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

__

y. 4 y41 Y42 y43 y44 y45 y4.1 y... DB Perlakuan.) 1 y11 y12 y13 y14 y15 y1. − __ p u i= 1 _ _ _ _ 2 2 p u Jumlah Kuadrat Galat = ∑∑ (yij .. Total (y.yi.1 y. Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =. . ỹ4..01 PeluAng(P ) ∀ i Jika F Hitung (P/G) < F Tabel ( 0.1 y.1 ỹ..05 0. DB Galat)) maka H0 ditolak (P<0..y.05.= 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. Tabel Daftar Sidik Ragam.05). • Jika F Hitung (P/G) ≥ F Tabel ( 0. ỹ2.05). Perlakuan (i) 3 y31 Y32 y33 y34 y35 y3.1 y. hal ini berarti Perlakuan berpengaruh nyata (P<0..j) y. DB Galat)) maka H0 diterima (P>0.) Rataan(ỹi. DB Perlakuan. 2 y21 y22 y23 y24 y25 y2. ) + (yi. ) = ∑∑ [(yij ....05).. p (y. )] 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.. ..05.Ju lah m K ad u rat P erlakuan p u p u _ = ∑∑ (yi.) 2 2 2 ) =1/u ∑ yi. ỹ3. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0... i= 1 j= 1 _ .05).y. ỹ1.1 y.

0602 (y.01).78 34.(115.62 5.01.832 + 24.80 4.51 5.122 ) – (115. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .4188 – 10.07 6. Tabel Data Jumlah E.01 22.1327 Daftar Sidik Ragam Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F.05 0.95 29.2228 – 667.102 + 29.0488 Total 6 4.73 4.532 + 27.882 + 6.. coli (Log E.57 0. Hitung F Tabel 0.87 6.88 24. DB Galat)) maka H0 ditolak (P<0.10 6.86 4.752 +…………………+ 4.882 .53 5.2660 = 0.) 2 2 = 1/u ∑ yi. DB Perlakuan.82 0.0911 2 (y_ .9368 = 10.88 6.58 5. berpengaruh sangat nyata Teladan 1. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.• Jika F Hitung (P/G) ≥ F Tabel ( 0.89 23.91 0.3556 – 667.58)2/(4x5) = 678.75 6.0561 Lama Desinfeksi (i) dalam jam 2 4 5. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.29 23.78 0.1550 5. 2.58)2/(4x5) = 578.78 5.60 5.4188 Jum lah K uadrat Perlakuan 4 (y..01).83 5.58 5.12 4.01 P .82 0.71 6.j) 23.13 115.26 23.9368 = 10.02 5.) 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 6.52 27. coli) Ulangan (j) 1 2 3 4 5 Total (yi. − __ pu i= 1 JK Perlakuan =1/5(34.2660 JK Galat = JK Total – JK Perlakuan = 10.) − _ p u 2 JK Total = 6.85 4.82 6.872 + 6. hal ini berarti Perlakuan (P<0.

Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.05612+(5-1)Log 0.741513) = 7. untuk menguji homogennitas ragam digunakan Uji Bartlett.Lama D Galat Total 3 16 19 10.5502+(5-1)Log 0.2860 0.1041667 7 4_ _ . maka H0 ditolak pada taraf 1%.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 = 1.29. Sebagai contoh kita gunakan data diatas. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.06022}.30226{[∑(ui – 1)] Log S2 . 46 117 _ =8 7 . maka disimpulkan ragam homogen (P>. 9_ 9 _ _95 __2 _ _ B =3_ 3 10 6 .42867 0. .05.DBG=4-1) = 7.22> F Tabel 0.29512 + 36. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.30226(-33. denagn rumus : X = 2.DBG=p-1) maka disimpulkan ragam tidak homogen.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.29 <0.05).00830 413. X = 2.DBG=4-1) .04882+(5-1)Log 0. 1 X2 (0.01= 5.4188 3.05.24 5.1327 10.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} _ X _ B = Y ∀ i Jika B< X2 (0. X = 2.22** 3.05. sebaliknya jika B> X2 (0.05.01) terhadap log jumlah E coli air limbah RPH.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.DBG=p-1) maka disimpulkan ragam homogen.01).09112[(5-1)Log 0.81 Oleh karena B< X2 (0.

