V.

RANCANGAN ACAK LENGKAP(RAL)

Syaratnya adalah hanya ada satu peubah bebas (independent variable) yang disebut perlakuan, jadi tidak ada peubah lain selain perlakuan yang mempengaruhi respons hasil penelitian (dependent variable). Model Matematis

Yij = µ + Pi + єij
i = 1, 2, 3,…………,p dan j = 1, 2, 3,…………,u Disini : Yij : Pengamatan perlakuan ke-i dan ulagan ke-j

µ

: Rataan Umum Pi : Pengaruh perlakukan ke-i

Єij : Galat perlakuan ke-I dan ulangan ke-j
Mdel diatas diduga berdasarkan sampelnya :

yij = ỹ.. + (ỹi. - ỹ..) + yij - ỹi.) (yij - ỹ.. )= (ỹi. - ỹ..) + yij - ỹi.)
Derajat Bebas (DB): (pu -1) = (p -1) + (pu – p) (pu -1) = (p -1) + p(u – 1) DB Total = DB Perlakuan + DB Galat Kalau kita jumlahkan dan kuadratkan maka :
_ 2 p u _ _ _ (yij - y.. ) = ∑∑[(yi. - y.. ) + (yij - yi. )]2 ∑∑
p u i =1 j =1 i =1 j =1

_ 2 p u _ _ _ _ _ _ (yij - y.. ) = ∑∑ [(yi. - y.. )2 + 2(yi. - y.. )(yij - yi. ) + (yij - yi. )2 ] ∑∑
p u i =1 j =1 i =1 j =1

=0

∑∑(yij
i =1 j =1

p

u

_ 2 p u _ _ _ - y.. ) = ∑∑[(yi. - y.. )2 + (yij - yi. )2 ]
i =1 j =1 p u _ _ _ 2 p u _ - y.. ) = ∑∑(yi. - y.. )2 + ∑∑(yij - yi. )2 i =1 j =1 i =1 j =1

∑∑(yij
i =1 j =1

p

u

J m h u la

K a ra ud t

T tal o

p u _ = ∑ (y - y.. ∑ ij i= 1 j= 1

p u (y 2 ..) 2 ) = ∑ y 2 − __ ij ∑ p u i= j= 1 1

__

ỹ2....) Rataan(ỹi. DB Galat)) maka H0 diterima (P>0.05). hal ini berarti Perlakuan berpengaruh nyata (P<0.= μp H1 : μi ≠ μi’ • Derajat Bebas (p-1) p(u-1) (pu – 1) Jumlah Kuadat JK P JK G JK T Kuadrat Tengah JKP/(p-1)=P JKG/p(u-1)=G F Hitung P/G F Tabel 0.05).1 y..yi..y.1 ỹ.) 2 2 2 ) =1/u ∑ yi. 2 y21 y22 y23 y24 y25 y2. .05). ỹ1.1 y. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0..05. DB Perlakuan.1 y.y.. i= 1 j= 1 _ .1 y.01 PeluAng(P ) ∀ i Jika F Hitung (P/G) < F Tabel ( 0.05..05). Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =.) 1 y11 y12 y13 y14 y15 y1..05 0.1 y. 4 y41 Y42 y43 y44 y45 y4.. Tabel Daftar Sidik Ragam. )] i =1 j =1 i =1 j =1 JK Galat = JK Total – JK Perlakuan Tabel Data (Umpama : p = 4 dan u = 5) Ulangan (j) 1 2 3 4 5 Total (yi.. p (y. Perlakuan (i) 3 y31 Y32 y33 y34 y35 y3.Ju lah m K ad u rat P erlakuan p u p u _ = ∑∑ (yi. DB Perlakuan. ) = ∑∑ [(yij .. ỹ3.. ) + (yi. . ỹ4..j) y. Total (y.. DB Galat)) maka H0 ditolak (P<0. − __ p u i= 1 _ _ _ _ 2 2 p u Jumlah Kuadrat Galat = ∑∑ (yij .y. • Jika F Hitung (P/G) ≥ F Tabel ( 0.

