Tugas Responsi Rancangan Percobaan

Nama : Dian Christien Arisona

NRP : G151150231
A. Rancangan Acak Lengkap (RAL)
1. Dari suatu percobaan ingin diketahui pengaruh hormone tumbuh terhadap produksi
kedelai di suatu lahan, untuk menguji hipotesis bahwa pemberian hormone akan
meningkatkan produksi kedelai secara signifikan. Data yang diperoleh adalah sebagai
berikut.
Tabel data pengaruh hormone tumbuh terhadap produksi kedelai (kuintal/ha)
Ulangan
Konsentrasi
Hormone (ppm)
1
2
3
4
0 (H0)
8,0
8,1
7,5
7,7
0,25 (H1)
8,3
8,2
8,3
7,9
0,50 (H2)
8,9
8,9
8,3
8,0
0,75 (H3)
9,3
9,0
8,2
8,7
1,00 (H4)
9,7
9,0
8,8
9,0
1,25 (H5)
9,5
8,9
8,5
8,9
Model
= + +

dimana : = 0,1,2,3,4,5

= 1,2,3,4

Keterangan :

: produksi kedelai pada konsentrasi hormone ke-i ulangan ke-j

: nilai tengah umum

: pengaruh konsentrasi hormone tumbuh

: pengaruh acak pada konsentrasi hormone ke-i ulangan ke-j

Hipotesis
0 = 0 = 1 = = 5 = 0 (hormone tumbuh tidak
kedelai)
1 = 0
Ulangan
Konsentrasi
Hormone (ppm)
1
2
3
4
0 (H0)
8,0
8,1
7,5
7,7
0,25 (H1)
8,3
8,2
8,3
7,9
0,50 (H2)
8,9
8,9
8,3
8,0
0,75 (H3)
9,3
9,0
8,2
8,7
1,00 (H4)
9,7
9,0
8,8
9,0
1,25 (H5)
9,5
8,9
8,5
8,9
Y..

berpengaruh terhadap produksi

Yi.
31,3
32,7
34,1
35,2
36,5
35,8
205,6

r : ulangan
r=4
t : perlakuan
t =6

Perhitungan
FK : Faktor Koreksi
=

..2

205,62

= 1761,307

64

JKT : Jumlah Kuadrat Total

= 5=0 4=1 2 = 8,02 + + 8,92 1761,307 = 7,453
JKP : Jumlah Kuadrat Perlakuan
= 5=0

. 2

31,32
4

32,72
4

+ +

35,82
4

1761,307 = 4,873

JKG : Jumlah Kuadrat Galat

= = 7,453 4,873 = 2,58
DBT : Derajat Bebas Total
= 1 = (6 4) 1 = 24 1 = 23
DBP : Derajat Bebas Perlakuan
= 1 = 6 1 = 5
DBG : Derajat Bebas Galat
= ( 1) = 6 (4 1) = 18
KTP : Kuadrat Tengah Perlakuan

= =

4,873
5

= 0,9746

KTG : Kuadrat Tengah Galat

= =

2,58
18

= 0,1433

0,9746

= = 0,1433 = 6,8011
F-tabel : (0,05;5;18) = 2,77
Tabel Analisis Ragam
Sumber
Derajat
Keragaman
Bebas (DB)
Konsentrasi
5
Hormone
18
Galat
23
Total

Jumlah
Kuadrat (JK)

Kuadrat
Tengah (KT)

