BAB 2

(sambungan)
DESAIN BLOK LENGKAP ACAK
• Seperti ANOVA, kita menguji mean populasi yang
sama (untuk beberapa level faktor yg berbeda)...
• …kita juga mengkontrol variasi yang mungkin dari
faktor yang kedua (dgn 2 atau lebih faktor yang ada)
• Digunakan ketika lebih dari 1 faktor dapat
mempengaruhi nilai variabel dependen, tapi hanya
satu yg menjadi faktor kunci
• Level dari faktor yang kedua disebut dengan BLOK
 Partisi Variasi
• Variasi total dapat dipecah menjadi 3 bagian:

SST = SSB + SSBL + SSW

SST = Total sum of squares

SSB = Sum of squares between factor levels
SSBL = Sum of squares between blocks
SSW = Sum of squares within levels
 Sum of Squares for Blocking
(Jumlah Kuadrat Blok)
SST = SSB + SSBL + SSW
b
SSBL   k( x j  x )2
j1

dimana:
k = jumlah level untuk faktor yg bersangkutan
b = jumlah blok
xj = mean sampel dari blok ke-j
x = mean seluruh data sampel
 Partisi Variasi

SST = SSB + SSBL + SSW

SST dan SSB dihitung SSW = SST – (SSB + SSBL)

dengan ANOVA satu
arah
 Mean Squares
SSBL
MSBL  Mean square blocking 
b 1

SSB
MSB  Mean square between 
k 1

SSW
MSW  Mean square within 
(k  1)(b  1)
 Tabel ANOVA Desain Blok Acak
Source of SS df MS F ratio
Variation
Between MSBL
SSBL b-1 MSBL
Blocks MSW
Between MSB
SSB k-1 MSB
Samples MSW
Within
SSW (k–1)(b-1) MSW
Samples

Total SST N-1

k = jumlah populasi N = ukuran sampel dari seluruh populasi
b = jumlah blok df = degrees of freedom/derajat kebebasan
Uji Blok (Blocking Test)
H0 : μb1  μb2  μb3  ...
H A : Tidak semua mean pd blok sama

MSBL
F=
MSW • Blocking test: df1 = b - 1
df2 = (k – 1)(b – 1)

Tolak H0 jika F > F

Uji Faktor Utama (Main Factor Test)
H0 : μ1  μ2  μ3  ...  μk
H A : Tidak seluruh mean populasi sama

MSB
F=
MSW • Main Factor test: df1 = k - 1
df2 = (k – 1)(b – 1)

Tolak H0 jika F > F

 Fisher’s
Least Significant Difference Test

Untuk uji rata-rata populasi yang berbeda

– contoh: μ1 = μ2 ≠ μ3
– Dilaksanakan setelah penolakan dari rata2
yang sama dari block acak ANOVA design
• Allows pair-wise comparisons
– Perbandingan mutlak sama dengan perbedaan
jangkauan kritis

1= 2 3 x
 Fisher’s Least Significant
Difference (LSD) Test

2
LSD  t /2 MSW
b

dimana:
t/2 = nilai batas atas dari distribusi t
untuk /2 dan derajat kebebasan (k -1)(n - 1)
MSW = Mean Square Within dari tabel ANOVA
b = jumlah blok
k = jumlah level pada faktor utama
 Fisher’s Least Significant
Difference (LSD) Test(sambungan)
2
LSD  t /2 MSW
b

bandingkan:

Is x i  x j  LSD ? x1  x 2

Jika perbedaan mean absolut x1  x 3

lebih besar dari LSD maka
terdapat sebuah perbedaan x2  x3
signifikan diantara pasangan
mean pada level yg dipilih etc...
bersifat signifikan.