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 :
p u _ 2 p u _ _ _
(yij - y.. ) [(yi. - y.. ) (yij - yi. )]2
i 1 j 1 i 1 j 1
p u _ 2 p u _ _ _ _ _ _
(yij - y.. ) [(yi. - y.. )2 2(yi. - y.. )(yij - yi. ) (yij - yi. )2 ]
i 1 j 1 i 1 j 1
=0
p u _ 2 p u _ _ _
(yij - y.. ) [(yi. - y.. )2 (yij - yi. )2 ]
i 1 j 1 i 1 j 1
p u _ 2 p u _ _ 2 p u _
(yij - y.. ) (yi. - y.. ) (yij - yi. )2
i 1 j 1 i 1 j 1 i 1 j 1
(yij
u _ 2 p u
(y..)
- y.. ) yij2 __
2 __
i 1 j 1 i 1 j 1 pu
p_ u _ p 2
2 2 (y..)
Jumlah Kuadrat Perlakuan (yi.
i 1 j 1
- y.. ) 1/u yi. __
i 1 pu
_ 2 p u
p u _ _ _ 2
Jumlah Kuadrat Galat (yij - yi. ) [(yij - y.. ) (yi. - y.. )]
i 1 j 1 i 1 j 1
Hipotesis :
H0 : μ1 = μ2 = μ3 =...........= μp
H1 : μi ≠ μi’ i
Perhitungan :
4 5 2
(y..)
Jumlah Kuadrat Total yij2
i 1 j 1
__
pu
JK Total = 6.882 + 6.872 + 6.752 +…………………+ 4.882 - (115.58)2/(4x5)
= 678.3556 – 667.9368 = 10.4188
4
(y..) 2
2
Jumlah Kuadrat Perlakuan 1/u yi. __
i 1 pu
H0 : μ1 = μ2 = μ3 = μ4
H1 : μi ≠ μi’ i
Kesimpulan :
FH = 413.22> F Tabel 0,01= 5.29, maka H 0 ditolak pada taraf 1%.
Jadi Lama desinfeksi berpengaruh sangat nyata (P<0,01) terhadap log jumlah E
coli air limbah RPH.
Uji Bartlett
Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen,
untuk menguji homogennitas ragam digunakan Uji Bartlett, denagn rumus :
X = 2.30226{[∑(ui – 1)] Log S2 - ∑(ui – 1) logSi2}
Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]}
B __
X
Y
Jika B< X2 (0,05,DBG=p-1) maka disimpulkan ragam homogen, sebaliknya jika B>
X2 (0,05,DBG=p-1) maka disimpulkan ragam tidak homogen.
Sebagai contoh kita gunakan data diatas.
X = 2.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.0911 2-
[(5-1)Log 0.05612+(5-1)Log 0.5502+(5-1)Log 0.04882+(5-1)Log 0.06022}.
X = 2.30226(-33.29512 + 36.741513) = 7.93499236
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 = 1.1041667
7.93499235 _
B __________ 7.18
1.1041667
X2 (0,05,DBG=4-1) = 7.81
Oleh karena B< X2 (0,05,DBG=4-1) , maka disimpulkan ragam homogen (P>,05).
UJI NILAI TENGAH SETELAH SIDIK RAGAM
BNT 5% = t (0.05;DBG)Sx
BNT 1% = t (0.01DBG)Sx
Kesimpulan dari uji BNT adalah sebagai berikut :
Jika │ўi. – ў’i.│< nilai BNT 5% maka antara ўi. dengan ў’i.
disimpulkan tidak berbeda nyata (P>0.05).
Jika │ўi. – ў’i.│≥ nilai BNT 5% maka antara ўi. dengan ў’i.
disimpulkan berbeda nyata (P<0.05).
Jika │ўi. – ў’i.│≥ nilai BNT 1% maka antara ўi. dengan ў’i.
disimpulkan berbeda sangat nyata (P<0.01).
Dari Tabel Teladan 1. diatas maka dapat dicarai sebagai berikut :
Sx 2(0.000830 ) = 0.0576.
BNT 5% = 2.120 x 0.0576 = 0.1221
BNT 1% = 2.921 x 0.0576 = 0.1683
Keterangan :
Nilai dengan huruf yang berbeda kearah kolom menunjukkan
berbeda nyata (P<0.05) atau sangat nyata (P<0.01).
LSR = Sx x SSR
SSR diambil dari Tabel Duncan.
Tabel Rentangan Bergabda Duncan
P 2 3 4
SSR 0,05 3.00 3.15 3.23
SSR 0,01 4.13 4.34 4.45
LSR 0,05 0.122 0.128 0.132
LSR 0,01 0.168 0.177 0.181
Kesimpulan dari Uji Duncan adalah sebagai berikut :
Jika │ўi. – ў’i.│< nilai LSR 5% pada Rentangan P tertentu, maka
antara ўi. dengan ў’i. disimpulkan tidak berbeda nyata (P>0.05).
Jika │ўi. – ў’i.│≥ nilai LSR 5% pada Rentangan P tertentu, maka
antara ўi. dengan ў’i. disimpulkan berbeda nyata (P<0.05).