Fhitung

4,873

0,9746

6,8011

2,58
7,453

0,1433

Kesimpulan
Karena diperoleh F-hitung > F-tabel maka H0 ditolak, berarti paling sedikit ada satu
konsentrasi hormone tumbuh yang berpengaruh terhadap produksi kedelai.
Dengan menggunakan software SAS dan R
1. Software SAS:
Syntax:
data RALsama;
input treat$ r prod;
label treat='perlakuan'
r='ulangan'
prod='produksi kedelai(kw/ha)';
datalines;
H0 1 8.0
H0 2 8.1
H0 3 7.5
H0 4 7.7
H1 1 8.3
H1 2 8.2
H1 3 8.3
H1 4 7.9
H2 1 8.9
H2 2 8.9
H2 3 8.3
H2 4 8.0
H3 1 9.3
H3 2 9.0
H3 3 8.2
H3 4 8.7
H4 1 9.7
H4 2 9.0
H4 3 8.8
H4 4 9.0
H5 1 9.5
H5 2 8.9
H5 3 8.5
H5 4 8.9
;
title1 'hasil Analisis Ragam-RAL';
proc glm data=RALsama;
class treat;
model prod=treat;
run;

Output:
The GLM Procedure
Class Level Information
Class
Levels
Values
treat
6
H0 H1 H2 H3 H4 H5
Number of Observations Read
24
Number of Observations Used
24
The GLM Procedure
Dependent Variable: prod produksi kedelai(kw/ha)
Sum of
Source
DF
Squares
Mean Square F Value Pr > F
Model
5
4.87333333
0.97466667
6.80
0.0010
Error
18
2.58000000
0.14333333
Corrected Total
23
7.45333333
R-Square
0.653846

Coeff Var
4.419384

Root MSE prod Mean

0.378594
8.566667

Source
treat

DF
5

Type I SS
4.87333333

Mean Square F Value Pr > F

0.97466667
6.80
0.0010

Source
treat

DF
5

Type III SS
4.87333333

Mean Square F Value Pr > F

0.97466667
6.80
0.0010

Interpretasi:
Karena diperoleh Pr > F = 0,0010 < = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu konsentrasi hormone tumbuh yang berpengaruh terhadap produksi
kedelai.
2. Softwrae R:
Syntax dan Output:
> data2<-aov(produksi~konsentrasi,data=data)
> summary(data2)
Df Sum Sq Mean Sq F value Pr(>F)
konsentrasi 5 4.873
0.9747 6.8
0.00101 **
Residuals 18 2.580
0.1433
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Interpretasi:
Karena diperoleh Pr (>F) = 0,00101 dengan signifikansi ** maka H0 ditolak,
berarti paling sedikit ada satu konsentrasi hormone tumbuh yang berpengaruh
terhadap produksi kedelai.

2. Dengan kasus yang sama pada soal nomor 1 di atas, beberapa perlakuan dibuat dengan
ulangan tak sama sehingga diperoleh data sebagai berikut:
Tabel data pengaruh hormon tumbuh terhadap produksi kedelai (kuintal/ha):
Konsentrasi
Ulangan
hormone (ppm)
1
2
3
4
0 (H0)
8,0
8,1
7,5
7,7
0,25 (H1)
8,3
8,2
8,3
0,50 (H2)
8,9
8,9
8,3
8,0
0,75 (H3)
9,3
9,0
8,2
1,00 (H4)
9,7
9,0
8,8
9,0
1,25 (H5)
9,5
8,9
a. Bagaimana kesimpulan yang anda dapatkan berdasarkan data pada nomor 1 dan
nomor 2, apakah hormon tumbuh berpengaruh terhadap produksi kedelai?
b. Kira-kira hal-hal apa saja yang menyebabkan digunakan rancangan acak lengkap
dengan ulangan tidak sama?
Hipotesis
H0 : 1= 2 = = a = (nilai tengah / rata-rata dari semua perlakuan sama)
H1 : paling sedikit terdapat satu nilai tengah yang berbeda dengan yang lain.
Taraf signifikansi :
= 0,05
Konsentrasi
Ulangan
Total
Rataan
)
hormone (ppm)
(yi.)
(
1
2
3
4
.
0 (H0)
8,0
8,1
7,5
7,7
31,3
7,825
0,25 (H1)
8,3
8,2
8,3
24,8 8,266667
0,50 (H2)
8,9
8,9
8,3
8,0
34,1
8,525
0,75 (H3)
9,3
9,0
8,2
26,5 8,833333
1,00 (H4)
9,7
9,0
8,8
9,0
36,5
9,125
1,25 (H5)
9,5
8,9
18,4
9,2
Total (y.j)
53,7
52,1 41,1
24,7
171,6
Perhitungan

y
FK

..