1327 Daftar Sidik Ragam Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F.78 34.91 0.52 27.89 23.• Jika F Hitung (P/G) ≥ F Tabel ( 0.82 6.10 6.02 5.29 23.(115.26 23.82 0.86 4.01 22.. coli) Ulangan (j) 1 2 3 4 5 Total (yi.88 6.01.12 4.58 5. 2.752 +…………………+ 4. DB Galat)) maka H0 ditolak (P<0.j) 23.) − _ p u 2 JK Total = 6. Hitung F Tabel 0.80 4.78 5.05 0.71 6.83 5.3556 – 667.2228 – 667.0488 Total 6 4.58 5.0561 Lama Desinfeksi (i) dalam jam 2 4 5.58)2/(4x5) = 678. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali. hal ini berarti Perlakuan (P<0. − __ pu i= 1 JK Perlakuan =1/5(34.) Rata-rata SD Perhitungan : Jm h u la K a ra ud t T ta o l =∑ y ∑ ij i= 1 j= 1 4 5 0 6.07 6.62 5..95 29. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.102 + 29.832 + 24.53 5.85 4.1550 5.82 0.78 0.01 P . coli (Log E.51 5.01).0911 2 (y_ .57 0.60 5.0602 (y.73 4.882 .532 + 27.9368 = 10. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .58)2/(4x5) = 578.872 + 6.01). Tabel Data Jumlah E.87 6. DB Perlakuan.2660 JK Galat = JK Total – JK Perlakuan = 10.75 6.9368 = 10.4188 – 10.) 2 2 = 1/u ∑ yi.88 24.122 ) – (115.4188 Jum lah K uadrat Perlakuan 4 (y.2660 = 0.882 + 6. berpengaruh sangat nyata Teladan 1.13 115.

05. X = 2.30226(-33. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0. X = 2.DBG=p-1) maka disimpulkan ragam homogen.29 <0.22** 3. sebaliknya jika B> X2 (0.2860 0.05. .81 Oleh karena B< X2 (0.04882+(5-1)Log 0. denagn rumus : X = 2.05612+(5-1)Log 0.5502+(5-1)Log 0.DBG=4-1) .29512 + 36.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.Lama D Galat Total 3 16 19 10. 9_ 9 _ _95 __2 _ _ B =3_ 3 10 6 .00830 413.42867 0.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} _ X _ B = Y ∀ i Jika B< X2 (0.30226{[∑(ui – 1)] Log S2 .01= 5. 1 X2 (0. maka H0 ditolak pada taraf 1%.06022}. 46 117 _ =8 7 .1327 10.741513) = 7.29.93499236 Y = 1 + 1/9{1/(5-1)+ 1/(5-1)+ 1/(5-1)+ 1/(5-1)} – [1/(5-1)+(5-1)+(5-1)+(5-1)]} Y = 1. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.DBG=p-1) maka disimpulkan ragam tidak homogen. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.05.4188 3. untuk menguji homogennitas ragam digunakan Uji Bartlett.24 5. maka disimpulkan ragam homogen (P>.01) terhadap log jumlah E coli air limbah RPH.05.05). Sebagai contoh kita gunakan data diatas.09112[(5-1)Log 0.1041667 7 4_ _ .01).DBG=4-1) = 7.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.22> F Tabel 0.

742** . disimpulkan berbeda sangat nyata (P<0. – ўi.566 4.000830 x ) = 0.UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.0576 = 0. diatas maka dapat dicarai sebagai berikut : S = 2(0.│< nilai Jika │ўi. yaitu dengan mencari Sx dengan rumus : S x = 2 K_ G __ __ T r BNT 5% = t (0. ў’i.01). – ўi. dengan ў’i.05). Signifikansi 0. BNT 5% = 2.820 5.824 Ў1.05. disimpulkan berbeda nyata (P<0.│≥ nilai Jika │ўi.0576 = 0. ў’i. – ўi.120 x 0. disimpulkan tidak berbeda nyata (P>0.814** 1.906 5.921 x 0.0576. – ў’i.996** Ў2.05).│≥ nilai BNT 5% maka antara ўi. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. Uji Beda Nyata Terkecil (BNT).05 0. dengan BNT 1% maka antara ўi.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. Ў3.1221 BNT 1% = 2. Uji ini menggunakan tabel t.DBG)Sx BNT 1% = t (0. – ў’i. dengan BNT 5% maka antara ўi.1683 Tabel Uji BNT Lama Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : Nilai dengan huruf yang berbeda kearah kolom menunjukkan Rataan 6. maka selanjutnya ingin diketahui antar perlakuan (ratarata) mana yang berbeda nyata.340** 1. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan. 0 0. Dari Tabel Teladan 1.082** 0 0. – ў’i.254** 1.01 A B C D A B C D 0 0.

maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.05).181 LSR 5% pada Rentangan P tertentu. – ў’i. – ў’i. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan. – ў’i.34 LSR 0.814** 1.01 0.820 5.01 4.15 SSR 0. maka LSR 1% pada Rentangan P tertentu.340** 1. dengan ў’i.00 3.0083/5 = 0. Tabel Uji Rentangan Berganda Duncan Lama Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : Nilai dengan huruf yang berbeda kearah kolom menunjukkan Rataan 6. antara ўi. Sx = KTG/r = 0. – ўi. Signifikansi 0.01 A B C D A B C D 0 0.│≥ nilai Jika │ўi. – ўi. disimpulkan tidak berbeda nyata (P>0.05 0.128 LSR 0.│≥ nilai 4 3. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0. antara ўi. disimpulkan berbeda sangat nyata (P<0.13 4.45 0. disimpulkan berbeda nyata (P<0.122 0. Uji Rentangan Berganda Duncan.742** .906 5.05 0.05). dengan ў’i.824 Ў1.040743 LSR = Sx x SSR SSR diambil dari Tabel Duncan.01).254** 1. maka LSR 5% pada Rentangan P tertentu. b. Bila perlakuan lebih dari 5 (p>5). dengan ў’i.berbeda nyata (P<0.│< nilai Jika │ўi. maka antara ўi. Ў3.01).082** 0 0.05 3.168 0.566 4.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : Jika │ўi. 0 0. – ўi.05) atau sangat nyata (P<0.23 4.132 0.996** Ў2.

.a.. β1..... jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +...+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4....berbeda nyata (P<0.. β2 dan β3.01). dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’X β .. dalam hal ini matriks tersebut adalah : 20 20 20 20 ∑Yi i= 1 20 n = ∑Li i =1 ∑Li 2 i =1 20 i= 1 ∑Li 3 i= 1 β0 β1 ∑YiLi i =1 ∑Li i =1 20 20 ∑Li 2 i =1 20 20 ∑Li 3 20 ∑Li 4 i= 1 20 20 ∑YiLi 2 i =1 ∑Li 2 ∑Li 3 ∑Li 4 i =1 i= 1 i =1 ∑Li 5 i =1 20 β2 ∑YiLi 3 i =1 20 ∑Li 3 i= 1 20 ∑Li 4 i= 1 20 ∑Li 5 i =1 20 ∑Li 6 i= 1 20 β3 . 2. maka derajat polinom yang mungkin adalah dengan persamaan sebagai berikut : Y = β0 + β1 X + β2 X2 + β3X3 atau Y = β0 + β1 L + β2 L2 + β3L3 Disini L adalah Lama Desinfeksi dan Y adalah jumlah log E coli Dari persamaan garis regresi tersebut kita bisa mencari β0......05) atau sangat nyata (P<0...... Jika perlakuan atau faktor bersifat kualitatif. jadi a = 4 -1 = 3.. disini a = p – 1 (a = jumlah perlakuan dikurangi satu). maka perlu dicari hubungan antara perlakuan (Peubah bebas) diberikan lambang X dengan peubah tak bebas atau peubag respons diberikan lambang Y Hubungan X dengan Y dibuat dalam bentuk persamaan polinom berpangkat 1......

β0 β1 n = ∑Li i =1 20 ∑Li i =1 20 ∑Li 2 i =1 20 i= 1 20 ∑Li 3 i= 1 20 i =1 20 -1 ∑Yi i= 1 20 ∑Li 2 i =1 20 ∑Li 3 ∑Li 2 i =1 20 ∑Li 4 ∑Li 4 i= 1 20 ∑YiLi i =1 20 β2 ∑Li 3 i= 1 20 ∑Li 5 i =1 20 ∑YiLi 2 i =1 20 β3 ∑Li 3 i= 1 20 ∑Li 4 i= 1 20 ∑Li 5 i =1 20 ∑Li 6 i= 1 20 ∑YiLi 3 i =1 20 Berdasarkan Teladan 1.76317 0.0.10 1431.19375 .58 315.30 β0 β1 β2 β3 = 6. maka kita peroleh : β0 β1 β2 β3 = 20 60 240 1440 60 260 1440 7840 280 1440 7840 44160 1440 7840 44160 254100 115.0.70 7227.02033 .82000 .

19375L2 – 0.05 0.1/n( ∑Yi) i =1 n Jumlah Kuadrat Total Jumlah Kuadrat Galat Tabel Sidik Ragam Regresi Sumber Keragaman Regresi Galat Total Derajat Bebas p n-p-1 n-1 = ∑Yi 2 .82000 – 0.02033L3 8 Log.1/n( ∑Yi) 2 i =1 i =1 n n = JK Total – JK Regresi Kuadrat Tengah JK R/p = R JK G/(n-1-p)=G F Hitung R/G F Tabel 0.01 P Jumlah Kuadra t JK R JK G JK T Kesimpuylannya adalah : .76317L + 0. coli 7 6 5 4 3 2 1 0 0 2 4 6 8 10 Lama Desinfeksi (Jam) Untuk menguji ketepatan dan ketelitian bentuk bentuk persamaan garis regresi dilakukan pengujian bentuk persamaan garis regresinya dan dan koefisien korelasinya yaitu dengan cara sebagai berikut : 2 Jumlah Kuadrat Regresi = (x’Y)’ β . Jumlah E.Jadi persamaan garis Regresinya adalah : Y = 6.