Jika │ўi. – ў’i.│≥ nilai LSR 1% pada Rentangan P tertentu, maka
antara ўi. dengan ў’i. disimpulkan berbeda sangat nyata (P<0.01).
Keterangan :
Nilai dengan huruf yang berbeda kearah kolom menunjukkan
berbeda nyata (P<0.05) atau sangat nyata (P<0.01).
Jika perlakuan atau faktor bersifat kualitatif, 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, 2,............,a, disini a = p – 1 (a = jumlah perlakuan dikurangi satu),
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, jadi a = 4 -1 = 3, 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, β1, β2 dan β3,
Yi
i 1
n Li
i 1
Li 2
i 1
Li3
i 1
β0
20 20 20 20 20
YiLi
i 1
= Li
i 1
Li 2
i 1
Li3
i 1
Li 4
i 1
β1
20 20 20 20 20
YiLi 2
i 1
Li 2 Li3 Li 4
i 1 i 1 i 1
Li5
i 1
β2
20 20 20 20 20
YiLi 3
i 1
Li3
i 1
Li 4
i 1
Li5
i 1
Li 6
i 1
β3
20 20 20 20
β0 n Li Li 2 Li 3 -1 Yi
i 1 i 1 i 1 i 1
20 20 20 20 20
β1 = Li
i 1
Li 2
i 1
Li3
i 1
Li 4
i 1
YiLi
i 1
20 20 20 20
β2 Li 2
i 1
Li3
i 1
Li 4
i 1
Li5
i 1
20
YiLi 2
i 1
20 20 20 20 20
β3 Li3
i 1
Li 4
i 1
Li5
i 1
Li 6
i 1
YiLi 3
i 1
β0 6,82000
β1 = - 0,76317
β2 0,19375
β3 - 0,02033
8
7
Log. Jumlah E. coli
6
5
4
3
2
1
0
0 2 4 6 8 10
Lama Desinfeksi (Jam)
n n
Kesimpuylannya adalah :
Jika FH(R/G) < F Tabel [(0,05; p, (n-p-1)], maka H0 diterima, berarti garis
regresinya tidak nyata (P>0,05).
Jika FH(R/G) ≥ F Tabel [(0,05; p, (n-p-1)], maka H0 ditolak, berarti garis
regresinya nyata (P<0,05).
Jika FH(R/G) ≥ F Tabel [(0,01; p, (n-p-1)], maka H0 ditolak, berarti garis
regresinya sangat nyata (P<0,01).
Derajat polinom yang tertinggi adalah 3(kubik), tetapi mungkin saja dua
(kuadratik) atau bahkan 1(linier), untuk menentukan derajat polinom yang terbaik
yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap
koefesien garis regresinya (βi), koefisien garis regresi yang nyata (P<0,05).
Pengujian ini memang cukup merepotkan, karena harus mencoba beberapa kali
bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien
garis regresinya (βi) , tetapi dalam program SPSS telah dipilihkan lansung garis
regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0,05)
yaitu dengan program Regresi Stepwis.
Ketelitian dan ketepatan garis regresi dapat juga dilihat dari
besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r).
Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat
diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi
yang diperoleh, sedangkan koefisien korelasi menyatakan keeratan hubungan
antara peubah bebas(X) dengan peubah tak bebas(Y), dan sejauh mana
keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r.
Koefisien diterminan (R2) =
JKRegresi
__________
JKTotal , nilainya (0 ≤
R2 ≤ 1)
Koefisien Korelasi (R) = R2 , nialainya (-1 ≤ R ≤ 1)
Sebagai contoh kita gunakan Teladan 1., dari persamaan garis Regresi yang
diperoleh yaitu Y = 6,82000 – 0.76317L + 0.19375L 2 – 0.02033L3, kita dapat
mengitung :
20
20
(1/20)( Yi) 2
i 1
= (115,58)(6,8200)+(315,1)(-0.76317)+(1431)(0.19375)+
(7227.30)(-0.02033) - (1/20)(115.582)
= 10,2860
20 20
JK Total = Yi 2 - (1/20)( Yi)2 = 678,36 - (1/20)(115.582) = 10,4188
i 1 i 1
C E F………………..Sbp2
Kesimpulan :
Jika │tH│< t Tabel (0,05; DB Galat Regresi) maka koefisien garis regresinya
tidak nyata (P>0,05).
Jika │tH│> t Tabel (0,05; DB Galat Regresi) maka koefisien garis regresinya
nyata (P<0,05).
Jika │tH│> t Tabel (0,01; DB Galat Regresi) maka koefisien garis regresinya
sangat nyata (P>0,05).
Dari Teladan 1. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel
berikut :
Peubah Koefisien Standar t t Tabel
0.05 0.01
Garis Regresi Error (Sbi) Hitung P
β0 6.82000 0.04074 164.42 2,120 2.921 <0.01
Β1 -0.76317 0.07815 9.77 2,120 2.921 <0.01
Β2 0.19375 0.03454 5.61 2,120 2.921 <0.01
Β3 -0.02033 0.00380 5.36 2,120 2.921 <0.01