171,6 2
1472,328
43 43 4 2

JKT y FK (8,0 2 8,12 8,9 2 ) 1472,328 6,872

2

i, j

JKP
i 1

ij

yi2.
31,32 24,82 34,12 26,52 36,52 18,4 2
FK (

) 1472 ,328 4,736167

ni
4
3
4
3
4
2

JKG JKT JKP 6,872 4,736167 2,135833

KTP

JKP 4,736167

0,947233
a 1
5

KTG

JKG 2,135833

0,15256
N a
20 6

Tabel ANOVA Satu Arah untuk ulangan tidak sama

Sumber
Db
JK
KT
Fhitung
Ftabel
Keragaman
5
4,736167 0,947233 6,208943 F5;14;(0,05) = 2,96
Perlakuan
14
2,135833 0,15256
Galat
19
6,872
Total
Kesimpulan
Karena diperoleh Fhitung > Ftabel maka H0 ditolak, artinya paling sedikit ada satu Hormon
tumbuh yang berpengaruh terhadap produksi kedelai.
a. Berdasarkan perhitungan di atas menggunakan rancangan acak lengkap dengan
ulangan yang sama dan ulangan tidak sama memberikan kesimpulan yang sama
yaitu hormon tumbuh mempengaruhi produksi kedelai.
b. Hal-hal yang menyebabkan digunakan rancangan acak lengkap dengan ulangan
tidak sama adalah
1. Keterbatasan lahan percobaan.
2. Keterbatasan biaya penelitian.
Dengan menggunakan software SAS dan R
1. Software SAS:
Syntax:
data RAL;
input treat$ r prod;
label treat='perlakuan'
r='ulangan'
prod='produksi kedelai(kw/ha)';
datalines;
H0 1 8.0
H0 2 8.1
H0 3 7.5
H0 4 7.7
H1 1 8.3
H1 2 8.2
H1 3 8.3
H1 4 .
H2 1 8.9
H2 2 8.9
H2 3 8.3
H2 4 8.0
H3 1 9.3
H3 2 9.0
H3 3 8.2
H3 4 .

H4 1 9.7
H4 2 9.0
H4 3 8.8
H4 4 9.0
H5 1 9.5
H5 2 8.9
H5 3 .
H5 4 .
;
title1 'hasil Analisis Ragam-RAL';
proc glm data=RAL;
class treat;
model prod=treat;
run;
Output:
The GLM Procedure
Class Level Information
Class
Levels
Values
treat
6
H0 H1 H2 H3 H4 H5
Number of Observations Read
24
Number of Observations Used
20
The GLM Procedure
Dependent Variable: prod produksi kedelai(kw/ha)
Sum of
Source
DF
Squares Mean Square F Value Pr > F
Model
5
4.73616667
0.94723333
6.21 0.0031
Error
14
2.13583333
0.15255952
Corrected Total
19
6.87200000
R-Square
0.689198

Coeff Var
4.552316

Root MSE prod Mean

0.390589
8.580000

Source
treat

DF
Type I SS
5
4.73616667

Mean Square F Value Pr > F

0.94723333
6.21
0.0031

Source
treat

DF Type III SS
5
4.73616667

Mean Square F Value Pr > F

0.94723333
6.21
0.0031

Interpretasi:
Karena diperoleh Pr > F = 0,0031 < = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu konsentrasi hormone tumbuh yang berpengaruh terhadap produksi
kedelai.

