P. 1
Rancangan Acak Lengkap Ral

Rancangan Acak Lengkap Ral

|Views: 1,304|Likes:
Dipublikasikan oleh Elvin Giantara Muharam

More info:

Published by: Elvin Giantara Muharam on Nov 06, 2010
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/03/2013

pdf

text

original

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

__

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

82 6.91 0.752 +…………………+ 4.0488 Total 6 4.62 5.0561 Lama Desinfeksi (i) dalam jam 2 4 5.29 23.) − _ p u 2 JK Total = 6.82 0.4188 Jum lah K uadrat Perlakuan 4 (y.1550 5.10 6. coli (Log E.71 6.95 29.73 4.12 4.) 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.• Jika F Hitung (P/G) ≥ F Tabel ( 0.2228 – 667.57 0. 2.58 5. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% . DB Perlakuan. Tabel Data Jumlah E. DB Galat)) maka H0 ditolak (P<0. − __ pu i= 1 JK Perlakuan =1/5(34. coli) Ulangan (j) 1 2 3 4 5 Total (yi.58)2/(4x5) = 678.07 6.0911 2 (y_ .88 24.01.86 4.80 4.88 6. berpengaruh sangat nyata Teladan 1.58)2/(4x5) = 578.53 5.2660 JK Galat = JK Total – JK Perlakuan = 10.75 6. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.78 5.2660 = 0.52 27.(115.832 + 24. hal ini berarti Perlakuan (P<0.532 + 27.13 115. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.78 34.26 23.78 0.1327 Daftar Sidik Ragam Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F.01).89 23.05 0.01)..872 + 6.83 5. Hitung F Tabel 0.9368 = 10.3556 – 667.60 5.9368 = 10.) 2 2 = 1/u ∑ yi.882 .82 0.102 + 29.87 6.85 4.51 5..02 5.01 22.122 ) – (115.01 P .0602 (y.882 + 6.j) 23.58 5.4188 – 10.

X = 2. Sebagai contoh kita gunakan data diatas.DBG=4-1) . 46 117 _ =8 7 .06022}.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 = 1.81 Oleh karena B< X2 (0.29 <0. denagn rumus : X = 2.1041667 7 4_ _ .09112[(5-1)Log 0. .00830 413.30226(-33.2860 0.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.01).01= 5.05).Lama D Galat Total 3 16 19 10.741513) = 7.04882+(5-1)Log 0.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0. maka H0 ditolak pada taraf 1%.DBG=p-1) maka disimpulkan ragam homogen.05.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} _ X _ B = Y ∀ i Jika B< X2 (0.05.22** 3.01) terhadap log jumlah E coli air limbah RPH. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.1327 10. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0. X = 2.05612+(5-1)Log 0. maka disimpulkan ragam homogen (P>. 9_ 9 _ _95 __2 _ _ B =3_ 3 10 6 .30226{[∑(ui – 1)] Log S2 .24 5.22> F Tabel 0. sebaliknya jika B> X2 (0.29.4188 3.DBG=4-1) = 7.05. 1 X2 (0.42867 0.DBG=p-1) maka disimpulkan ragam tidak homogen.29512 + 36.5502+(5-1)Log 0.05. untuk menguji homogennitas ragam digunakan Uji Bartlett. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.

01). yaitu dengan mencari Sx dengan rumus : S x = 2 K_ G __ __ T r BNT 5% = t (0. – ўi. Dari Tabel Teladan 1. dengan BNT 1% maka antara ўi.1221 BNT 1% = 2. – ў’i.820 5.742** . ў’i.120 x 0.566 4.0576 = 0.0576 = 0. – ўi. BNT 5% = 2.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi.824 Ў1.082** 0 0.DBG)Sx BNT 1% = t (0. disimpulkan tidak berbeda nyata (P>0.01 A B C D A B C D 0 0. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. Signifikansi 0.05.│≥ nilai Jika │ўi. dengan BNT 5% maka antara ўi. Ў3. disimpulkan berbeda nyata (P<0. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak. Uji ini menggunakan tabel t.000830 x ) = 0.│< nilai Jika │ўi.05 0.0576. diatas maka dapat dicarai sebagai berikut : S = 2(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 6.254** 1.05).814** 1.│≥ nilai BNT 5% maka antara ўi. Uji Beda Nyata Terkecil (BNT). maka selanjutnya ingin diketahui antar perlakuan (ratarata) mana yang berbeda nyata.05). ў’i. – ў’i. dengan ў’i. – ўi. disimpulkan berbeda sangat nyata (P<0.921 x 0.340** 1. 0 0.996** Ў2. – ў’i.906 5.

