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

__

.) 2 2 2 ) =1/u ∑ yi.1 y.05. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.05 0.05.... 4 y41 Y42 y43 y44 y45 y4. p (y.1 y.01 PeluAng(P ) ∀ i Jika F Hitung (P/G) < F Tabel ( 0.1 y. DB Perlakuan. DB Perlakuan. ..) 1 y11 y12 y13 y14 y15 y1. Tabel Daftar Sidik Ragam. ) + (yi. )] 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.y.05). Perlakuan (i) 3 y31 Y32 y33 y34 y35 y3.. DB Galat)) maka H0 diterima (P>0. hal ini berarti Perlakuan berpengaruh nyata (P<0.1 ỹ..1 y..yi.. Total (y. − __ p u i= 1 _ _ _ _ 2 2 p u Jumlah Kuadrat Galat = ∑∑ (yij ..05).. . i= 1 j= 1 _ .05). ỹ2.Ju lah m K ad u rat P erlakuan p u p u _ = ∑∑ (yi.j) y..y. Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =. ) = ∑∑ [(yij ...1 y. ỹ4. • Jika F Hitung (P/G) ≥ F Tabel ( 0. DB Galat)) maka H0 ditolak (P<0.y.) Rataan(ỹi.= 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. 2 y21 y22 y23 y24 y25 y2. ỹ1. ỹ3.05)..

• Jika F Hitung (P/G) ≥ F Tabel ( 0.882 .12 4.01 P .882 + 6.91 0..0602 (y. hal ini berarti Perlakuan (P<0.58)2/(4x5) = 678. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.2660 = 0.752 +…………………+ 4.89 23.) 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 6.78 34. coli) Ulangan (j) 1 2 3 4 5 Total (yi.82 6.82 0. DB Galat)) maka H0 ditolak (P<0.57 0.26 23. DB Perlakuan.82 0.) − _ p u 2 JK Total = 6.95 29.78 0.0488 Total 6 4.3556 – 667.9368 = 10.73 4. berpengaruh sangat nyata Teladan 1.1327 Daftar Sidik Ragam Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F.01 22.532 + 27.53 5.872 + 6.(115.58 5.29 23.4188 – 10.0911 2 (y_ .0561 Lama Desinfeksi (i) dalam jam 2 4 5.78 5.02 5.4188 Jum lah K uadrat Perlakuan 4 (y.832 + 24.j) 23.60 5.62 5.07 6.05 0.83 5.01).9368 = 10. Tabel Data Jumlah E.2228 – 667.85 4.2660 JK Galat = JK Total – JK Perlakuan = 10.71 6.52 27.87 6.01).58 5.88 24.102 + 29. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% . Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0. coli (Log E.86 4.13 115. − __ pu i= 1 JK Perlakuan =1/5(34..) 2 2 = 1/u ∑ yi.01. Hitung F Tabel 0.1550 5.122 ) – (115.75 6.88 6.51 5.10 6.58)2/(4x5) = 578.80 4. 2.

22** 3.1041667 7 4_ _ .741513) = 7.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.05. .5502+(5-1)Log 0. X = 2. untuk menguji homogennitas ragam digunakan Uji Bartlett. denagn rumus : X = 2.01= 5. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.05.42867 0.05612+(5-1)Log 0.00830 413.DBG=p-1) maka disimpulkan ragam tidak homogen.01) terhadap log jumlah E coli air limbah RPH.1327 10.DBG=p-1) maka disimpulkan ragam homogen.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. X = 2. 9_ 9 _ _95 __2 _ _ B =3_ 3 10 6 .04882+(5-1)Log 0.81 Oleh karena B< X2 (0. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413. Sebagai contoh kita gunakan data diatas.29 <0.2860 0.05). Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.05.Lama D Galat Total 3 16 19 10.22> F Tabel 0.DBG=4-1) = 7.09112[(5-1)Log 0. maka H0 ditolak pada taraf 1%.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0. 1 X2 (0.DBG=4-1) .30226{[∑(ui – 1)] Log S2 .06022}.29.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} _ X _ B = Y ∀ i Jika B< X2 (0.01).30226(-33. 46 117 _ =8 7 .05. sebaliknya jika B> X2 (0. maka disimpulkan ragam homogen (P>.29512 + 36.24 5.4188 3.

0576 = 0. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a.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. Signifikansi 0.906 5.921 x 0. ў’i.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi.0576.0576 = 0. disimpulkan berbeda sangat nyata (P<0. maka selanjutnya ingin diketahui antar perlakuan (ratarata) mana yang berbeda nyata. 0 0.UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.254** 1. – ўi.DBG)Sx BNT 1% = t (0. yaitu dengan mencari Sx dengan rumus : S x = 2 K_ G __ __ T r BNT 5% = t (0.│≥ nilai Jika │ўi. dengan ў’i.05). BNT 5% = 2. ў’i.742** . dengan BNT 5% maka antara ўi.│< nilai Jika │ўi.000830 x ) = 0. – ў’i. disimpulkan tidak berbeda nyata (P>0.1221 BNT 1% = 2.01 A B C D A B C D 0 0. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.820 5.814** 1. Uji ini menggunakan tabel t.082** 0 0.120 x 0. Uji Beda Nyata Terkecil (BNT).05). Dari Tabel Teladan 1. dengan BNT 1% maka antara ўi.566 4.01).05 0. – ў’i. disimpulkan berbeda nyata (P<0.340** 1. – ў’i.│≥ nilai BNT 5% maka antara ўi.824 Ў1. – ўi. Ў3. – ўi.996** Ў2. diatas maka dapat dicarai sebagai berikut : S = 2(0.