2. Softwrae R:
Syntax dan Output:
>data<-read.csv("F:/Kuliah/SEMESTERII/RANCANGAN
PERCOBAAN/Praktikum/kelompok/tugas 1/RALTakC.csv")
> tapply(data$produksi,list(data$konsentrasi,data$ulangan),mean)
1 2 3 4
H0 8.0 8.1 7.5 7.7
H1 8.3 8.2 8.3 NA
H2 8.9 8.9 8.3 8.0
H3 9.3 9.0 8.2 NA
H4 9.7 9.0 8.8 9.0
H5 9.5 8.9 NA NA
> data2<-aov(produksi~konsentrasi,data=data)
> summary(data2)
Df Sum Sq Mean Sq F value Pr(>F)
konsentrasi 5 4.736 0.9472 6.209 0.0031 **
Residuals 14 2.136 0.1526
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Interpretasi:
Karena diperoleh Pr (>F) = 0,0031 < = 0,05 dengan signifikansi ** maka H0
ditolak, berarti paling sedikit ada satu konsentrasi hormone tumbuh yang
berpengaruh terhadap produksi kedelai.
B. Rancangan Acak Kelompok Lengkap (RAKL)
Pada sebuah peternakan ikan mas diadakan sebuah percobaan terhadap tiga kolam
berbeda untuk menguji beberapa jenis pakan yang dicobakan untuk melihat produksi
ikan. Data yang diperoleh adalah sebagai berikut:
Pengamatan
1
2
3
1
23.26 23.25 23.26
2
23.44 23.46 23.45
3
23.49 23.49 25.48
4
22.36 22.35 22.36
5
24.38 24.37 24.37
Lakukan analisis ragam dan interpretasikan hasilnya!
Jenis Pakan

Model

Yij i j ij
dimana, i 1,2,3,4,5
j 1,2,3

Keterangan:

Yij

= Pengamatan pada perlakuan ke-i dan kelompok ke-j

= Rataan umum

= Pengaruh jenis pakan ke-i

= Pengaruh kelompok ke-j

ij

= Pengaruh acak pada perlakuan ke-i dan kelompok ke-j

Hipotesis
Berdasarkan Pengaruh jenis pakan:

1 2 3 4 5

H0

H1

: paling sedikit ada satu i dengan i 0

Berdasarkan Pengaruh pengelompokan:

1 2 3

H0

H1

: paling sedikit ada satu j dengan

Jenis Pakan
1
2
3
4
5
Total Blok

(Yk )

j 0

Pengamatan
1
2
3
23,26 23,25 23,26
23,44 23,46 23,45
23,49 23,49 25,48
22,36 22,35 22,36
24,38 24,37 24,37

Total Perlakuan

116,93 116,92 118,92

352,77

(Yi )
69,77
70,35
72,46
67,07
73,12

Perhitungan
2

Y
352,77 2
FK

8.296,44
tr
53
5

JKT Yij FK (23,26 2 23,25 2 24,37 2 ) 8.296,44 10,31

i 1 j 1

Yi
(69,77 2 70,35 2 72,46 2 67,07 2 73,12 2 )
FK
8.296,44 7,67
3
i 1 r
5

JKP

JKB
j 1

(116,93 2 116,92 2 118,92 2 )

8.296,44 0,53
t
5

Y j

JKB JKT JKP JKB 10,31 7,67 0,53 2,11

Struktur tabel sidik ragamnya dapat disajikan sebagai berikut.

Sumber
Derajat Bebas Jumlah Kuadrat Kuadrat Tengah
Keragaman
(db)
(JK)
(KT)
4
7,67
1,92
Jenis Pakan
2
0,53
0,27
Blok
8
2,11
0,26
Galat
14
10,31
Total

Fhitung
7,27
1,01

Kesimpulan
Untuk Pengaruh Jenis Pakan:
Karena nilai Fhitung = 7,27 > F0,05;4;8 = 2,81 maka H0 ditolak. Artinya, terdapat perbedaan
pengaruh jenis pakan terhadap produksi ikan secara signifikan.
Untuk Pengaruh Pengelompokan:
Karena nilai Fhitung = 1,01 < F0,05;2;8 = 3,11 maka H0 ditolak. Artinya, tidak ada
perbedaan pengelompokan terhadap produksi ikan secara signifikan.