– ўi. disimpulkan tidak berbeda nyata (P>0. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. dengan BNT 5% maka antara ўi.05.0576 = 0. Ў3.UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.000830 x ) = 0. Uji ini menggunakan tabel t.1683 Tabel Uji BNT Lama Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : Nilai dengan huruf yang berbeda kearah kolom menunjukkan Rataan 6.05).814** 1. maka selanjutnya ingin diketahui antar perlakuan (ratarata) mana yang berbeda nyata. – ў’i. – ў’i.│< nilai Jika │ўi. ў’i. – ўi.566 4.996** Ў2.01).906 5. disimpulkan berbeda sangat nyata (P<0. BNT 5% = 2.│≥ nilai BNT 5% maka antara ўi. dengan BNT 1% maka antara ўi.│≥ nilai Jika │ўi.820 5.824 Ў1. disimpulkan berbeda nyata (P<0.0576 = 0. – ўi. diatas maka dapat dicarai sebagai berikut : S = 2(0. dengan ў’i.DBG)Sx BNT 1% = t (0.742** . Signifikansi 0.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi.921 x 0.0576. 0 0. Dari Tabel Teladan 1.01 A B C D A B C D 0 0.340** 1. yaitu dengan mencari Sx dengan rumus : S x = 2 K_ G __ __ T r BNT 5% = t (0. Uji Beda Nyata Terkecil (BNT). – ў’i. ў’i.1221 BNT 1% = 2. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.05 0.082** 0 0.120 x 0.05).254** 1.

05 3. antara ўi.05).05 0. antara ўi. 0 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 6.168 0. dengan ў’i.│≥ nilai 4 3.566 4. Bila perlakuan lebih dari 5 (p>5).05).128 LSR 0.814** 1. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0.996** Ў2.0083/5 = 0. b. disimpulkan berbeda sangat nyata (P<0. disimpulkan berbeda nyata (P<0.01).34 LSR 0.05) atau sangat nyata (P<0. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan. dengan ў’i.122 0.berbeda nyata (P<0.01).01 0.13 4.040743 LSR = Sx x SSR SSR diambil dari Tabel Duncan.05 0.01 A B C D A B C D 0 0.820 5. – ў’i.181 LSR 5% pada Rentangan P tertentu.082** 0 0.│< nilai Jika │ўi.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : Jika │ўi.00 3.906 5.23 4.45 0. dengan ў’i. – ўi.254** 1. maka antara ўi.742** .824 Ў1. – ў’i. – ўi. – ў’i. Signifikansi 0. maka LSR 1% pada Rentangan P tertentu. Sx = KTG/r = 0. maka LSR 5% pada Rentangan P tertentu.15 SSR 0. Uji Rentangan Berganda Duncan. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.340** 1. – ўi.│≥ nilai Jika │ўi. Ў3.01 4.132 0. disimpulkan tidak berbeda nyata (P>0.

.. β1..... 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.. Jika perlakuan atau faktor bersifat kualitatif...... jadi a = 4 -1 = 3. β2 dan β3.... disini a = p – 1 (a = jumlah perlakuan dikurangi satu)..a.. 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 ...+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4.. 2. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’X β . 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.........berbeda nyata (P<0.. jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +.01).05) atau sangat nyata (P<0.

19375 .70 7227. maka kita peroleh : β0 β1 β2 β3 = 20 60 240 1440 60 260 1440 7840 280 1440 7840 44160 1440 7840 44160 254100 115.0.10 1431.58 315.76317 0.02033 .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 1.0.30 β0 β1 β2 β3 = 6.82000 .

