadap 8 ekor ayam petelur. Setiap ayam petelur dikandangkan secara terpisah
dan semua ayam petelur yang dilibatkan dikondisikan sehomogen mungkin.
Tingkat kekerasan kulit telur diukur dari telur ketiga yang dihasilkan selama
pemberian pakan.
Alasan mengapa ayam-ayam tersebut dikandangkan secara terpisah untuk
memudahkan penelitian yaitu meminimumkan faktor luar yang mungkin dapat
mengganggu jalannya penelitian. Pengamatan dilakukan pada telur ketiga karena
untuk memaksimalkan perlakuan yang diberikan pada setiap ayam serta melihat
menyamakan waktu reaksi dari perlakuan pada setiap ayam.
Rancangan percobaan yang cocok adalah Rancangan Acak Lengkap (RAL) karena
kondisi unit eksperimennya relatif homogen.
Kadar Ca

Experimental Run Number

0%

5%

10

11

12

13

14

15

16

10%

17

18

19

20

21

22

23

24

15%

25

26

27

28

29

30

31

32

20%

33

34

35

36

37

38

39

40

Langkah selanjutnya adalah menentukan urutan percobaan, dimana urutan


percobaan ini dilakukan secara random guna meminimalisir efek dari variabel
yang tidak diketahui.
Urutan
Percobaan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Run
Number
28
34
33
17
27
5
35
7
3
37
18
30
21
6
11
26

Kadar
Ca
15
20
20
10
15
0
20
0
0
20
10
15
10
0
5
15

17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

14
16
24
40
31
29
20
8
12
23
9
15
19
4
22
36
32
39
13
1
2
25
38
10

5
5
10
20
15
15
10
0
5
10
5
5
10
0
10
20
15
20
5
0
0
15
20
5

Lalu dilakukan percobaan dan dimasukkan dalam tabel seperti berikut:


Observasi ke-

Kadar
Ca

0%

y11

y12

y13

y14

y15

y16

y17

y18

5%

y21

y22

y23

y24

y25

y26

y27

y28

10%

y31

y32

y33

y34

y35

y36

y37

y38

15%

y41

y42

y43

y44

y45

y46

y47

y48

20%

y51

y52

y53

y54

y55

y56

y57

y58

Keterangan :
Unit Penelitian : yij
i menunjukkan level faktor kadar Ca
j menunjukkan replikasi

: i=1,2,3,4,5
: j=1,2,3,4,5,6,7,8

Data pada tabel berikut merupakan Hasil Tembakau (Kg/petak) Kasturi yang diberikan 6
perlakuan. Faktor-faktor yang diteliti adalah kombinasi pupuk NPK sebanyak 6 taraf,
yaitu Kontrol, PK, N, NP, NK, NPK.
Kombinasi
Pemupukan

Kelompok

Total
Perlakuan

Control
PK
N
NP
NK
NPK
Total kelompok (Yj)

1
27.7
36.6
37.4
42.2
39.8
42.9
266.6

2
33
33.8
41.2
46
39.5
45.9
239.4

3
26.3
27
45.4
45.9
40.9
43.9
229.4

4
37.7
39
44.6
46.2
44
45.6
257.1

(Yi)
124.7
136.4
168.6
180.2
164.2
178.3
952.5

Analisis

Yij i j ij
Model :

(Yij ) i j ij

Penyelesaian dengan Minitab didapatka ANOVA dan ditambah perhitungan


secara manual sebagaiberikut :
Sumber
Keragaman
(SK)

Derajat
Bebas
(db)

Jumlah
Kuadrat
(JK)

Kelompok

95.1045833

Perlakuan

658.06375

Galat

15

137.257917

Total

23

890.42625

Kuadrat
Tengah
(KT)
31.70152
8
131.6125
9.150552
8

Fhitung

F 5%

F 1%

3.46*

3.287

5.417

14.38**

2.901

4.556

Penyelesaian dengan program R


Langkah-langkah

Untuk menyelesaikan soal RAK factorial diatas, kita

menggunakan program R. Langkah-langkahnya adalah sebagai berikut:


1.

Tuliskan data RAK pada notepad

2.

Simpan data dari notepad dengan nama TugasAD1 pada folder


data yang ada pada R di Local Disk (D)

3.

Kemudian panggil data simpanan TugasAD1 yang ada notepad


tersebut,caranya:
> ad1<read.txt (file=TugasAD1.txt)

>
4.

ad1
Selanjutnya tulis pada program R
> r = c(t(as.matrix(ad1)))
>r

5.

Selanjutnya tulis pada program

R : > f = c(kel_1,kel_2,kel_3,kel_4)
>k=4
>n=6
6.

Selanjutnya tulis pada program R :


> tm = gl(k, 1, n*k, factor(f))
> tm

7.

Selanjutnya tulis pada program R


: > blk = gl(n, k, k*n)
> blk

8.

Selanjutnya tulis pada program R :


> av = aov(r ~ tm + blk)

9.

Selanjutnya tulis pada program R :


> summary(av)

10.

Untuk lebih jelas seperti dibawah ini :


> data (ad1)
> ad1
kel_1

kel_2 kel_3 kel_4

KONTROL 27.7

33.0

26.3

37.7

PK

36.6

33.8

27.0

39.0

37.4

41.2

45.4

44.6

NP

42.2

46.0

45.9

46.2

NK

39.8

39.5

40.9

44.0

NPK

42.9

45.9

43.9

45.6

> r = c(t(as.matrix(ad1)))
>r
[1] 27.7 33.0 26.3 37.7 36.6 33.8 27.0 39.0 37.4 41.2 45.4 44.6 42.2 46.0 45.9
[16] 46.2 39.8 39.5 40.9 44.0 42.9 45.9 43.9 45.6
> f = c(kel_1,kel_2,kel_3,kel_4)
>k=4
>n=6
> tm = gl(k, 1, n*k, factor(f))
> tm

[1] kel_1 kel_2 kel_3 kel_4 kel_1 kel_2 kel_3 kel_4 kel_1 kel_2 kel_3 kel_4
[13] kel_1 kel_2 kel_3 kel_4 kel_1 kel_2 kel_3 kel_4 kel_1 kel_2 kel_3 kel_4
Levels: kel_1 kel_2 kel_3 kel_4
> blk = gl(n, k, k*n)
> blk
[1] 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6
Levels: 1 2 3 4 5 6
> av = aov(r ~ tm + blk)
> summary(av)
Df

Sum Sq

Mean Sq

F value

Pr(>F)

tm

95.1

31.70

3.464

0.0432 *

blk

658.1

131.61

14.383

2.88e-05 ***

Residuals 15

137.3

9.15

Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1