Dengan menggunakan software SAS dan R

1. Software SAS:
Syntax:
data RAK;
input treat$ blok prod;
label treat='Jenis Pakan' blok='Blok' prod='Produksi Ikan';
cards;
1 1 23.26
1 2 23.25
1 3 23.26
2 1 23.44
2 2 23.46
2 3 23.45
3 1 23.49
3 2 23.49
3 3 25.48
4 1 22.36
4 2 22.35
4 3 22.36
5 1 24.38
5 2 24.37
5 3 24.37
;
title1 'Hasil Analisis Ragam - RAK';
proc glm;
class treat blok;
model prod=treat blok;
means treat;
run;

Output:
The GLM Procedure
Class Level Information
Class
Levels Values
treat
5
12345
blok
3
123
Number of Observations Read
Number of Observations Used

15
15

The GLM Procedure

Dependent Variable: prod Produksi Ikan
Sum of
Source
DF
Squares Mean Square F Value Pr > F
Model
6 8.20125333
1.36687556
5.18
0.0184
Error
8
2.10978667
0.26372333
Corrected Total
14 10.31104000
R-Square
0.795386

Coeff Var
2.183604

Root MSE prod Mean

0.513540
23.51800

Source
treat
blok

DF
Type I SS
4
7.67057333
2
0.53068000

Mean Square F Value Pr > F

1.91764333
7.27
0.0090
0.26534000
1.01
0.4076

Source
treat
blok

DF Type III SS
4
7.67057333
2
0.53068000

Mean Square F Value Pr > F

1.91764333
7.27
0.0090
0.26534000
1.01
0.4076

Interpretasi:
Untuk Pengaruh Perlakuan:
Karena diperoleh Pr > F = 0,0090 < = 0,05 maka H0 ditolak, Artinya, terdapat
perbedaan pengaruh jenis pakan terhadap produksi ikan secara signifikan.
Untuk Pengaruh Kelompok:
Karena diperoleh Pr > F = 0,4076 > = 0,05 maka tidak tolak H0, Artinya,
tidak ada perbedaan pengelompokan terhadap produksi ikan secara signifikan.
2. Softwrae R:
Syntax dan Output:
>data<-read.csv("F:/Kuliah/SEMESTERII/RANCANGAN
PERCOBAAN/Praktikum/kelompok/tugas 1/RAK.csv")
> tapply(data$produksi,list(data$pakan,data$kelompok),mean)
K1 K2 K3
P1 23.26 23.25 23.26
P2 23.44 23.46 23.45
P3 23.49 23.49 25.48
P4 22.36 22.35 22.36
P5 24.38 24.37 24.37

> data2<-aov(produksi~pakan+kelompok,data=data)
> summary(data2)
Df Sum Sq Mean Sq F value Pr(>F)
pakan
4 7.671
1.9176 7.271 0.00896 **
kelompok 2 0.531
0.2653 1.006 0.40760
Residuals 8 2.110
0.2637
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Interpretasi:
Untuk Pengaruh Perlakuan:
Karena diperoleh Pr > F = 0,00896 < = 0,05 dengan signifikansi ** maka H0
ditolak. Artinya, terdapat perbedaan pengaruh jenis pakan terhadap produksi ikan
secara signifikan.
Untuk Pengaruh Kelompok:
Karena diperoleh Pr > F = 0,4076 > = 0,05 dan tidak signifikan maka tidak
tolak H0. Artinya, tidak ada perbedaan pengelompokan terhadap produksi ikan
secara signifikan.
C. Rancangan Bujur Sangkar Latin
Seorang peneliti ingin mengetahui keefektifan mesin fillet otomatis A, B, C, D terhadap
produksi fillet tuna. Produksi dipengaruhi oleh adanya operator dan hari kerja yang
berlainan. Peneliti memutuskan menggunakan empat hari kerja sebagai baris dan empat
operator sebagai kolom .
Data yang diperoleh adalah sebagai berikut :
Baris
1
2
3
4

Hasil produksi fillet tuna (ton)