181 LSR 5% pada Rentangan P tertentu. dengan ў’i.15 SSR 0. disimpulkan berbeda nyata (P<0.05 0.05).824 Ў1.820 5. maka antara ўi.040743 LSR = Sx x SSR SSR diambil dari Tabel Duncan.berbeda nyata (P<0.566 4.168 0. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0. – ў’i.01).132 0. b. 0 0. dengan ў’i.01 A B C D A B C D 0 0.23 4. – ў’i. Uji Rentangan Berganda Duncan.│≥ nilai Jika │ўi.00 3. maka LSR 1% pada Rentangan P tertentu. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.254** 1.128 LSR 0. maka LSR 5% pada Rentangan P tertentu.13 4.01 0.05).122 0. – ўi. 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 6.814** 1.45 0.│< nilai Jika │ўi.742** . – ў’i.996** Ў2.01). Signifikansi 0.34 LSR 0. Sx = KTG/r = 0.│≥ nilai 4 3.340** 1.05 3.05 0. antara ўi.082** 0 0.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : Jika │ўi. antara ўi. Ў3.05) atau sangat nyata (P<0. disimpulkan berbeda sangat nyata (P<0.906 5.0083/5 = 0. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan.01 4. Bila perlakuan lebih dari 5 (p>5). – ўi. – ўi. dengan ў’i. disimpulkan tidak berbeda nyata (P>0.

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

30 β0 β1 β2 β3 = 6.76317 0.02033 .10 1431.58 315.82000 . maka kita peroleh : β0 β1 β2 β3 = 20 60 240 1440 60 260 1440 7840 280 1440 7840 44160 1440 7840 44160 254100 115.19375 .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 1.0.70 7227.0.

Jadi persamaan garis Regresinya adalah : Y = 6. Jumlah E.05 0.01 P Jumlah Kuadra t JK R JK G JK T Kesimpuylannya adalah : .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 0.19375L2 – 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 .82000 – 0.02033L3 8 Log.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 .

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

582) = 10.8 7 93 F Tabel 0.(1/20)( ∑ Yi) 2 = 678. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.36 .58)(6.2860 = 0.706.01 = ± 0.2860/10.4188 Kesimpulan : Garis regresi sangat nyata (P<0.76317)+(1431)(0.30)(-0.615 dan Tabel R (R 0. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.8973 Koefisien Korelasi (R) = 0.18) = 0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi). 3.4188 = 0.05).01 3.22 Galat 20-3-1=16 0. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik. Koefisien diterminan (R2) = 10.18) = 0.29 P <0.4188 i =1 i =1 JK Galat = JK Total – JK Regresi = 10.JHKX1Xp .(1/20)(115.24 5. Jika semua koefisien garis regresinya nyata (P<0.2860 JK Total = 20 20 ∑Yi 2 .02033) .19375)+ (7227. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X3………………….4188 – 10.05).05 0.2860 0.01). 3.00830 Total 20-1= 19 10.(1/20)(115.01).1)(-0.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH Bebas Kuadrat Tengah Regresi 3 10.01.9936 Jika kita bandingkan dengan Tabel R (R 0.1328 0.8200)+(315.= (∑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 = (115.05).04074 413.05.582) = 10. Maka koefisien garis regresinya sangat nyata (P<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>0.05). dengan rumus : │tH│= Kesimpulan : • • • Jika │tH│< t Tabel tidak nyata (P>0.04074 t Hitung 164. DB Galat Regresi) (0..JHK X1X2 JHK X1X3 JK X2 JHK X1X2 JHK X2X3………………….……….921 P <0.…………. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t. Jika │tH│> t Tabel (0.JHKX2Xp JK X3..05).05 0.42 t Tabel 0.F F……………….JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).01. Jika │tH│> t Tabel nyata (P<0. DB Galat Regresi) (0. Dari Teladan 1..01 2.82000 Standar Error (Sbi) 0..120 2.05.E Sb22……………. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah Koefisien Garis Regresi 6.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.C D………..05). 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.01 β0 .………….

77 5.Β1 Β2 Β3 -0. .02033 0.61 5.120 2.03454 0.921 2.120 2.00380 9.01).01 <0.01 Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0.120 2.36 2.07815 0.19375 -0.01 <0.921 <0.76317 0.921 2.

Sign up to vote on this title
UsefulNot useful