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 : .82000 – 0.19375L2 – 0.76317L + 0.Jadi persamaan garis Regresinya adalah : Y = 6. Jumlah E.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 . 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 .05 0.

(1/20) (∑ Yi) i =1 20 J_ Ks R ei g e __ _r __ __ __ Ja K T o t l .19375L2 – 0. (n-p-1)]. koefisien garis regresi yang nyata (P<0. [(0. dari persamaan garis Regresi yang diperoleh yaitu Y = 6. maka H0 diterima. [(0.01). p. tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0. Derajat polinom yang tertinggi adalah 3(kubik).05). karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) .05. regresinya nyata (P<0. berarti garis maka H0 ditolak. dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. kita dapat mengitung : 2 JK Regresi = (X’Y)’β . Koefisien diterminan (R2) = ≤ R2 ≤ 1) Koefisien Korelasi (R) = R2 . p.. berarti garis maka H0 ditolak. Pengujian ini memang cukup merepotkan. nilainya (0 .05. regresinya sangat nyata (P<0.05). (n-p-1)].82000 – 0. sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y).05) yaitu dengan program Regresi Stepwis.76317L + 0. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier). (n-p-1)]. berarti garis regresinya tidak nyata (P>0. nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1. Ketelitian dan ketepatan garis regresi dapat juga dilihat dari besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r). p. Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh.• • • Jika FH(R/G) < F Tabel Jika FH(R/G) ≥ F Tabel Jika FH(R/G) ≥ F Tabel [(0.05).02033L3.01. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi).

3.4188 = 0. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.05. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.76317)+(1431)(0. Koefisien diterminan (R2) = 10.05).= (∑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 = (115.02033) .4188 Kesimpulan : Garis regresi sangat nyata (P<0.2860 = 0.615 dan Tabel R (R 0.19375)+ (7227.(1/20)(115.2860/10.05).4188 – 10.9936 Jika kita bandingkan dengan Tabel R (R 0.01 3.2860 0.22 Galat 20-3-1=16 0. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.8 7 93 F Tabel 0.01 = ± 0.4188 i =1 i =1 JK Galat = JK Total – JK Regresi = 10.04074 413. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.01).8973 Koefisien Korelasi (R) = 0.8200)+(315.24 5.2860 JK Total = 20 20 ∑Yi 2 .JHKX1Xp .1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH Bebas Kuadrat Tengah Regresi 3 10.29 P <0. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X3………………….05). juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi). 3.30)(-0. Jika semua koefisien garis regresinya nyata (P<0.706.1328 0.(1/20)(115.(1/20)( ∑ Yi) 2 = 678.582) = 10.36 .582) = 10.01).05 0.18) = 0.1)(-0.00830 Total 20-1= 19 10. Maka koefisien garis regresinya sangat nyata (P<0.18) = 0.58)(6.01.

05.……….01 2. dengan rumus : │tH│= Kesimpulan : • • • Jika │tH│< t Tabel tidak nyata (P>0.01. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….…………..Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.05).. DB Galat Regresi) (0. Jika │tH│> t Tabel nyata (P<0.……. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t. Dari Teladan 1.E Sb22……………..JHK X1X2 JHK X1X3 JK X2 JHK X1X2 JHK X2X3………………….05 0. Jika │tH│> t Tabel (0.…………. DB Galat Regresi) (0.C D……….05).120 2.05.………….04074 t Hitung 164..JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.921 P <0.42 t Tabel 0.JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).05). 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>0.01 β0 ..JHKX2Xp JK X3.82000 Standar Error (Sbi) 0.F F………………. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah Koefisien Garis Regresi 6..

921 2.01 <0.36 2.61 5.921 2.Β1 Β2 Β3 -0.77 5.01 Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0.921 <0. .02033 0.00380 9.120 2.120 2.76317 0.120 2.01 <0.03454 0.07815 0.19375 -0.01).

Sign up to vote on this title
UsefulNot useful