Kolom 1
Kolom 2
Kolom 3
Kolom 4
1,64 (B)
1,210 (D)
1,425 (C)
1,345 (A)
1,475 (C)
1,185 (A)
1,400 (D)
1,290 (B)
1,670 (A)
0,710 (C)
1,665 (B)
1,180 (D)
1,565 (D)
1,290 (B)
1,655 (A)
0,660 (C)

Model
= + + + +
dimana : = = = 1,2,3,4
Keterangan :

: produksi fillet tuna pada pada mesin fillet otomatis ke-k dalam hari kerja ke-i
dan operator ke-j

: nilai tengah umum

: pengaruh mesin fillet otomatis ke-k

: pengaruh hari kerja ke-i

: pengaruh operator ke-j

: pengaruh acak (error) pada pada mesin fillet otomatis ke-k dalam hari kerja kei dan operator ke-j

Hipotesis
Hipotesis berdasarkan pengaruh mesin fillet otomatis:
0 = 1 = 2 = = 4 = 0 (mesin fillet otomatis tidak berpengaruh terhadap
produksi fillet tuna)
1 = 0
Hipotesis berdasarkan pengaruh hari kerja:
0 = 1 = 2 = = 4 = 0 (hari kerja tidak berpengaruh terhadap produksi fillet
tuna)
1 = 0
Hipotesis berdasarkan pengaruh operator:
0 = 1 = 2 = = 4 = 0 (operator yang berbeda tidak berpengaruh terhadap
produksi fillet tuna)
1 = 0
Hasil produksi fillet tuna (ton)
Kolom 1
Kolom 2
Kolom 3
Kolom 4
1,64 (B)
1,210 (D) 1,425 (C) 1,345 (A)
1,475 (C) 1,185 (A) 1,400 (D) 1,290 (B)
1,670 (A) 0,710 (C) 1,665 (B) 1,180 (D)
1,565 (D) 1,290 (B) 1,655 (A) 0,660 (C)
6,35
4,395
6,145
4,475
Y...

Baris
1
2
3
4
Total

Total
5,62
5,35
5,225
5,17
21,365

Total dan nilai tengah perlakuan (mesin fillet otomatis) adalah :

Perlakuan
A
B
C
D
5,855
5,885
4,27
5,355
Total
1,464
1,471
1,068
1,339
Nilai Tengah
Perhitungan
2

...
= .
=

21,3652
44

= 28,529

= 4=1 4=1 4=0 2 = 1,642 + + 0,6602 28,529 = 1,414

= 4=1
= 4=1

. 2

. 2

=
=

5,8552
4
5,622
4

+ +

+ +

5,3552
4

5,172
4

28,529 = 0,427

28,529 = 0,030

 = 4=1

. 2

6,352
4

++

4,4752
4

28,529 = 0,827

= = 1,414 0,427 0,030 0,827 = 0,130

= 2 1 = 42 1 = 16 1 = 15
= 1 = 4 1 = 3
= 1 = 4 1 = 3
= 1 = 4 1 = 3
= ( 1)( 2) = (4 1)(4 2) = 3 2 = 6

= =

= =

= =

= =

0,427
3
0,030
3
0,827
3
0,130
6

= 0,142
= 0,010
= 0,276
= 0,022

0,142

= = 0,022 = 6,588

0,010

= = 0,022 = 0,465

0,276

= = 0,022 = 12,770
F-tabel : (0,05;3;6) = 4,76
Tabel Analisis Ragam
Sumber
Derajat
Keragaman
Bebas (DB)
Mesin Fillet
3
Otomatis
3
Hari Kerja
3
Operator
6
Galat
15
Total

Jumlah
Kuadrat (JK)

Kuadrat
Tengah (KT)

