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.1 y. 2 y21 y22 y23 y24 y25 y2.) 1 y11 y12 y13 y14 y15 y1.. DB Perlakuan.1 y..05.yi..05). p (y. 4 y41 Y42 y43 y44 y45 y4. Total (y.05).Ju lah m K ad u rat P erlakuan p u p u _ = ∑∑ (yi.. − __ p u i= 1 _ _ _ _ 2 2 p u Jumlah Kuadrat Galat = ∑∑ (yij . ỹ2.01 PeluAng(P ) ∀ i Jika F Hitung (P/G) < F Tabel ( 0.j) y.05). • Jika F Hitung (P/G) ≥ F Tabel ( 0. DB Perlakuan. DB Galat)) maka H0 ditolak (P<0. Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =. ỹ3. )] 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.. .1 y.1 y. hal ini berarti Perlakuan berpengaruh nyata (P<0.05. .) 2 2 2 ) =1/u ∑ yi..) Rataan(ỹi... ) + (yi..y.1 y.1 ỹ.y. i= 1 j= 1 _ . ) = ∑∑ [(yij ..05 0. Tabel Daftar Sidik Ragam.05)... hal ini berarti Perlakuan tidak berpengaruh nyata (P>0. ỹ4.... DB Galat)) maka H0 diterima (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. Perlakuan (i) 3 y31 Y32 y33 y34 y35 y3. ỹ1.

2.0602 (y.(115.85 4.872 + 6.62 5.1327 Daftar Sidik Ragam Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F.51 5.0488 Total 6 4.87 6.10 6.78 5.9368 = 10. Tabel Data Jumlah E. DB Perlakuan.82 0. coli (Log E..01).58 5.3556 – 667.58)2/(4x5) = 578.1550 5. Hitung F Tabel 0. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.82 0. hal ini berarti Perlakuan (P<0.102 + 29.12 4.83 5..4188 – 10.58)2/(4x5) = 678.01).73 4.07 6. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.88 6.53 5.2660 = 0.) 2 2 = 1/u ∑ yi.882 + 6.0911 2 (y_ .52 27.832 + 24.57 0.j) 23.0561 Lama Desinfeksi (i) dalam jam 2 4 5.80 4.882 .• Jika F Hitung (P/G) ≥ F Tabel ( 0.) 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 6.71 6.29 23.89 23.78 0.4188 Jum lah K uadrat Perlakuan 4 (y. berpengaruh sangat nyata Teladan 1.01.2228 – 667.91 0.86 4.82 6. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .78 34.13 115.01 P .02 5.) − _ p u 2 JK Total = 6.26 23.95 29.05 0.88 24.122 ) – (115.60 5. DB Galat)) maka H0 ditolak (P<0.532 + 27.58 5.2660 JK Galat = JK Total – JK Perlakuan = 10. − __ pu i= 1 JK Perlakuan =1/5(34. coli) Ulangan (j) 1 2 3 4 5 Total (yi.9368 = 10.01 22.752 +…………………+ 4.75 6.

untuk menguji homogennitas ragam digunakan Uji Bartlett. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen. X = 2.05. 1 X2 (0.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.30226(-33.01).5502+(5-1)Log 0.24 5.741513) = 7. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413. Sebagai contoh kita gunakan data diatas. sebaliknya jika B> X2 (0.2860 0.05).DBG=p-1) maka disimpulkan ragam homogen. maka disimpulkan ragam homogen (P>.Lama D Galat Total 3 16 19 10.01= 5.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} _ X _ B = Y ∀ i Jika B< X2 (0.29 <0.DBG=p-1) maka disimpulkan ragam tidak homogen.09112[(5-1)Log 0.06022}. 9_ 9 _ _95 __2 _ _ B =3_ 3 10 6 .29.1327 10.DBG=4-1) = 7.22> F Tabel 0.05612+(5-1)Log 0. . maka H0 ditolak pada taraf 1%.04882+(5-1)Log 0.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.05. 46 117 _ =8 7 .DBG=4-1) .81 Oleh karena B< X2 (0. X = 2.00830 413.05.01) terhadap log jumlah E coli air limbah RPH.05.30226{[∑(ui – 1)] Log S2 .22** 3. denagn rumus : X = 2.29512 + 36. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.4188 3.42867 0.1041667 7 4_ _ .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.

DBG)Sx BNT 1% = t (0.01).05.340** 1. – ў’i.01 A B C D A B C D 0 0.UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.254** 1. – ўi.120 x 0.1683 Tabel Uji BNT Lama Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : Nilai dengan huruf yang berbeda kearah kolom menunjukkan Rataan 6. Ў3.│< nilai Jika │ўi. Dari Tabel Teladan 1. dengan ў’i.082** 0 0. disimpulkan berbeda nyata (P<0.0576 = 0.0576.824 Ў1. 0 0. Uji Beda Nyata Terkecil (BNT). Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. Uji ini menggunakan tabel t. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.│≥ nilai Jika │ўi. ў’i. dengan BNT 5% maka antara ўi.820 5.566 4.0576 = 0. – ўi. diatas maka dapat dicarai sebagai berikut : S = 2(0.996** Ў2. – ў’i. yaitu dengan mencari Sx dengan rumus : S x = 2 K_ G __ __ T r BNT 5% = t (0. maka selanjutnya ingin diketahui antar perlakuan (ratarata) mana yang berbeda nyata.05 0. dengan BNT 1% maka antara ўi.05).000830 x ) = 0.906 5. disimpulkan tidak berbeda nyata (P>0. – ўi. disimpulkan berbeda sangat nyata (P<0. Signifikansi 0. ў’i. BNT 5% = 2.1221 BNT 1% = 2.742** .814** 1. – ў’i.921 x 0.05).│≥ nilai BNT 5% maka antara ўi.