.76317L + 0.01). [(0.05) yaitu dengan program Regresi Stepwis. (n-p-1)].• • • Jika FH(R/G) < F Tabel Jika FH(R/G) ≥ F Tabel Jika FH(R/G) ≥ F Tabel [(0.05. nilainya (0 . berarti garis regresinya tidak nyata (P>0.05. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) . (n-p-1)].01. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier). Derajat polinom yang tertinggi adalah 3(kubik). p.(1/20) (∑ Yi) i =1 20 J_ Ks R ei g e __ _r __ __ __ Ja K T o t l . Pengujian ini memang cukup merepotkan. regresinya sangat nyata (P<0. dari persamaan garis Regresi yang diperoleh yaitu Y = 6. koefisien garis regresi yang nyata (P<0.02033L3. (n-p-1)]. berarti garis maka H0 ditolak.05). kita dapat mengitung : 2 JK Regresi = (X’Y)’β .82000 – 0. tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0. nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1.05). dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. p. Koefisien diterminan (R2) = ≤ R2 ≤ 1) Koefisien Korelasi (R) = R2 . maka H0 diterima.05).19375L2 – 0. Ketelitian dan ketepatan garis regresi dapat juga dilihat dari besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r). [(0. sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y). regresinya nyata (P<0. berarti garis maka H0 ditolak. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi). p.

JHKX1Xp . 3.(1/20)(115.= (∑Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li 2) β2 + (∑ YiLi 3) β3 i =1 i =1 i =1 i =1 20 20 20 20 (1/20) (∑ Yi) 2 i =1 20 = (115. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.8200)+(315.01 3.01 = ± 0.01). juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).(1/20)( ∑ Yi) 2 = 678.05).2860/10. Maka koefisien garis regresinya sangat nyata (P<0.8973 Koefisien Korelasi (R) = 0. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X3………………….8 7 93 F Tabel 0.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH Bebas Kuadrat Tengah Regresi 3 10.(1/20)(115.24 5.04074 413.4188 i =1 i =1 JK Galat = JK Total – JK Regresi = 10.05 0.615 dan Tabel R (R 0.582) = 10.4188 – 10.30)(-0.05).2860 0. Jika semua koefisien garis regresinya nyata (P<0.4188 Kesimpulan : Garis regresi sangat nyata (P<0. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.05).05.29 P <0.2860 JK Total = 20 20 ∑Yi 2 .1328 0. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik. Koefisien diterminan (R2) = 10. 3.18) = 0.36 .1)(-0.22 Galat 20-3-1=16 0.58)(6.01).4188 = 0.19375)+ (7227.01.02033) .76317)+(1431)(0. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.00830 Total 20-1= 19 10.9936 Jika kita bandingkan dengan Tabel R (R 0.582) = 10.706.2860 = 0.18) = 0.

..Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.……….JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat)..05. Dari Teladan 1.921 P <0.01.01 2.. DB Galat Regresi) (0. dengan rumus : │tH│= Kesimpulan : • • • Jika │tH│< t Tabel tidak nyata (P>0.JHKX2Xp JK X3.……. DB Galat Regresi) βi/ Si b 2 = β bi i/S maka koefisien garis regresinya maka koefisien garis regresinya maka koefisien garis regresinya sangat nyata (P>0..…………. DB Galat Regresi) (0.05).04074 t Hitung 164.F F………………. Jika │tH│> t Tabel nyata (P<0.05).120 2.05 0.05.82000 Standar Error (Sbi) 0. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.05).E Sb22…………….C D……….42 t Tabel 0.JHK X1X2 JHK X1X3 JK X2 JHK X1X2 JHK X2X3………………….01 β0 .………….………….. Jika │tH│> t Tabel (0. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah Koefisien Garis Regresi 6.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….

03454 0.01).921 <0.02033 0.00380 9. .120 2.01 <0.120 2.921 2.76317 0.36 2.Β1 Β2 Β3 -0.120 2.07815 0.19375 -0.01 Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0.01 <0.61 5.77 5.921 2.