Fhitung

0,427

0,142

6,588

0,030
0,827
0,130
1,414

0,010
0,276
0,022

0,465
12,770

Kesimpulan
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Fhitung > Ftabel maka H0 ditolak, berarti paling sedikit ada satu mesin
fillet otomatis yang berpengaruh terhadap produksi fillet tuna.
Untuk pengaruh hari kerja:
Karena diperoleh Fhitung < Ftabel maka tidak tolak H0, berarti perbedaan hari kerja tidak
berpengaruh terhadap produksi fillet tuna.
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Fhitung > Ftabel maka H0 ditolak, berarti paling sedikit ada satu operator
yang berpengaruh terhadap produksi fillet tuna.
Dengan menggunakan software SAS dan R
1. Software SAS:
Syntax:
data RBSL;
input treat$ baris$ kolom$ prod;
label treat='Mesin' baris='Operator' kolom='Hari Kerja' prod='Produksi Fillet Tuna
(ton)';
cards;
B B1 K1 1.64
D B1 K2 1.21
C B1 K3 1.425
A B1 K4 1.345
C B2 K1 1.475
A B2 K2 1.185
D B2 K3 1.4
B B2 K4 1.29
A B3 K1 1.67
C B3 K2 0.71
B B3 K3 1.665
D B3 K4 1.18
D B4 K1 1.565
B B4 K2 1.29
A B4 K3 1.655
C B4 K4 0.66
;
Title 'Hasil Analisis Ragam - RBSL';
proc anova;
class treat baris kolom;
model prod=treat baris kolom;
means treat baris kolom;
run;

Output:
The ANOVA Procedure
Class Level Information
Class
Levels Values
treat
4
A B C D
baris
4
B1 B2 B3 B4
kolom
4
K1 K2 K3 K4
Number of Observations Read
Number of Observations Used

16
16

Dependent Variable: prod Produksi Fillet Tuna (ton)

Sum of
Source
DF
Squares Mean Square F Value Pr > F
Model
9 1.28433906
0.14270434
6.61
0.0161
Error
6
0.12958437
0.02159740
Corrected Total
15
1.41392344
R-Square
0.908351
Source
treat
baris
kolom

Coeff Var
11.00570
DF
3
3
3

Root MSE prod Mean

0.146961
1.335313

Anova SS
0.42684219
0.03015469
0.82734219

Mean Square
0.14228073
0.01005156
0.27578073

F Value Pr > F
6.59
0.0251
0.47
0.7170
12.77
0.0051

Interpretasi:
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Pr > F =0,0251 < = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu mesin fillet otomatis yang berpengaruh terhadap produksi fillet
tuna.
Untuk pengaruh hari kerja:
Karena diperoleh Pr > F =0,7170 > = 0,05 maka tidak tolak H0, berarti
perbedaan hari kerja tidak berpengaruh terhadap produksi fillet tuna.
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Pr > F =0,0051 < = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu operator yang berpengaruh terhadap produksi fillet tuna.
2. Softwrae R:
Syntax dan Output:
>data<-read.csv("F:/Kuliah/SEMESTERII/RANCANGAN
PERCOBAAN/Praktikum/kelompok/tugas 1/RBSL.csv")
> data2<-aov(produksi~mesin+hari+operator,data=data)
> summary(data2)
Df Sum Sq Mean Sq F value Pr(>F)
mesin
3 0.4268 0.14228 6.588 0.02509 *
hari
3 0.0302 0.01005 0.465 0.71697
operator 3 0.8273 0.27578 12.769 0.00515 **
Residuals 6 0.1296 0.02160

--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Interpretasi:
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Pr > F =0,0251 < = 0,05 dengan signifikansi * maka H0
ditolak, berarti paling sedikit ada satu mesin fillet otomatis yang berpengaruh
terhadap produksi fillet tuna.
Untuk pengaruh hari kerja:
Karena diperoleh Pr > F =0,7170 > = 0,05 dan tidak signifikan maka tidak
tolak H0, berarti perbedaan hari kerja tidak berpengaruh terhadap produksi fillet
tuna.
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Pr > F =0,0051 < = 0,05 dengan signifikansi ** maka H0
ditolak, berarti paling sedikit ada satu operator yang berpengaruh terhadap produksi
fillet tuna.