maka LSR 1% pada Rentangan P tertentu. disimpulkan berbeda sangat nyata (P<0.168 0.820 5. dengan ў’i.01 4. Sx = KTG/r = 0.040743 LSR = Sx x SSR SSR diambil dari Tabel Duncan. – ўi. Ў3.05) atau sangat nyata (P<0.00 3. b. Signifikansi 0.254** 1.23 4. antara ўi. 0 0. – ў’i.181 LSR 5% pada Rentangan P tertentu. – ўi.996** Ў2.742** .│< nilai Jika │ўi.128 LSR 0. – ў’i. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan.berbeda nyata (P<0.566 4. – ўi.34 LSR 0. disimpulkan tidak berbeda nyata (P>0.906 5.15 SSR 0.0083/5 = 0.082** 0 0. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan. antara ўi. Bila perlakuan lebih dari 5 (p>5).05 3. maka antara ўi.132 0.│≥ nilai Jika │ўi.340** 1.01). dengan ў’i. – ў’i.13 4. disimpulkan berbeda nyata (P<0.05).│≥ nilai 4 3.01 A B C D A B C D 0 0. Uji Rentangan Berganda Duncan.05 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 6.45 0.01).177 Kesimpulan dari Uji Duncan adalah sebagai berikut : Jika │ўi.05 0. maka LSR 5% pada Rentangan P tertentu.01 0.122 0.814** 1. dengan ў’i.05).824 Ў1.

jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +. β1..01)....a.. 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.. 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. β2 dan β3.....berbeda nyata (P<0.... Jika perlakuan atau faktor bersifat kualitatif.. disini a = p – 1 (a = jumlah perlakuan dikurangi satu)....05) atau sangat nyata (P<0. jadi a = 4 -1 = 3.......... 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. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’X β ...

76317 0.10 1431. maka kita peroleh : β0 β1 β2 β3 = 20 60 240 1440 60 260 1440 7840 280 1440 7840 44160 1440 7840 44160 254100 115.70 7227.30 β0 β1 β2 β3 = 6.02033 .0.19375 .0.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 1.82000 .58 315.

82000 – 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 .76317L + 0.1/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.Jadi persamaan garis Regresinya adalah : Y = 6.19375L2 – 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.01 P Jumlah Kuadra t JK R JK G JK T Kesimpuylannya adalah : .02033L3 8 Log.05 0.

05). p.05. koefisien garis regresi yang nyata (P<0. maka H0 diterima.• • • Jika FH(R/G) < F Tabel Jika FH(R/G) ≥ F Tabel Jika FH(R/G) ≥ F Tabel [(0. (n-p-1)]. [(0. dari persamaan garis Regresi yang diperoleh yaitu Y = 6.01. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier). berarti garis maka H0 ditolak.19375L2 – 0. berarti garis regresinya tidak nyata (P>0. Pengujian ini memang cukup merepotkan. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi).82000 – 0. regresinya nyata (P<0.05). [(0.05.(1/20) (∑ Yi) i =1 20 J_ Ks R ei g e __ _r __ __ __ Ja K T o t l .05). nilainya (0 . Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. Ketelitian dan ketepatan garis regresi dapat juga dilihat dari besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r). kita dapat mengitung : 2 JK Regresi = (X’Y)’β . p.05) yaitu dengan program Regresi Stepwis. (n-p-1)]. Derajat polinom yang tertinggi adalah 3(kubik). regresinya sangat nyata (P<0. (n-p-1)]. berarti garis maka H0 ditolak. sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y). Koefisien diterminan (R2) = ≤ R2 ≤ 1) Koefisien Korelasi (R) = R2 .. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) .01). nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1.76317L + 0.02033L3. tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0. p.

3.8200)+(315.2860 = 0. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.76317)+(1431)(0.JHKX1Xp .615 dan Tabel R (R 0.24 5.01.29 P <0.18) = 0.05).8973 Koefisien Korelasi (R) = 0. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.22 Galat 20-3-1=16 0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).05.02033) .58)(6.05 0.2860/10.706.2860 JK Total = 20 20 ∑Yi 2 .4188 = 0.1)(-0.01). Maka koefisien garis regresinya sangat nyata (P<0.36 . Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X3………………….00830 Total 20-1= 19 10.(1/20)( ∑ Yi) 2 = 678. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.05).01). 3.9936 Jika kita bandingkan dengan Tabel R (R 0.(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.(1/20)(115.19375)+ (7227.01 = ± 0.01 3. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik. Koefisien diterminan (R2) = 10.30)(-0.18) = 0. Jika semua koefisien garis regresinya nyata (P<0.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH Bebas Kuadrat Tengah Regresi 3 10.4188 Kesimpulan : Garis regresi sangat nyata (P<0.04074 413.2860 0.8 7 93 F Tabel 0.1328 0.4188 – 10.4188 i =1 i =1 JK Galat = JK Total – JK Regresi = 10.05).582) = 10.582) = 10.

.…………..JHKX2Xp JK X3.………….………….05).. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah Koefisien Garis Regresi 6.05). maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….……….82000 Standar Error (Sbi) 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..01 2. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.04074 t Hitung 164.05).. DB Galat Regresi) (0. Jika │tH│> t Tabel nyata (P<0..E Sb22…………….921 P <0. dengan rumus : │tH│= Kesimpulan : • • • Jika │tH│< t Tabel tidak nyata (P>0.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.42 t Tabel 0.05. 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 .C D……….JHK X1X2 JHK X1X3 JK X2 JHK X1X2 JHK X2X3………………….01. Dari Teladan 1. DB Galat Regresi) (0.120 2. Jika │tH│> t Tabel (0.05 0.F F……………….

77 5.07815 0.01 Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0.921 <0.01).76317 0.19375 -0.01 <0.03454 0.120 2.61 5.02033 0. .01 <0.120 2.921 2.Β1 Β2 Β3 -0.921 2.00380 9.120 2.36 2.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->