maka antara ўi. Signifikansi 0. antara ўi. b. Uji Rentangan Berganda Duncan. – ўi.│< nilai Jika │ўi.05 0. Bila perlakuan lebih dari 5 (p>5).00 3.05). disimpulkan berbeda nyata (P<0. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan. 0 0.254** 1. maka LSR 5% pada Rentangan P tertentu.05). dengan ў’i.566 4.181 LSR 5% pada Rentangan P tertentu.23 4.128 LSR 0.01).01 A B C D A B C D 0 0.132 0.906 5.168 0.820 5.040743 LSR = Sx x SSR SSR diambil dari Tabel Duncan. Ў3.berbeda nyata (P<0.05) atau sangat nyata (P<0.13 4.05 3. dengan ў’i. – ў’i.45 0. dengan ў’i.15 SSR 0.0083/5 = 0.742** .│≥ nilai 4 3. 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. disimpulkan tidak berbeda nyata (P>0.05 0.│≥ nilai Jika │ўi.01 0.01 4. – ў’i. antara ўi. Sx = KTG/r = 0.824 Ў1. – ўi.996** Ў2. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan. maka LSR 1% pada Rentangan P tertentu.01).340** 1. – ў’i.814** 1.122 0.34 LSR 0. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : Jika │ўi.082** 0 0. disimpulkan berbeda sangat nyata (P<0. – ўi.

...... jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +... 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 .. Jika perlakuan atau faktor bersifat kualitatif.. 2......+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4. 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.a..... disini a = p – 1 (a = jumlah perlakuan dikurangi satu).... β2 dan β3..01).. β1.berbeda nyata (P<0. 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 1.05) atau sangat nyata (P<0..... dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’X β . jadi a = 4 -1 = 3..

19375 .30 β0 β1 β2 β3 = 6.58 315.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 1.02033 .70 7227.10 1431.76317 0.0.82000 . 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.

01 P Jumlah Kuadra t JK R JK G JK T Kesimpuylannya adalah : .Jadi persamaan garis Regresinya adalah : Y = 6.05 0.76317L + 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 .19375L2 – 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. Jumlah E.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.

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

18) = 0.615 dan Tabel R (R 0.= (∑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. Jika semua koefisien garis regresinya nyata (P<0.9936 Jika kita bandingkan dengan Tabel R (R 0.706.4188 = 0.05.01. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.582) = 10. 3.05).2860 0. Maka koefisien garis regresinya sangat nyata (P<0.2860 JK Total = 20 20 ∑Yi 2 .29 P <0.4188 Kesimpulan : Garis regresi sangat nyata (P<0.58)(6.JHKX1Xp . Koefisien diterminan (R2) = 10.05 0.22 Galat 20-3-1=16 0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).19375)+ (7227.01 = ± 0.4188 – 10.4188 i =1 i =1 JK Galat = JK Total – JK Regresi = 10.2860/10.1)(-0.02033) .24 5.(1/20)( ∑ Yi) 2 = 678. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.8 7 93 F Tabel 0.8200)+(315.36 . Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X3………………….05).582) = 10.01).1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH Bebas Kuadrat Tengah Regresi 3 10.01 3.30)(-0.04074 413.18) = 0. 3.(1/20)(115.76317)+(1431)(0.2860 = 0.8973 Koefisien Korelasi (R) = 0.01).05).1328 0. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.(1/20)(115.00830 Total 20-1= 19 10.

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>0.82000 Standar Error (Sbi) 0..05).JHK X1X2 JHK X1X3 JK X2 JHK X1X2 JHK X2X3………………….……. dengan rumus : │tH│= Kesimpulan : • • • Jika │tH│< t Tabel tidak nyata (P>0.……….JHKX2Xp JK X3.05.05 0.921 P <0. Jika │tH│> t Tabel nyata (P<0.04074 t Hitung 164.05).01 β0 . diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah Koefisien Garis Regresi 6.120 2.…………..05).JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).01..…………. DB Galat Regresi) (0. DB Galat Regresi) (0.42 t Tabel 0.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.E Sb22……………. Dari Teladan 1.C D……….F F………………. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B………………. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t....05.01 2. Jika │tH│> t Tabel (0.………….Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.

76317 0.120 2.36 2.19375 -0.03454 0.01).02033 0.921 <0.01 <0.00380 9.921 2.01 Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0.07815 0.61 5.01 <0.921 2.77 5.Β1 Β2 Β3 -0.120 2. .120 2.

Sign up to vote on this title
UsefulNot useful